Prompt Chaining

提示链是一种复杂的技术，用于执行复杂的工作流，将其分解为一系列相互连接的输入 人工智能（AI）模型的 人工智能（AI）模型的一连串相互关联的输入。 这种方法不是依靠单一的指令来执行多方面的任务，而是将流程结构化，使一个步骤的输出可以作为另一个步骤的输出。 流程结构，使一个步骤的输出成为下一个步骤的输入。这种模块化方法大大提高了 大型语言模型（LLM）的可靠性和可解释性。 大语言模型（LLM）的可靠性和可解释性，使 开发人员就能构建能够推理、规划和执行多步骤操作的强大应用程序。 多步骤操作。

Prompt Chaining 的工作原理

及时链的核心原则是 任务分解 将复杂的目标分解为易于管理的子任务。链中的每个环节都侧重于特定功能，如 数据清理、信息提取或决策 在将结果向前传递之前。这种迭代过程可以进行中间验证，确保 及早发现错误，而不是通过复杂的响应来传播错误。

这种方法对于创建 能与外部工具或应用程序接口交互的人工智能代理的基础。 专门的框架（如LangChain 等专门框架已经出现，以促进这种协调，管理人工智能模型、矢量数据库和其他软件组件之间的数据流、 向量数据库和其他软件组件之间的数据流。通过 通过在这些交互过程中保持状态，提示链可以创建动态系统，以适应用户输入和不断变化的数据。 用户输入和不断变化的数据。

实际应用

提示链在结合 自然语言处理 (NLP) 与其他模式或专业数据源相结合时尤为有效。

1. 智能客户服务：支持系统可使用初始 文本分类 提示对用户的咨询进行分类。如果问题被识别为 "技术性"，工作流程就会触发一个 检索-增强生成（RAG） 步骤。系统会在技术知识库中搜索相关文章，随后的提示会指示 LLM 将检索到的信息合成为用户友好的答案。
2. 视觉质量控制：在制造过程中 在制造过程中，工作流程可以将文本和 视觉模型。用户可以提供缺陷的文字描述（如 "表面划痕"）。这种 描述进行解析，以配置一个 计算机视觉 (CV)模型，如 Ultralytics YOLO11.视觉模型在装配线进给上执行 对象检测，并将检测结果反馈到最终提示 检测结果反馈到最终提示中，以生成自动质量检测报告。 质量检测 报告。

代码示例

以下是 Python代码段演示了一个简单的链式链接。它使用 YOLO11 对象检测模型的输出，为假设的下一步构建一个自然语言提示。

from ultralytics import YOLO

# Load the YOLO11 model for object detection
model = YOLO("yolo11n.pt")

# Step 1: Run inference on an image
# The output contains detected objects which will fuel the next link in the chain
results = model("https://ultralytics.com/images/bus.jpg")

# Step 2: Process results to create input for the next link
# We extract class names to form a descriptive sentence
detected_objects = [model.names[int(c)] for c in results[0].boxes.cls]
next_prompt = f"I found these objects: {', '.join(detected_objects)}. Describe the scene."

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

提示链与相关概念

将提示链与机器学习领域的其他术语区分开来很有帮助。 机器学习领域的其他术语区分开来：

• 及时工程:这是一门设计最佳输入以指导模型行为的广泛学科。提示链是提示工程中的一种特定 提示链是提示工程中的一种特定架构模式，侧重于顺序执行。
• 思维链提示:这种方法鼓励模型在单个提示--反应循环中 "逐步 "推理。 循环中 "逐步 "推理。相比之下，提示链涉及多个不同的调用，通常是在不同模型或软件工具之间传递数据。 模型或软件工具之间传递数据。
• 提示调整:A 模型优化方法 在训练过程中更新 "软提示"（可学习参数）。提示链是一种 推理时策略，使用标准 自然语言输入，而不改变模型的 权重。

通过利用提示链，开发人员可以克服独立模型的上下文限制和推理瓶颈。 模型的限制和推理瓶颈。这种技术对于构建 代理人工智能 系统所不可或缺的。 机器人和自动化领域的复杂动态问题。