Agent 开发设计模式（Agentic Design Patterns ）第 1 章：提示词链

---

提示词链模式概述

核心思想：复杂任务不应依赖单一提示。通过“分而治之”，我们可以引导大语言模型（LLM）像人类一样逐步推理、层层递进。

提示词链（Prompt Chaining），有时也称为管道模式（Pipeline pattern），是利用大型语言模型（LLM）处理复杂任务时的一种强大范式。其核心思想是将一个复杂的、多步骤的任务分解为一系列更小的、更易管理的子任务，并通过顺序执行的方式完成整个流程。与期望 LLM 在单一提示中完成所有操作不同，提示词链采用“分而治之”的策略，每个子任务由一个专门设计的提示词（Prompt）驱动，且前一个提示的输出会作为输入传递给下一个提示，形成一条逻辑清晰的处理链条。

这种顺序处理机制为 LLM 的使用带来了显著的模块化和可解释性。通过将任务拆解，每一步都可以被独立设计、测试和优化，从而更容易调试和理解模型行为。链中的每一步专注于问题的特定方面，减少了模型的认知负荷，提高了每一步的准确性和可靠性。此外，这种模式允许在每一步中引入外部知识或工具，例如调用数据库、API 或执行计算，使 LLM 能够超越其训练数据的限制，成为更广泛智能系统的一部分。

提示词链的重要性不仅限于提升任务完成率，它更是构建复杂 AI Agent 的核心技术。Agent 可以利用提示词链进行自主规划、推理和决策，模拟人类的多步思维过程，从而在动态环境中更有效地执行复杂任务。

Prompt Chaining 模式的核心优势在于

• 模