Prompt chaining

É o padrão de dividir uma tarefa complexa em uma sequência de chamadas ao modelo, cada uma com um prompt focado, em que a saída de uma etapa alimenta a próxima. Em vez de um único prompt gigante que tenta fazer tudo, cada passo faz uma coisa bem. Isso permite validar resultados intermediários, usar modelos diferentes em cada etapa (um pequeno para classificar, um grande para redigir) e isolar onde as falhas acontecem. É um workflow, não um agente: a sequência de etapas é fixa e definida por quem construiu o sistema.

Em Produto, prompt chaining costuma ser preferível a um mega-prompt. Cada etapa é testável separadamente, o erro é localizável e é possível colocar uma verificação determinística entre as etapas, como validar um esquema, aplicar uma regra de negócio ou checar um limiar de confiança. Por exemplo, para responder a um chamado: a primeira etapa extrai os fatos do texto; a segunda classifica o tipo de solicitação; a terceira redige a resposta usando apenas os fatos extraídos. Se a resposta sai errada, dá para saber em qual etapa o problema ocorreu. O custo é mais latência, porque são várias chamadas em sequência. Vale quando qualidade e capacidade de depuração importam mais do que velocidade.

Use prompt chaining quando a tarefa tem etapas claras e fixas, e vale a pena validar cada uma. Use agente quando as etapas variam de acordo com o caso e o modelo precisa decidir o caminho. Use prompt único quando a tarefa é simples e não se beneficia da divisão. Uma forma simples de diferenciar: chaining segue um roteiro fixo; agente decide o roteiro; prompt único faz tudo de uma vez.

Padrão de workflow descrito em Anthropic, Building Effective Agents (2024), entre outros.

Anthropic, Building Effective Agents (2024)