提示链是一种通用模式，在构建智能体系统时适用于广泛的场景。其核心价值在于将复杂问题分解为一系列可管理的步骤。以下是几个实际应用和案例。

​
1.2.1 信息处理工作流

许多任务涉及对原始信息进行多次转换处理，例如，总结文档内容、提取关键实体，然后利用这些实体查询数据库或生成报告。一个提示链可能如下。
  • **提示词 1：**从指定的 URL 或文档中提取文本内容。
  • **提示词 2：**对清理后的文本进行总结。
  • **提示词 3：**从总结内容或原始文本中提取特定实体（如姓名、日期、地点）。
  • **提示词 4：**使用这些实体检索内部知识库。
  • **提示词 5：**结合总结内容、实体和检索结果生成最终报告。
这种方法适用于自动内容分析、AI 驱动的研究助手开发以及复杂报告生成等领域。

​
1.2.2 复杂问题解答

提示链的另一种典型应用是解答需要多步骤推理或信息检索的复杂问题，例如：“1929 年股市崩盘的主要原因是什么？政府采取了哪些应对措施？”
  • **提示词 1：**识别用户查询中的核心子问题（股市崩盘原因、政府应对措施）。
  • **提示词 2：**专门研究或检索关于 1929 年股市崩盘原因的信息。
  • **提示词 3：**专门研究或检索关于政府对 1929 年股市崩盘采取的应对措施的信息。
  • **提示词 4：**将提示词 2 和提示词 3 生成的信息综合成一个连贯的答案，回答原始问题。
这种顺序处理方法对于开发能够进行多步推理和信息综合的 AI 系统至关重要。当一个查询无法从单个数据源头得到答案，而是需要一系列逻辑步骤或整合不同来源的信息时，就需要这样的系统。 例如，一个旨在生成特定主题综合报告的自动研究智能体，会执行一种混合计算工作流。系统首先检索大量相关文章，然后从每篇文章中提取关键信息。这一阶段的任务非常适合并行处理，因为多个独立的子任务能够同时运行，从而最大限度地提高效率。 然而，当所有提取任务都完成后，处理过程就转为顺序执行。系统必须首先整理提取出的数据，然后将其综合成一个连贯的草稿，最后对草稿进行审查和润色，以生成最终报告。这些后续阶段在逻辑上均依赖于前一阶段的成功完成。这正是提示链发挥作用的地方：整理后的数据作为综合提示词的输入，而综合生成的文本最终成为审查提示词的输入。因此，复杂操作通常会将并行处理（用于独立数据收集）与链式处理（用于依赖性步骤）相结合。

​
1.2.3 数据提取与转换

将非结构化文本转换为结构化格式通常通过迭代过程实现，需要进行顺序修改以提高输出的准确性和完整性。
  • **提示词 1：**尝试从发票文档中提取特定字段（如姓名、地址、金额）。
  • **处理：**检查是否提取了所有必需字段，以及这些字段是否符合格式要求。
  • **提示词 2（条件性）：**如果字段缺失或格式不正确，需要构建新提示词，要求模型精准定位字段缺失或格式不正确的信息，也可以附上此次失败尝试的相关上下文作为参考。
  • **处理：**再次验证结果。如有必要，重复上述步骤。
  • **输出：**提供已提取并验证的结构化数据。
这种顺序处理方法特别适用于从非结构化数据源（如表格、发票或电子邮件）中提取和分析信息。例如，在处理 PDF 表单等复杂的光学字符识别（OCR）问题时，将其分解为多个步骤能更有效地解决。 具体而言，大语言模型负责识别需要进行计算的部分，将规范化后的数字输入计算器，最后再将得到的精确结果整合进来。通过这种将文本提取、数据规范化和外部工具调用串联起来的链式序列，最终系统能够获得准确的结果，而这仅靠单一的大语言模型查询是难以可靠实现的。

​
1.2.4 内容生成工作流

复杂内容的创作是一个程序化任务，通常可分解为多个阶段，包括初步构思、拟定大纲、撰写草稿以及后续修订。
  • **提示词 1：**根据用户的大致兴趣生成 5 个主题创意。
  • **处理：**让用户选择一个创意，或者自动选出最佳创意。
  • **提示词 2：**基于选定的主题，生成一份详细的大纲。
  • **提示词 3：**根据大纲的第一个要点撰写一个草稿段落。
  • **提示词 4：**根据大纲的第二个要点撰写一个草稿段落，并以前一个段落作为上下文参考。按照此方式完成大纲所有要点的草稿撰写。
  • **提示词 5：**从连贯性、语气和语法等方面审查并完善草稿。
这种方法适用于一系列自然语言生成任务，包括自动创作创意故事、技术文档以及其他形式的结构化文本内容。

​
1.2.5 具有状态的对话智能体

尽管完整的状态管理架构比简单的顺序链复杂得多，但提示链为实现对话连续性提供了一种基础机制。其核心方法是：将每一轮对话都构建为一个新提示词，通过系统性地注入历史交互信息或已提取的实体，来有效维持上下文的连贯性。
  • **提示词 1：**处理用户话语 1，识别其意图和关键实体。
  • **处理：**根据识别出的意图和实体更新对话状态。
  • **提示词 2：**基于当前状态，生成回复并／或确定下一步需要获取的信息。
  • 此流程在对话中循环运行。每当用户发表新言论时，系统便会启动一个新的处理链，该链条会利用此前不断积累的对话历史（状态）来保证对话的连贯推进。
这一原则是开发对话智能体的基础，使其能够在长时间的多轮对话中保持上下文的连贯性。通过保留完整的对话历史，系统能够准确理解并回应那些依赖于先前交流信息的用户输入。

​
1.2.6 代码生成与优化

生成可用代码通常是一个多阶段的过程，需要将问题分解为一系列离散的逻辑操作，并逐步执行。
  • **提示词 1：**理解用户需要代码实现的功能，生成伪代码或大纲。
  • **提示词 2：**根据大纲编写初版的代码草案。
  • **提示词 3：**识别代码中潜在的错误或需要改进的地方（可使用静态分析工具或调用其他大语言模型）。
  • **提示词 4：**根据识别出的问题重写或优化代码。
  • **提示词 5：**添加文档或测试用例。
在 AI 辅助软件开发等应用中，提示链通过将复杂编码任务分解为一系列可管理的子问题来发挥作用。这种模块化结构降低了大语言模型在每个步骤中的操作复杂度。更重要的是，该方法允许在模型调用之间插入确定性逻辑，从而在工作流中实现中间数据处理、输出验证和条件分支。如此一来，一个原本可能导致不可靠或不完整结果的复杂请求，就被转化成了一个由底层执行框架管理的结构化操作序列。

​
1.2.7 多模态与多步骤推理

分析包含多种模态的数据集时，需要将问题分解为一系列基于提示词的子任务。例如，要解释一张同时包含内嵌文本、标注特定文本片段的标签以及解释各标签含义的表格数据的图片，就需要以下步骤。
  • **提示词 1：**从图片中提取并理解文本内容。
  • **提示词 2：**将提取的文本与其相应标签关联起来。
  • **提示词 3：**使用表格解释收集到的信息，确定最终输出。