Prompt Chaining: Kada jedan prompt nije dovoljan Ako ste ikada pokušali stisnuti cijeli projekt u jedan poziv - Već znate kako će završiti: zahtjevi → rješenje → plan → rizici → konačni dokument 
 
 
 
 
 Krenuo je koracima, zaboravlja na ograničenja, To vam daje "pouzdan" odgovor koji ne možete lako provjeriti, I u trenutku kada nešto nije u redu, nemate pojma gdje je došlo do greške. Razmislite o tome kao o izgradnji radnog toka u kojem je svaki prompt stanica na montažnoj liniji: jedan korak unutar, jedan korak izvan, a izlaz postaje ulaz za sljedeću stanicu. Prompt Chaining Drugim riječima: ne tražite od LLM-a da učini "sve odjednom". . one thing at a time, reliably 1) Što je brz lanac? To je praksa: Prompt Chaining 
 
 
 
 
 Razgradnja velikih zadataka u manje podzadatke Dizajniranje namjenske prompt za svaki pod-zadatak Prelazak strukturiranih izlaza iz jednog koraka u sljedeći Dodavanje koraka validacije + korekcije kako se lanac ne bi povukao To je u osnovi "mikroslužbeni način razmišljanja" primijenjen na LLM razmatranje. Single Prompt vs Prompt Chaining (na engleskom jeziku) 
 
 
 
 
 
 
 
 
 
 
 
 Dimension 
 Single Prompt 
 Prompt Chaining 
 
 
 
 
 Complexity 
 Good for simple, one-shot tasks 
 Built for multi-step, real workflows 
 
 
 
 
 Logic 
 Model guesses the process 
 You   the process define 
 
 
 
 
 Control 
 Hard to steer 
 Every step is steerable 
 
 
 
 
 Debugging 
 “Where did it go wrong?” 
 You can pinpoint the broken step 
 
 
 
 
 Context limits 
 Easy to overflow 
 Feed data gradually, step-by-step Kompleksnost Dobar za jednostavne, jednokratne zadatke Izgrađen za višestupanjske, stvarne radne tokove logika Model pretpostavlja proces ti Proces Definicija kontrola Teško je voditi Svaki korak je upravljiv Debugiranje “Gdje se to pogriješilo?” Možete pronaći slomljeni korak Ograničenja konteksta Jednostavno preopterećivanje Korištenje podataka postupno, korak po korak Zašto se to događa (The Real Reason) LLM-ovi nisu dobri u jugglingu . multiple goals simultaneously Zatražite: "Analizirajte zahtjeve, predložite značajke, procijenite napor, odredite prioritete, a zatim napišite plan" - i postavili ste problem multi-objektivne optimizacije. objektivno i tiho podcijeniti ostalo. one Prompt Chaining smanjuje kognitivno opterećenje: . one step → one output → one success criteria 3) Središnji mehanizam: ulaz → proces → izlaz (ponavlja se) U svom srcu, Prompt Chaining je krug: 
 
 
 
 Ulaz: prethodni izlaz + svi novi podaci Proces: sljedeći prompt s pravilima + ograničenjima formata Izlazak: strukturirani rezultat za sljedeći korak Evo jednostavnog lanca koji možete vizualizirati: flowchart LR
  A[Raw user feedback] --> B[Prompt 1: Extract pain points]
  B --> C[Prompt 2: Propose features]
  C --> D[Prompt 3: Prioritise & estimate effort]
  D --> E[Prompt 4: Write an iteration plan]
 4) Četiri neizgovarajuće za izgradnju dobrih lanaca 4.1 Pododjeljci moraju biti neovisni Povezani i i 
 
 
 Neovisno: svaki korak obavlja jedan posao (bez preklapanja) Povezan: svaki korak ovisi o prethodnom izlazu (bez "plutajućih" koraka) Loše: "Izvući bolne točke i značajke dizajna" Dobro: Korak 1 izvlači bolne točke; Korak 2 dizajnira značajke na temelju njih. 4.2 Izlazi moraju biti strukturirani Slobodan tekst je krhak.Sljedeći poziv može ga pogrešno pročitati, ponovno ga tumačiti ili ga ignorirati. Koristite strukturirane formate kao što su , ili . JSON tables bullet lists with fixed keys Example (JSON you can actually parse): {
  "pain_points": [
    {"category": "performance", "description": "Checkout takes > 8 seconds", "mentions": 31},
    {"category": "ux", "description": "Refund button hard to find", "mentions": 18},
    {"category": "reliability", "description": "Payment fails with no error", "mentions": 12}
  ]
}
 4.3 Svaki prompt mora izričito "naslijediti" kontekst Nemojte pretpostavljati da će model "zapamtiti što ste mislili."U sljedećem upitu, izričito se odnosite na prethodni ishod: 
 
