Prompt Chaining: Kada jedna prompt nije dovoljna Ако сте икада покушали да стиснете читав пројекат у једну поруку - Znate već kako se završava: захтеви → решење → план → ризици → финални документ 
 
 
 
 
 и шаље кораке, Заборавио је на ограничења, даје вам "уверен" одговор који не можете лако проверити, i u trenutku kada nešto nije u redu, nemate pojma gde se ta greška dogodila. Размислите о томе као о изградњи радног тока у којем је сваки позив станица на линији монтаже: један корак у, један корак ван, а излаз постаје улаз за следећу станицу. Prompt Chaining Другим речима: не тражите од ЛЛМ-а да уради "све одједном". . one thing at a time, reliably 1) Шта је брзо лансирање? То је пракса: Prompt Chaining 
 
 
 
 
 Декомпоновање великог задатка у мање подзадатке Дизајнирање посвећеног упутства за сваки подзадатак Prelazak strukturiranih izlaza iz jednog koraka u sledeći Додавање корака валидације + корекције тако да се ланац не одвија То је у основи "микро-услуге начин размишљања" примењен на ЛЛМ размишљања. Single Prompt vs Prompt Chaining (на енглеском језику) 
 
 
 
 
 
 
 
 
 
 
 
 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 сложености Добро за једноставне, једноставне задатке Izgrađen za višestruke, stvarne tokove posla логика Model pretpostavlja proces ти Процес Definiše Контрола Тешко је стајати Svaki korak je upravljiv Debugging „Gde je išlo pogrešno?“ Можете наћи сломљени корак Ограничења контекста Лако је преплавити Храњење података постепено, корак по корак 2) Зашто то функционише (прави разлог) ЛЛМс нису одлични у џунглинг . multiple goals simultaneously Питајте: "Анализирајте захтеве, предложите карактеристике, процените напор, поставите приоритете, а затим напишите план" - и поставили сте проблем мулти-објективне оптимизације. објективно и тихо испоручује на остало. one Prompt Chaining smanjuje kognitivno opterećenje: . one step → one output → one success criteria 3) Основни механизам: улаз → процес → излаз (понавља се) У свом срцу, Промпт Цхеининг је петља: 
 
 
 
 Улаз: претходни корак излаз + било који нови подаци Процес: следећи позив са правилима + ограничењима формата Излаз: структурирани резултат за следећи корак Ево једноставног ланца који можете визуализирати: 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) Четири не-преговарајуће за изградњу добрих ланаца 4.1 Подзадаци морају бити независни повезан и и 
 
 
 Независно: сваки корак обавља један посао (без преклапања) Повезан: сваки корак зависи од претходног излаза (без "плавајућих" корака) Лоше: "Извадите болове и дизајнерске карактеристике" Добро: Корак 1 извлачи болове; Корак 2 дизајнира карактеристике на основу њих. 4.2 Средњи излаз мора бити структуриран Slobodan tekst je krhak.Naslednji poziv može da ga pogrešno pročita, da ga ponovo tumači ili da ga ignoriše. Користите структуриране формате као што су , , или . JSON tables bullet lists with fixed keys Пример (ЈСОН можете заправо анализирати): {
  "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 Сваки позив мора експлицитно „наследити“ контекст Немојте претпоставити да ће модел "запамтити шта сте мислили."У следећем напомену, експлицитно се односи на претходни излаз: 
 
 “Користећи JSON pain_points под pain_points, генерише 1–2 карактеристике по ставци...” Користећи pain_points JSON под , генерише 1–2 карактеристике по предмету...” pain_points 4.4 Изградња у путу неуспјеха (валидација + поправка) Every chain needs a “quality gate”: 
 
 
 
 Потврдите: "Да ли излаз садржи све потребне кључеве? да ли су бројеви конзистентни?" Поправка: "Ако недостаје, регенеришите само недостајуће делове" Гвардраил: “Макс 2 ретриес; иначе вратити најбољи напор + грешке” 5) Три архитектуре које ћете користити свуда 5.1 Линеарни ланац: фиксни кораци, без грана Tok posla je predvidljiv. Use it when: Пример: Месечни извештај о приходу Велике Британије (линеарно) Претпоставимо да имате ЦСВ извоз из продавнице е-трговине у Великој Британији и желите: 
 
 
 
 Чишћење Увид Spreman izveštaj 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>
 Линеарни ланци су досадни на најбољи начин: они су предвидљиви, аутоматизовани и лако се тестирају. 5.2 Верига за раздвајање: изаберите пут на основу класификације Sledeći korak zavisi od odluke (tipa, ozbiljnosti, namere). Use it when: Пример: сортирање порука клијента (Бранцхинг) Корак 1 класификује поруку: 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."
 A onda si Branko: 
 
