Łańcuch promptów (prompt chaining)
Stała sekwencja wywołań modelu, w której każdy krok pracuje na wyniku poprzedniego, a między krokami kod sprawdza wynik.
Łańcuch promptów dzieli jedno zadanie na stałą sekwencję wywołań modelu. Każde wywołanie dostaje na wejściu wynik poprzedniego i robi jedną mniejszą rzecz: wyciągnij dane, potem sklasyfikuj, potem napisz szkic, potem przetłumacz. Między krokami Twój kod może postawić bramkę (gate), czyli programowe sprawdzenie, które zatrzymuje albo powtarza krok, gdy wynik pośredni jest zły. To najprostszy wzorzec workflow agentowego.
Tekst Anthropic Building effective agents nazywa wymianę wprost: oddajesz czas odpowiedzi za dokładność, bo każde wywołanie dostaje łatwiejsze zadanie. Łańcuch to więcej wywołań i więcej czasu niż jeden duży prompt. W zamian każdy krok da się osobno przetestować ewaluacjami, zalogować i przenieść na tańszy model tam, gdzie jest rutynowy (routing modeli). Najwięcej wartości dają bramki: walidacja schematu JSON, limit długości, wymagane pole, reguła, że podsumowanie wymienia każdy numer faktury. Bez bramek błąd z pierwszego kroku po cichu przechodzi do wszystkich następnych.
Łańcuch pasuje, gdy kroki są znane z góry i takie same dla każdego wejścia, na przykład przy przyjmowaniu dokumentów albo w pipeline treści. Jeśli liczba lub kolejność kroków zależy od wejścia, potrzebujesz orkiestratora albo agenta. Jeśli część kroków nie zależy od siebie, puść je równolegle (fan-out i fan-in).
Źródła
- Anthropic: Building effective AI agents anthropic.com
Powiązane hasła
- Workflow agentowy (workflow czy agent): Proces, w którym kroki ustala Twój kod, a model wykonuje część z nich, w odróżnieniu od agenta, który sam decyduje o krokach.
- Fan-out i fan-in (równoległość): Podział pracy na równoległe wywołania modelu albo subagentów (fan-out) i scalenie ich wyników w jednym kroku (fan-in).
- Ewaluator-optymalizator (maker-checker): Jeden model pisze szkic, drugi sprawdza go według ustalonych kryteriów i odsyła uwagi, w pętli, aż szkic przejdzie albo zatrzyma go limit rund.
- Wzorzec orkiestrator i wykonawcy (supervisor): Jeden model planuje zadanie, przekazuje jego części modelom wykonawczym albo subagentom i łączy ich wyniki.
- Planuj i wykonaj (plan-and-execute): Model planujący pisze plan krok po kroku, modele wykonawcze realizują kroki, a planista poprawia plan, gdy któryś krok się nie uda.
- Ewaluacje (evals): Powtarzalny zestaw testów, który ocenia funkcję AI, żeby zmiany mierzyć, a nie zgadywać.
- Routing i fallback modeli: Kierowanie każdego zapytania do modelu, który do niego pasuje, i do innego, gdy pierwszy zawiedzie.
