Prompt Chaining

提示词链（Prompt chaining）是人工智能（AI）开发中的一种高级架构模式，它将复杂任务分解为一系列更小、更易于管理的子任务。在此工作流中，一个步骤的输出（通常由大语言模型（LLM）或计算机视觉系统生成）充当后续步骤的输入。与试图一次性解决多方面问题的单一整体提示词不同，提示词链使开发者能够构建更可靠、可测试且功能强大的应用程序。这种模块化方法对于创建能够进行推理、浏览网页或与物理环境交互的复杂AI 智能体至关重要。

链式调用的机制#

从根本上讲，提示词链解决了基础模型中上下文窗口和推理能力的局限性。当要求模型在单个请求中执行过多不同的操作时（例如：“分析此图像，提取文本，将其翻译成西班牙语，并将其格式化为 JSON 发票”），出错的概率就会增加。通过将其拆分为一个流水线，开发者可以验证每个阶段的准确性。

高效的提示词链通常利用用Python编写的“胶水代码”，或由诸如LangChain之类的编排库来管理，以处理步骤之间的数据转换。这允许集成不同的技术，例如将目标检测的视觉敏锐度与生成式文本模型的语言流利度结合起来。

实际应用#

在弥合不同数据模态之间的鸿沟时，提示词链尤其强大，它能使多模态模型在动态的工业和商业环境中发挥作用。

1. **自动化视觉报告：**在智能制造中，质量控制系统可以将视觉模型与 LLM 串联起来。首先，像Ultralytics YOLO26这样高速的模型会扫描装配线上的组件。结构化输出（例如：“Class: Dented_Can, Confidence: 0.92”）被转换为文本字符串。然后，该文本被传递给带有提示词（如“根据此缺陷起草维护请求”）的语言模型，从而为车间经理生成人类可读的电子邮件。

2. **上下文感知客户支持：**智能聊天机器人通常使用提示词链来处理复杂的长用户查询。链条中的第一个环节可能会使用自然语言处理（NLP）来分类用户意图。如果意图是技术性的，系统会触发检索增强生成（RAG）工作流：它为查询生成嵌入（embeddings），在向量数据库中搜索文档，最后提示 LLM 将检索到的片段综合为有用的答案。

视觉到语言的代码示例#

以下示例展示了链条中的第一个“环节”：使用计算机视觉（CV）生成结构化数据，作为下游提示词的上下文。

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)

区分相关概念#

为了实现高效的机器学习（ML）架构，区分提示词链与 AI 领域中的类似术语会很有帮助：

• **对比思维链提示词（Chain-of-Thought Prompting）：**思维链（CoT）是一种在单个提示词内部使用的技术，用于鼓励模型“展示其工作过程”（例如：“逐步思考”）。提示词链则涉及多个不同的 API 调用，其中步骤 B 的输入取决于步骤 A 的输出。
• **对比提示词工程（Prompt Engineering）：**提示词工程是优化文本输入以引出更好模型性能的更广泛学科。而提示词链则是一个特定的工程模式，专注于操作的顺序流和逻辑控制。
• **对比提示词微调（Prompt Tuning）：**提示词微调是一种在训练阶段更新可学习参数（软提示词）的模型优化方法。提示词链则完全在实时推理期间发生，并且不会改变模型的模型权重。

通过利用提示词链，团队可以构建集成了逻辑、数据检索和动作识别的强健应用程序。为了管理数据集和训练为这些链条提供动力的视觉模型，Ultralytics 平台为标注、训练和部署提供了集中式解决方案。