Prompt Chaining

La concatenación de prompts (prompt chaining) es un patrón arquitectónico avanzado en el desarrollo de Artificial Intelligence (AI) donde una tarea compleja se descompone en una secuencia de subtareas más pequeñas y manejables. En este flujo de trabajo, la salida de un paso —generada a menudo por un Large Language Model (LLM) o un sistema de visión artificial— sirve como entrada para el paso siguiente. A diferencia de un único prompt monolítico que intenta resolver un problema multifacético de una vez, la concatenación permite a los desarrolladores construir aplicaciones más fiables, comprobables y capaces. Este enfoque modular es esencial para crear AI Agents sofisticados capaces de razonar, navegar por la web o interactuar con entornos físicos.

La mecánica del encadenamiento#

En su esencia, la concatenación de prompts aborda las limitaciones de las ventanas de contexto y las capacidades de razonamiento en Foundation Models. Cuando se le pide a un modelo que realice demasiadas operaciones distintas en una sola solicitud (por ejemplo, «Analiza esta imagen, extrae el texto, tradúcelo al español y formatéalo como una factura en formato JSON»), aumenta la probabilidad de error. Al dividir esto en una canalización (pipeline), los desarrolladores pueden verificar la accuracy de cada etapa.

Las cadenas eficaces suelen utilizar «código de enlace» (glue code) escrito en Python o gestionado por bibliotecas de orquestación como LangChain para gestionar la transformación de datos entre pasos. Esto permite la integración de tecnologías dispares, como combinar la agudeza visual de Object Detection con la fluidez lingüística de los modelos de texto generativo.

Aplicaciones en el mundo real#

La concatenación de prompts es especialmente potente a la hora de salvar la distancia entre diferentes modalidades de datos, lo que permite que los Multi-Modal Models funcionen en entornos industriales y comerciales dinámicos.

1. Informes visuales automatizados: En Smart Manufacturing, un sistema de control de calidad puede encadenar un modelo de visión con un LLM. Primero, un modelo de alta velocidad como Ultralytics YOLO26 escanea componentes en una línea de montaje. La salida estructurada (por ejemplo, «Class: Dented_Can, Confidence: 0.92») se convierte en una cadena de texto. A continuación, este texto se pasa a un modelo de lenguaje con un prompt como «Redacta una solicitud de mantenimiento basada en este defecto», lo que genera un correo electrónico legible por humanos para el jefe de planta.

2. Atención al cliente consciente del contexto: Los chatbots inteligentes suelen utilizar la concatenación para navegar por consultas de usuario complejas. El primer eslabón de la cadena puede utilizar Natural Language Processing (NLP) para clasificar la intención del usuario. Si la intención es técnica, el sistema activa un flujo de trabajo de Retrieval-Augmented Generation (RAG): genera embeddings para la consulta, busca en una base de datos vectorial la documentación pertinente y, por último, indica a un LLM que sintetice los fragmentos recuperados para ofrecer una respuesta útil.

Ejemplo de código de visión a lenguaje#

El siguiente ejemplo demuestra el primer «eslabón» de una cadena: el uso de Computer Vision (CV) para generar datos estructurados que sirvan de contexto para un prompt posterior.

from ultralytics import YOLO

# Load the YOLO26 model (natively end-to-end and highly efficient)
model = YOLO("yolo26n.pt")

# Step 1: Run inference to 'see' the environment
results = model("https://ultralytics.com/images/bus.jpg")

# Step 2: Format visual detections into a natural language string
det_names = [model.names[int(c)] for c in results[0].boxes.cls]
prompt_context = f"The scene contains: {', '.join(det_names)}. Please describe the likely activity."

# The 'prompt_context' variable is now ready to be sent to an LLM API
print(prompt_context)

Distinguir conceptos relacionados#

Para implementar arquitecturas de Machine Learning (ML) eficaces, resulta útil diferenciar la concatenación de prompts de términos similares en el ecosistema de la IA:

• Frente a Chain-of-Thought Prompting: Chain-of-Thought (CoT) es una técnica utilizada dentro de un solo prompt para animar a un modelo a «mostrar su trabajo» (por ejemplo, «Piensa paso a paso»). La concatenación de prompts implica múltiples llamadas a la API distintas donde la entrada del paso B depende de la salida del paso A.
• Frente a Prompt Engineering: La ingeniería de prompts es la disciplina más amplia que consiste en optimizar las entradas de texto para conseguir un mejor rendimiento del modelo. La concatenación es un patrón de ingeniería específico que se centra en el flujo secuencial de operaciones y el control de la lógica.
• Frente a Prompt Tuning: El ajuste de prompts es un método de Model Optimization que actualiza los parámetros aprendibles (prompts blandos) durante una fase de entrenamiento. La concatenación de prompts ocurre enteramente durante la Real-time Inference y no altera los Model Weights del modelo.

A través de la concatenación de prompts, los equipos pueden construir aplicaciones robustas que integren lógica, recuperación de datos y Action Recognition. Para gestionar los conjuntos de datos y entrenar los modelos de visión que potencian estas cadenas, la Ultralytics Platform ofrece una solución centralizada para la anotación, el entrenamiento y el despliegue.