标准回答
思路
让模型一次性完成「检索 → 分析 → 起草 → 校对」这类复合任务，容易顾此失彼、难以排错。Prompt Chaining 把任务拆成顺序的子步骤，每步用一个专注的子提示，把前一步输出喂给下一步。
典型流程（以长文档问答为例）
- 第一步：从文档中抽取与问题相关的片段。
- 第二步：把抽取结果作为输入，生成结构化回答草稿。
- 第三步：对草稿做事实核查与润色，输出终稿。
优势
- 职责单一：每步目标清晰，模型表现更稳定、Prompt 更易调。
- 可观测可控：可在步间插入校验、护栏、格式约束或人工确认。
- 易排错：哪一步出问题就重跑哪一步，无需整体重来。
代价
多次调用带来更高延迟与成本，且存在误差在链上累积传播的风险，需在关键节点加校验止损。
常见误区
⚠️ 常见踩坑
别把提示链等同于 CoT：CoT 是单次调用内让模型「展示思考」，提示链是多次独立调用、步间可编程介入。也要防止上游错误无校验地向下游传播，关键节点应加校验或回退。
追问
追问 1：Prompt Chaining 和 Agent 有何区别？
提示链是预先设计好的固定顺序流水线，步骤与跳转由开发者写死，确定性强。Agent 由模型自主决定下一步、动态选用工具、可循环与回退，更灵活但更难控。简单确定的流程用链，需要自主决策的用 Agent。
追问 2：如何缓解链上的误差传播？
在关键步骤加结构化输出约束与校验（schema/正则/断言），不合格就重试或回退；对高风险节点引入人工确认；让下游步骤具备对上游异常输入的容错与兜底，避免错误无声放大。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。