Prompt Chaining

提示鏈是什麼，和單一個「超級提示」有什麼不同？

提示鏈（prompt chaining）指的是把一個任務拆成 A→B→C 這樣的多個步驟，每一步各自是一個獨立的提示，上一步的輸出直接變成下一步的輸入。舉例來說，「研究一個主題、整理重點、寫成初稿、依讀者調整語氣」可以拆成四次呼叫，而不是塞進同一個提示裡要求 Claude 一次做完。

跟單一超級提示最大的不同在於「注意力是否被稀釋」。當一個提示同時要求研究、摘要、寫作、潤飾這麼多不同性質的任務時，模型的注意力必須在多個競爭目標之間分配，任何一個環節都可能因此打折；拆開之後，每一步只處理一件事，輸入的上下文也更聚焦，出錯時也能精準定位是哪一步壞掉，而不是面對一整段輸出從頭猜起。

提示鏈為什麼會被需要，解決了什麼問題？

單一提示在任務簡單時完全夠用，但當任務牽涉多個彼此依賴、性質不同的子步驟時，會出現兩個具體問題：一是前面提到的注意力稀釋，模型同時兼顧太多目標會導致每個目標都做得普通；二是「不可觀測性」——如果整個任務只有一次輸出，中間哪一步出了問題完全看不到，只能整段重新來過，也無法針對某個環節單獨調整。

提示鏈把任務拆成有明確輸入輸出的步驟，等於在流程中插入了多個檢查點：可以在任一步驟後人工審核、加驗證邏輯擋下不合格的輸出、甚至針對某一步單獨換模型或調整提示，而不影響其他步驟。這種可拆解、可觀測的特性，讓複雜任務的除錯與優化變得可行，而不是一場全有全無的賭注。

提示鏈實際上怎麼運作，有哪些常見形式？

最基本的形式是線性鏈：A 的輸出直接成為 B 的輸入，B 的輸出再成為 C 的輸入，依序執行下去，例如「研究主題→整理十個重點→寫成初稿→依目標讀者調整語氣」。這種形式實作起來最簡單，適合步驟之間依賴關係單純、不太需要分支判斷的任務。

更進階的形式會在鏈中加入「驗證閘門」（validation gate）：每一步輸出後先用程式或另一次提示檢查是否符合預期格式或品質標準，不合格就要求模型重做這一步，合格才放行進入下一步，藉此避免錯誤或格式不符的中間結果一路往下傳染，汙染最終輸出。另外也常見「自我修正」模式——先讓模型產出答案，再用一次額外的提示要求它檢查自己剛才的輸出有沒有問題並修正，這也是一種簡化版的兩步提示鏈。實作上，這些鏈可以用單純的循序 API 呼叫組成，也可以搭配編排框架（如 LangGraph）管理更複雜、有分支或迴圈的流程。

提示鏈對我有什麼實際影響，什麼時候該用、什麼時候不需要？

如果你手上的任務只有一個明確目標、輸入輸出關係單純（例如「把這段文字翻成日文」），硬拆成多步驟提示鏈只會增加呼叫次數、拉長回應時間、墊高成本，沒有實質好處。提示鏈真正該用的時機，是任務本身包含多個性質不同、彼此依賴的子步驟，而且你需要在中間插入品質把關（例如自動化內容生產流程裡，先生成草稿、再驗證格式是否符合規範、不合格打回重寫）。

對正在設計 AI 工作流的人來說，實際的判斷準則是：先寫一個單一提示試試看，如果發現輸出品質不穩定、某個環節總是出錯、或是想在中間某一步插入人工審核或自動驗證，這就是該拆成提示鏈的訊號，而不是一開始就預設任務越複雜就要拆越多步——步驟數本身不是目標，能不能在需要的地方插入檢查點才是。