Prompt Chaining

Prompt Chaining verbindet mehrere Modellaufrufe zu einer Folge von Arbeitsschritten, bei der das Ergebnis eines Schritts als Eingabe für den nächsten dient. Anthropic: Building Effective Agents Statt eine komplexe Aufgabe vollständig in einem Aufruf zu bearbeiten, wird sie in klar umrissene Teilaufgaben zerlegt. Anthropic: Building Effective Agents

Ausgaben werden zu Zwischenergebnissen

Ein erster Aufruf kann beispielsweise eine Gliederung erstellen, ein weiterer den Entwurf darauf aufbauen und eine separate Prüfung kontrollieren, ob bestimmte Kriterien erfüllt sind. Anthropic: Building Effective Agents Zwischen den Modellaufrufen können programmierte Kontrollen verhindern, dass ungeeignete Ergebnisse einfach weitergereicht werden. Anthropic: Building Effective Agents

Prompt Chaining gilt als Workflow, dessen Ablauf im Voraus festgelegt ist. Anthropic: Building Effective Agents Davon unterscheidet das Unternehmen Agenten, bei denen das Modell seinen weiteren Ablauf und seine Werkzeugnutzung dynamisch selbst bestimmt. Anthropic: Building Effective Agents

Auch mehrere Absätze mit der Aufforderung „Arbeite schrittweise“ innerhalb einer einzigen Anfrage sind noch nicht automatisch eine Kette mehrerer Modellaufrufe. Anthropic: Building Effective Agents Entscheidend ist die tatsächliche Weitergabe von Ergebnissen zwischen den Aufrufen.

So kannst du dir das vorstellen

Für eine hypothetische Auswertung von Kundenfeedback planst du drei Schritte. Zunächst werden konkrete Beschwerden aus den Originaltexten herausgesucht und mit den jeweiligen Textstellen verbunden.

Danach werden die gefundenen Beschwerden nach Themen gruppiert. Erst im dritten Schritt entsteht eine Zusammenfassung für die Teamleitung.

Zwischen Extraktion und Gruppierung könntest du kontrollieren, ob jede Beschwerde tatsächlich eine zugehörige Originalstelle besitzt. Eine nicht belegte Aussage würde dann nicht stillschweigend zur Grundlage der Zusammenfassung.

Das ist ein selbst entworfener Ablauf, kein Nachweis, dass jede dreistufige Kette besser arbeitet als ein einzelner Aufruf.

Aufwand gegen Kontrollierbarkeit abwägen

Prompt Chaining eignet sich besonders für Aufgaben, die sich sauber in feste Teilaufgaben zerlegen lassen. Anthropic: Building Effective Agents Zusätzliche Aufrufe erhöhen die Wartezeit; ihr Nutzen soll darin liegen, die einzelnen Modellaufgaben einfacher und überprüfbarer zu machen. Anthropic: Building Effective Agents

Der Anbieter empfiehlt deshalb, zunächst einfache Lösungen zu prüfen und zusätzliche Komplexität nur bei nachgewiesenem Nutzen einzuführen. Anthropic: Building Effective Agents Eine längere Kette ist kein eigenständiges Qualitätsmerkmal.

Verwandte Begriffe

Prompt, Least-to-Most Prompting, Chain of Thought, KI-Agent, Instruction Following.