 "Korištenjem JSON-a za bolne točke pod bolnim točkama, generirajte 1-2 značajke po stavci..." “Using the pain_points JSON under  , generirati 1–2 karakteristike po stavci...” pain_points 4.4 Izgradnja na putu neuspjeha (validacija + popravak) Svaki lanac treba „kvalitetna vrata“: 
 
 
 
 Validirajte: "Da li ishod sadrži sve potrebne ključeve? su brojevi dosljedni?" Repair: “If missing, regenerate only the missing parts” Guardrail: “Max 2 retries; inače vratiti najbolji napor + pogreške” 5) Three Architectures You’ll Use Everywhere 5.1 Linearno lančenje: fiksni koraci, bez grana Tijek rada je predvidljiv. Use it when: Primjer: Mjesečno izvješće o prihodima Ujedinjenog Kraljevstva (linearno) Recimo da imate CSV izvoz iz e-trgovine u Velikoj Britaniji i želite: 
 
 
 
 Čišćenje uvjerenja Izvješće spremno za upravljanje Step 1 — Data cleaning prompt (outputs a clean table or JSON) SYSTEM: You are a data analyst. Follow the instructions exactly.
USER:
Clean the dataset below.
​
Rules:
1) Drop rows where revenue_gbp or units_sold is null.
2) Flag outliers in revenue_gbp: > 3x category mean OR < 0.1x category mean. Do not delete them.
3) Add month_over_month_pct: (this_month - last_month) / last_month * 100.
4) Output as JSON array only. Each item must have:
   date, category, revenue_gbp, units_sold, region_uk, outlier_flag, month_over_month_pct
​
Dataset:
<PASTE DATA HERE>
 Step 2 — Insights prompt (outputs bullet insights) SYSTEM: You are a senior analyst writing for a UK leadership audience.
USER:
Using the cleaned JSON below, produce insights:
​
1) Category: Top 3 by revenue_gbp, and Top 3 by month_over_month_pct. Include contribution %.
2) Region: Top 2 regions by revenue, and biggest decline (>10%).
3) Trend: Overall trend (up/down/volatile). Explain revenue vs units relationship.
​
Output format:
- Category insights: 2-3 bullets
- Region insights: 2-3 bullets
- Trend insights: 2-3 bullets
​
Cleaned JSON:
<PASTE STEP-1 OUTPUT>
 Step 3 — Report-writing prompt (outputs final document) SYSTEM: You write crisp internal reports.
USER:
Turn the insights below into a "Monthly Revenue Brief" (800–1,000 words).
​
Structure:
1) Executive summary (1 short paragraph)
2) Key insights (Category / Region / Trend)
3) Recommendations (2–3 actionable items)
4) Close (1 short paragraph)
​
Use GBP (£) formatting and UK spelling.
Insights:
<PASTE STEP-2 OUTPUT>
 Linearni lanci su dosadni na najbolji način: predvidljivi su, automatizirani i jednostavni za testiranje. 5.2 Branching Chaining: odabrati put na temelju klasifikacije sljedeći korak ovisi o odluci (tipu, ozbiljnosti, namjeri). Use it when: Primjer: razvrstavanje poruka klijenta (Branching) Korak 1 klasificira poruku: SYSTEM: You classify customer messages. Output only the label.
USER:
Classify this message as one of:
- complaint
- suggestion
- question
​
Output format: label: <one of the three>
​
Message:
"My order was charged but never arrived, and nobody replied to my emails. This is ridiculous."
 Nakon toga Branko: 
 
 
 
