Prompt 链式调用

将复杂任务分解为多个子任务，每个子任务使用独立的 Prompt，前一个 Prompt 的输出作为后一个的输入。这种流水线式的处理方式能提升每个步骤的质量，便于调试和优化，是构建复杂 AI 工作流的核心模式。

高级 架构设计

适用场景

任务过于复杂无法一次完成时；需要中间结果验证时；不同步骤需要不同的模型配置时；构建可复用的处理流水线时。

## 文章生成链

链条 1 - 大纲生成：
输入：主题 + 目标读者
输出：文章大纲（3-5 个章节）

链条 2 - 内容扩展：
输入：大纲中的每个章节标题
输出：该章节的详细内容（300-500 字）

链条 3 - 质量审查：
输入：完整文章
输出：修改建议列表

链条 4 - 最终润色：
输入：文章 + 修改建议
输出：最终版本

链条 1 输出：
1. 引言：为什么 Prompt 工程很重要
2. 基础概念：理解 LLM 的工作方式
3. 核心技巧：5 个必须掌握的技术
4. 实战案例：从零构建一个 AI 助手
5. 总结：持续学习路径

[后续链条依次处理...]

最佳实践

• 每个链条的输入输出格式要明确定义
• 在链条之间加入验证步骤
• 保持每个链条的任务单一且聚焦
• 设计错误处理和重试机制

常见坑

• 链条过长会累积错误
• 中间步骤的格式不一致会导致下游失败
• 总延迟是所有步骤延迟之和
• 调试困难，需要良好的日志记录