Hvad er Prompt Chaining?

Hvordan virker prompt chaining?

Princippet bag prompt chaining er simpelt: I stedet for at sende én lang instruktion til en sprogmodel, designer man en kæde af kortere, fokuserede prompts. Hvert trin i kæden har et klart formål, og resultatet af ét trin indgår som kontekst i det næste.

Et konkret eksempel: En virksomhed vil generere en markedsrapport. Trin 1 beder modellen om at identificere de vigtigste tendenser i et datasæt. Trin 2 tager de identificerede tendenser og beder modellen om at analysere deres forretningspåvirkning. Trin 3 samler analysen til en struktureret rapport med anbefalinger. Hvert trin er overskueligt, og outputtet kan valideres undervejs.

Det afgørende er, at man mellem hvert trin kan indsætte logik: validering af output, filtrering af irrelevant information, tilføjelse af nye datakilder eller endda menneskelig godkendelse. Det gør prompt chaining til mere end en prompt-teknik. Det er en arkitektur for AI-workflows.

Prompt chaining adskiller sig fra Chain of Thought, som er en teknik inden for et enkelt prompt, hvor modellen opfordres til at ræsonnere trin for trin. Prompt chaining involverer derimod flere separate kald til modellen med mellemliggende bearbejdning.

Consile hjælper virksomheder med at designe AI-workflows baseret på prompt chaining og andre avancerede teknikker. Kontakt os for en uforpligtende samtale om, hvordan I kan automatisere komplekse processer med AI.

Prompt chaining i erhvervslivet

I praksis bruger virksomheder prompt chaining til at bygge pålidelige AI-processer, der kan køre med minimal menneskelig indgriben. Teknikken er særligt værdifuld i scenarier, hvor en enkelt prompt simpelthen ikke kan levere tilstrækkelig kvalitet.

Inden for indholdsproduktion bruger marketingteams prompt chaining til at gå fra research til færdigt blogindlæg i flere trin: først emneresearch, derefter disposition, så udkast til de enkelte sektioner og til sidst redigering og SEO-optimering. Hvert trin kan have sit eget specialiserede prompt med specifikke instruktioner.

I kundeservice kan en prompt chain først klassificere en kundehenvendelse, derefter hente relevant information fra en RAG-pipeline, formulere et svar og til sidst tjekke svaret for kvalitet og tone. Det giver langt mere konsistente resultater end et enkelt prompt, der forsøger at gøre det hele på én gang.

Dataanalyse er et andet stærkt anvendelsesområde. En chain kan starte med at rense og strukturere rå data, fortsætte med at identificere mønstre, derefter generere indsigter og afslutte med at formulere handlingsanbefalinger. For beslutningstagere betyder det hurtigere adgang til kvalificerede indsigter.

Virksomheder, der arbejder med AI-agenter, bruger prompt chaining som en byggesten i agentens beslutningsproces. Agenten planlægger sin tilgang, udfører deltrin via chains og evaluerer resultaterne, før den går videre.

Hvad prompt chaining ikke er

Prompt chaining forveksles ofte med at stille opfølgende spørgsmål i en chatsamtale. Det er ikke det samme. En chatsamtale er interaktiv og styret af brugeren. Prompt chaining er en foruddefineret sekvens, der kører automatisk med programmeret logik mellem hvert trin.

Det er heller ikke det samme som prompt engineering i bredere forstand. Prompt engineering handler om at formulere effektive instruktioner. Prompt chaining handler om at strukturere flere instruktioner i en sekvens. Man kan godt anvende avanceret prompt engineering inden for hvert trin i en chain.

Prompt chaining er desuden ikke altid den rette løsning. For simple opgaver, der kan besvares i ét kald, tilføjer en chain unødig kompleksitet og latenstid. Teknikken giver mest værdi, når opgaven er for kompleks til ét prompt, men for forudsigelig til at kræve en fuldt autonom agent.