 
 
 Ако жалба → генерише план одговора на инцидент Ако сугестија → производи изводљивост + роотмап слоттинг Ако питање → генерише директан одговор подршке Постављање жалбе (на пример) 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>
 Вериге раздвајања су како престанете да третирате сваки улаз као исти проблем. 5.3 Лоупинг Цхеининг: Поновите док не дођете до стап стања морате обрадити многе сличне предмете, или исправљати излаз итеративно. Use it when: Пример: Листе производа који се генеришу у сетовима (Лооопинг) Корак 1 дели листу на блокове елемената: 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>
 Корак 2 лукове преко сваког блока: 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>
 Potreban je lanac : hard stop rules 
 
 
 
 Процес тачно Н ставки, или Поновите највише 2 пута ако је број речи превише дуг, или Зауставите ако валидација прође У супротном ћете створити најскупљу бесконачну петљу на свету. 6) Практична контролна листа "Не пуцајте сами" Проблем: средњи формат је неред → следећи позив не успева Направите форматирање неспоразумним. Fix: Додајте линије као: 
 
 
 „Izlazi samo JSON“. Ако не можете да се придржавате, излаз: ERROR:FORMAT. Проблем: модел заборавља раније детаље  explicitly restate the “contract” each time. Fix: 
 
 
 "Користите парен_поинтс матрију из претходног излаза." “Не измишљајте додатне категорије.” Проблем: лупови никада не конвергирају дефинисати мерљиве ограничења + макс ретрије. Fix: 
 
 
 
 Број речи ≤ 200 Макс Ретриес: 2 "Ако и даље не успе, вратите најбољи покушај + листу грешака" Проблем: избор грана је погрешан побољшати правила класификације + додати другу проверу. Fix: Пример : 
 
 
 Complaint must include  . negative sentiment AND a concrete issue У случају несигурности, ознака излаза: питање (потребно је разјаснити). 7) Алати који чине ланчање мање болним Можете ланцирати позиве ручно (копирајте / убаците радове), али алат помаже када пређете неколико корака. 
 
 
 
 
 n8n / Маке: алати ниског кода за ток рада за лансирање АПИ позива, складиштење излаза, покретање упозорења. ЛангЦхаин / ЛангГраф: изградити ланце са меморијом, разгранавањем, ретријама, позивима алата и државним управљањем. Редис / Постгрес: упорни средњи резултати тако да можете наставити, ревидирати и избјећи поновљене позиве. Идеја / Гоогле Доцс: изненађујуће ефикасан за лансирање у раној фази "људског у луку". 8) Како се ово повећава Prompt Chaining постаје још моћнији када га комбинујете са: 
 
 
 
 РАГ: додајте корак за претраживање средњег ланца (нпр. „документе политике за претраживање“ пре израде одговора) : approve before risky actions (pricing changes, customer refunds, compliance replies) Human approval gates Мултимодални кораци: текст → слика кратак → генерација дијаграма → финални доц Завршни узети Prompt Chaining nije “više prompts”. . workflow design Када почнете да третирате позиве као кораке са уговорима, валидацијама и путевима неуспјеха, ваш ЛЛМ престаје да се понаша као хаотични генератор текста и почиње да делује као поуздани саиграч - једна станица у исто време. Ако градите нешто изван једнократног демо-а, . chain it

Read My Stories

Овај аудио је произведен на оригиналном језику приче!

Промпт Цхаининг: претворити једну промпту у поуздани ЛЛМ радни ток

About Author

КОМЕНТАРИ

ХАНГ ТАГС

ОВАЈ ЧЛАНАК ЈЕ ПРЕДСТАВЉЕН У

Related Stories

Building the Cloud Future: Sreedevi Velagala's Trek in AWS Architecture

Sravana Kumar Reddy Yeruva’s Fusion Transformation Sets a New Standard in ERP Excellence

Leadership Success Story: Srinath Muralinathan's Transformative Projects at Amazon

Scaling Web Testing with Automation: Srikanth Srinivas’s Digital Strategy Breakthrough

Building the Cloud Future: Sreedevi Velagala's Trek in AWS Architecture

Sravana Kumar Reddy Yeruva’s Fusion Transformation Sets a New Standard in ERP Excellence

Leadership Success Story: Srinath Muralinathan's Transformative Projects at Amazon

Scaling Web Testing with Automation: Srikanth Srinivas’s Digital Strategy Breakthrough

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps