Prompt Chaining: แปลง Prompt ในกระแสทํางาน LLM ที่เชื่อถือได้

Prompt Chaining: เมื่อ Prompt หนึ่งไม่เพียงพอ หากคุณเคยพยายามบีบโครงการทั้งหมดลงในคําแนะนํา -คุณรู้แล้วว่ามันจบลงอย่างไร: ความต้องการ → โซลูชัน → แผน → ความเสี่ยง → หลักสูตรสุดท้าย มันเรือ ขั้นตอน มันลืมข้อ จํากัด มันให้คําตอบ “มั่นใจ” ที่คุณไม่สามารถตรวจสอบได้ง่าย และในขณะที่บางสิ่งบางอย่างผิดพลาดคุณไม่ทราบว่าข้อผิดพลาดเกิดขึ้นที่ไหน คิดว่ามันเป็นการสร้างกระบวนการทํางานที่แต่ละคําแนะนําเป็นสถานีในสายการประกอบ: ขั้นตอนหนึ่งเข้าออกและเอาต์พุตกลายเป็นข้อมูลเข้าสําหรับสถานีถัดไป Prompt Chaining กล่าวอีกนัยหนึ่ง: คุณไม่ได้ขอให้ LLM ทํา “ทุกอย่างในครั้งเดียว” คุณขอให้ทํา . one thing at a time, reliably 1) การเชื่อมโยงอย่างรวดเร็วคืออะไร คือการปฏิบัติของ: Prompt Chaining การแบ่งปันงานขนาดใหญ่ลงในงานขนาดเล็ก การออกแบบคําแนะนําเฉพาะสําหรับแต่ละ sub-task การถ่ายโอนการส่งออกแบบโครงสร้างจากขั้นตอนหนึ่งไปยังขั้นตอนต่อไป เพิ่มขั้นตอนการยืนยัน + แก้ไขเพื่อให้โซ่ไม่ไหล นี่คือพื้นฐานของ "ความคิดของไมโครบริการ" ที่ใช้ในการพิจารณา LLM Single Prompt vs Prompt Chaining (ในภาษาอังกฤษเรียบง่าย) 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 ความซับซ้อน เหมาะสําหรับงานที่เรียบง่ายและเป็นครั้งเดียว สร้างขึ้นสําหรับกระบวนการทํางานหลายขั้นตอนจริง โจมตี แบบจําลองคาดเดากระบวนการ คุณ กระบวนการ ปรับแต่ง Control ยากที่จะ steer ทุกขั้นตอนสามารถควบคุมได้ การ debugging “จุดที่มันผิดไปหรือไม่” คุณสามารถระบุขั้นตอนที่ทําลายได้ ข้อ จํากัด ของความสัมพันธ์ ง่ายต่อการไหลเวียน เฟดข้อมูลค่อยๆขั้นตอนตามขั้นตอน 2) ทําไมมันทํางาน (เหตุผลที่แท้จริง) LLMs aren’t great at juggling . multiple goals simultaneously คําถาม: “วิเคราะห์ความต้องการเสนอคุณสมบัติประมาณความพยายามกําหนดเป้าหมายแล้วเขียนแผน” – และคุณได้ตั้งค่าปัญหาการเพิ่มประสิทธิภาพหลายวัตถุ รุ่นมักจะทํางานได้ดี วัตถุประสงค์และเงียบ ๆ sub-delivery เกี่ยวกับส่วนที่เหลือ one Prompt Chaining ลดโหลดทางปัญญา: . one step → one output → one success criteria 3) กลไกหลัก: อินพุต → กระบวนการ → ออก (ซ้ํา) ในหัวใจของมัน Prompt Chaining เป็นวงกลม: อินพุต: ขั้นตอนก่อนส่งออก + ข้อมูลใหม่ใด ๆ กระบวนการ: คําแนะนําถัดไปที่มีกฎ + ข้อ จํากัด รูปแบบ ผลผลิต: ผลลัพธ์แบบโครงสร้างสําหรับขั้นตอนต่อไป นี่คือโซ่ที่เรียบง่ายที่คุณสามารถดูได้: 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) สี่สิ่งที่ไม่สามารถเจรจาได้ในการสร้างโซ่ที่ดี 4.1 Sub-tasks ควรเป็นอิสระ เชื่อมต่อ และ และ อิสระ: ทุกขั้นตอนทํางานหนึ่งงาน (ไม่มีการซ้ํากัน) เชื่อมต่อ: ขั้นตอนแต่ละขั้นตอนขึ้นอยู่กับผลลัพธ์ก่อนหน้านี้ (ไม่มีขั้นตอน "ลอย" ) ไม่ดี: "สกัดจุดเจ็บปวดและลักษณะการออกแบบ" ดี: ขั้นตอนที่ 1 สกัดจุดเจ็บปวด ขั้นตอนที่ 2 ออกแบบคุณสมบัติตามพวกเขา 4.2 เอาท์พุทกลางต้องมีการโครงสร้าง ข้อความอิสระเป็น fragile. The next prompt can misread it, re-interpret it, or ignore it. ใช้รูปแบบที่มีโครงสร้างเช่น , หรือ . JSON tables bullet lists with fixed keys ตัวอย่าง (JSON ที่คุณสามารถสํารวจได้): { "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 แต่ละตัวอักษรต้อง“ สอดคล้อง” อย่างชัดเจน อย่าคิดว่ารุ่นจะ “จําไว้ว่าคุณหมายถึงอะไร” ในคําแนะนําถัดไปอ้างถึงผลลัพธ์ก่อนหน้านี้อย่างชัดเจน: “ใช้ pain_points JSON ภายใต้ pain_points สร้าง 1–2 คุณสมบัติต่อรายการ...” การใช้ pain_points JSON ภายใต้ , สร้าง 1–2 คุณสมบัติต่อรายการ...” pain_points 4.4 สร้างในทางล้มเหลว (การยืนยัน + การซ่อมแซม) ทุกห่วงโซ่ต้องการ“ ประตูคุณภาพ” ตรวจสอบ: “การส่งออกมีคีย์ที่จําเป็นทั้งหมดหรือไม่? หมายเลขเป็นสอดคล้องกันหรือไม่?” การซ่อมแซม: "ถ้าขาดหายไปการฟื้นฟูเฉพาะชิ้นส่วนที่ขาดหายไป" Guardrail: “Max 2 retries; มิฉะนั้นคืนความพยายามที่ดีที่สุด + ข้อผิดพลาด” 5) สามสถาปัตยกรรมที่คุณจะใช้ทุกที่ 5.1 เชื่อมโยงเชิงเส้น: ขั้นตอนคงที่ไม่มีสาขา กระบวนการทํางานสามารถคาดการณ์ได้ Use it when: ตัวอย่าง: รายงานรายได้รายเดือนของสหราชอาณาจักร (เชิงเส้น) แสดงให้เห็นว่าคุณมีการส่งออก CSV จากร้านค้าอีคอมเมิร์ซในสหราชอาณาจักรและคุณต้องการ: การทําความสะอาด ความเข้าใจ รายงานการจัดการพร้อม 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 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: 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: เชื่อมโยงเชิงเส้นเป็นเรื่องเบื่อในทางที่ดีที่สุด: พวกเขาสามารถคาดการณ์ได้อัตโนมัติและง่ายต่อการทดสอบ 5.2 Branching Chaining: choose a path based on classification the next step depends on a decision (type, severity, intent). Use it when: ตัวอย่าง: การคัดกรองข้อความลูกค้า (Branching) ขั้นตอนที่ 1 ประเภทข้อความ: SYSTEM: You classify customer messages. Output only the label. USER: Classify this message as one of: - complaint - suggestion - question Output format: label: Message: "My order was charged but never arrived, and nobody replied to my emails. This is ridiculous." แล้วคุณ branch: หากการร้องเรียน → สร้างแผนการตอบสนองต่อเหตุการณ์ If suggestions → produce feasibility + roadmap slotting หากคําถาม → สร้างคําตอบสนับสนุนโดยตรง การจัดการข้อร้องเรียน (ตัวอย่าง): 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: เชื่อมโยงเป็นวิธีที่คุณหยุดการรักษาทุกป้อนข้อมูลเหมือนปัญหาเดียวกัน 5.3 Looping Chaining: ทําซ้ําจนกว่าคุณจะประสบกับเงื่อนไขหยุด คุณต้องประมวลผลรายการที่คล้ายกันจํานวนมากหรือปรับปรุงการส่งออกเป็นครั้งคราว Use it when: ตัวอย่าง: รายการผลิตภัณฑ์ที่สร้างแบทช์ (Looping) ขั้นตอนที่ 1 จะแบ่งรายการเป็นบล็อกรายการ: 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: ขั้นตอน 2 ล้อผ่านแต่ละบล็อก: 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: ลู่วิ่งโซ่ต้องการ : hard stop rules กระบวนการ N รายการหรือ ทําซ้ํามากที่สุด 2 ครั้งหากคํานวณเป็นเวลานานเกินไปหรือ หยุดถ้าการยืนยันผ่าน มิฉะนั้นคุณจะสร้างวงจรไม่สิ้นสุดที่แพงที่สุดในโลก 6) รายชื่อการตรวจสอบแบบปฏิบัติของ "อย่ายิงตัวเอง" ปัญหา: รูปแบบ intermediate is messy → next prompt fails ทําให้การจัดรูปแบบไม่สามารถเจรจาได้ Fix: เพิ่มเส้นเช่น: “เอาท์พุท JSON เท่านั้น” “ถ้าคุณไม่สามารถปฏิบัติตามการส่งออก: ERROR:FORMAT” ปัญหา: รุ่นลืมรายละเอียดก่อนหน้านี้ ทําซ้ํา “สัญญา” อย่างชัดเจนทุกครั้ง Fix: "ใช้ช่วง pain_points จากการส่งออกก่อนหน้านี้" “อย่าคิดค้นหมวดหมู่เพิ่มเติม” ปัญหา: loops never converge กําหนดข้อ จํากัด ที่สามารถวัดได้ + max retries Fix: “คํานวณ ≤ 200” “Max Retries: 2” "ถ้ายังคงล้มเหลวให้กลับพยายามที่ดีที่สุด + รายการข้อผิดพลาด" ปัญหา: การเลือกสาขาผิด ปรับปรุงกฎการจัดอันดับ + เพิ่มการตรวจสอบครั้งที่สอง Fix: ตัวอย่าง : การร้องเรียนต้องมีอารมณ์เชิงลบและปัญหาที่เฉพาะเจาะจง หากไม่แน่ใจฉลากเอาท์พุท: คําถาม (จําเป็นต้องชี้แจง) 7) เครื่องมือที่ทําให้โซ่น้อยลงเจ็บปวด คุณสามารถเชื่อมโยงคําแนะนําด้วยตนเอง (คัดลอก / แปลงทํางาน) แต่เครื่องมือช่วยเมื่อคุณไปกว่าขั้นตอนเพียงไม่กี่ขั้นตอน n8n / Make: เครื่องมือการทํางานแบบโค้ดต่ําสําหรับการเชื่อมโยงการโทร API, การจัดเก็บการส่งออก, การกระตุ้นการแจ้งเตือน LangChain / LangGraph: สร้างโซ่ด้วยหน่วยความจําการสาขาการเรียกใช้เครื่องมือและการจัดการรัฐ : persist intermediate results so you can resume, audit, and avoid repeat calls. Redis / Postgres แนวคิด / Google Docs: มีประสิทธิภาพอย่างน่าประหลาดใจสําหรับการเชื่อมโยง "มนุษย์ในวงจร" ในขั้นตอนแรก 8) วิธีการเพิ่มระดับนี้ Prompt Chaining จะมีประสิทธิภาพมากขึ้นเมื่อคุณรวมกับ: RAG: เพิ่มขั้นตอนการกู้คืนในช่วงกลางของโซ่ (เช่น "เอกสารนโยบายการกู้คืน" ก่อนที่จะเขียนคําตอบ) ประตูการอนุมัติของมนุษย์: ได้รับการอนุมัติก่อนดําเนินการที่มีความเสี่ยง (การเปลี่ยนแปลงราคาการคืนเงินจากลูกค้าการตอบสนองความสอดคล้อง) ขั้นตอน Multi-modal: text → image brief → diagram generation → final doc ตุ๊กตา Prompt Chaining ไม่ใช่“ more prompts” มันเป็น . workflow design เมื่อคุณเริ่มปฏิบัติตามคําแนะนําเป็นขั้นตอนที่มีสัญญาการยืนยันและเส้นทางความล้มเหลว LLM ของคุณหยุดพฤติกรรมเช่นเครื่องกําเนิดข้อความโกลเด้นและเริ่มทําหน้าที่เป็นเพื่อนร่วมทีมที่เชื่อถือได้ - สถานีหนึ่งในครั้งเดียว หากคุณกําลังสร้างอะไรนอกเหนือจากการแสดงผลแบบเดี่ยว . chain it