 Ako se pritužba → generira plan odgovora na incidente Ako prijedlog → proizvodi izvedivost + raskrcavanje putovnice Ako pitanje generira izravan odgovor za potporu Obavijest o podnošenju zahtjeva (primjer): SYSTEM: You are a customer ops manager.
USER:
Create a complaint handling plan for the message below.
​
Include:
1) Problem statement
2) Actions: within 1 hour, within 24 hours, within 48 hours
3) Compensation suggestion (reasonable for UK e-commerce)
Output in three sections with bullet points.
​
Message:
<PASTE MESSAGE>
 Branching lanci su kako prestati tretirati svaki unos kao isti problem. 5.3 Looping Chaining: ponovite dok ne dosegnete stanje zaustavljanja morate obrađivati mnoge slične stavke ili iterativno rafinirati ishod. Use it when: Primjer: Batch-generate popisi proizvoda (Looping) Korak 1 podijeli listu na elemente blokova: SYSTEM: You format product data.
USER:
Split the following product list into separate blocks.
​
Output format (repeat for each item):
[ITEM N]
name:
key_features:
target_customer:
price_gbp:
​
Product list:
<PASTE LIST>
 Korak 2 prolazi kroz svaki blok: SYSTEM: You write high-converting product copy.
USER:
Write an e-commerce description for the product below.
​
Requirements:
- Hook headline ≤ 12 words
- 3 feature bullets (≤ 18 words each)
- 1 sentence: best for who
- 1 sentence: why it's good value (use £)
- 150–200 words total, UK English
​
Product:
<PASTE ITEM N>
 Potrebni lanci : hard stop rules 
 
 
 
 Proces točno N stavki, ili Ponovite najviše 2 puta ako je broj riječi predugačak, ili Zaustavite ako validiranje prođe Inače ćete stvoriti najskuplji beskonačni krug na svijetu. Praktična kontrolna lista "Ne pucajte na sebe" Problem: Intermediate format je neispravan → next prompt fails Učinite formatiranje nepromjenjivim. Fix: Dodajte linije poput: 
 
 
 “Izlazi samo JSON.” Ako se ne možete pridržavati, izlazak: ERROR:FORMAT. Problem: model zaboravlja prethodne detalje U svakom slučaju, svaki put ponavljajte „Sporazum“. Fix: 
 
 
 "Koristite array pain_points iz prethodnog izlaza." “Ne izmišljajte dodatne kategorije.” Sljedeći članak: Loops never converge Određivanje ograničenja + max retries. Fix: 
 
 
 
 Broj riječi ≤ 200 Max se povlači: 2 "Ako još uvijek ne uspijete, vratite najbolji pokušaj + popis pogrešaka" Problem: Odabir grana je pogrešan poboljšati pravila razvrstavanja + dodati drugu provjeru. Fix: Primjer : 
 
 
 Pritužba mora sadržavati negativne osjećaje I konkretan problem. U slučaju neizvjesnosti, oznaka izlaza: pitanje (potrebno je pojasniti). 7 alata koji čine lančenje manje bolnim You can chain prompts manually (copy/paste works), but tooling helps once you go beyond a few steps. 
 
 
 
 
 n8n / Make: alat za tok posla niskog koda za lančenje API poziva, pohranu izlaza, pokretanje upozorenja. LangChain / LangGraph: izgradnja lanaca s pamćenjem, razgraničenjem, retrijem, pozivanjem alata i upravljanjem državom. Redis / Postgres: uporni intermedijarni rezultati kako biste mogli nastaviti, provjeriti i izbjeći ponavljanje poziva. Google Docs: iznenađujuće učinkovit za lančenje u ranim fazama "čovjeka u krugu". 8) Kako to razviti Prompt Chaining postaje još snažniji kada ga kombinirate s: 
 
 
 
 RAG: dodajte korak za preuzimanje srednjeg lanca (npr. „dokumenti politike za preuzimanje” prije sastavljanja odgovora) Vrata za ljudsko odobravanje: odobravanje prije rizičnih radnji (promjene cijena, povrata kupaca, odgovori na pitanja usklađenosti) Multimodalni koraci: tekst → kratka slika → generacija dijagrama → konačni dokument Konačno uzeti Prompt Chaining nije “više prompts”. . workflow design Nakon što počnete tretirati upute kao korake s ugovorima, validacijama i putovima neuspjeha, vaš LLM prestaje se ponašati kao kaotični generator teksta i počinje djelovati kao pouzdan tim - jedna stanica u isto vrijeme. Ako gradite nešto izvan one-shot demo, . chain it

Read My Stories

Ovaj zvuk je proizveden na izvornom jeziku priče!

Prompt Chaining: Pretvorite jednu prompt u pouzdan LLM tok rada

About Author

KOMENTARI

VIJESI OZNAKE

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps