詳細解釋
將複雜任務分解為多個簡單提示，依次調用 LLM，前一個輸出作為後一個輸入的編排模式，與單一長提示的 monolithic 方式相對。
基本模式：
- 提取 → 轉換 → 生成 → 驗證
- 示例：法律合同審查流程：
- 提取關鍵條款
- 識別風險點
- 生成修改建議
- 格式化輸出報告
優勢：
- 可組合性：每個步驟可獨立測試、優化、復用
- 可觀測性：中間結果可檢查，錯誤可定位
- 成本控制：簡單步驟可用便宜模型，僅關鍵步驟用昂貴模型
- 容錯：某步失敗可重試或 Fallback，不影響整體
與 RAG 的關係：RAG 是 Prompt Chaining 的特例（檢索 → 增強生成）。
與 Agent 的關係：Agent 是動態的（LLM 決定下一步），Prompt Chaining 是預定義的（開發者決定流程）。
最佳實踐：
- 保持每個提示專注單一任務
- 定義清晰的輸出格式（JSON、XML）便於下游解析
- 添加驗證步驟確保中間結果質量
適合：工作流程明確、可分解的任務（報告生成、數據處理管道）。不適合需要靈活決策的開放式任務（客戶服務、研究助理）。