提示詞鏈（Prompt Chaining）怎麼用：把複雜任務拆成幾步，前一步的輸出交給後一步

適用於誰

• 搜「提示詞鏈」「prompt chaining 中文」的人；
• 寫了一個幾百字的「超級提示詞」，想讓模型一口氣完成調研、寫作、檢查、排版，結果每一樣都做得不夠好的人；
• 在 Dify、釦子、n8n 這類工作流工具裏搭流程，想知道一個節點該幹多少事的人。

本文根據 Anthropic 和 Google 的官方提示詞文檔整理，資料核對於 2026-10-11。

結論先說

1. 提示詞鏈就是把一個複雜任務拆成幾個順序執行的提示詞，前一步的輸出作為後一步的輸入。
2. 它和思維鏈不是一回事：思維鏈是一次回答裏先想後答；提示詞鏈是多次調用、多個提示詞。
3. 現在的模型已經能在內部完成很多多步推理。Anthropic 文檔的說法是：有了自適應思考和子智能體編排，模型能在內部處理大部分多步推理；顯式的提示詞鏈在你需要檢查中間結果或需要強制執行固定流程時仍然有用。
4. 最值得掌握的一條鏈是「起草 → 審查 → 修改」，Anthropic 稱之為最常見的模式：自我糾錯。
5. 拆的標準是「中間結果值不值得單獨看一眼」，不是步驟越多越好。

三種拆法

Google 文檔在「把提示詞拆成組件」一節裏列了三種做法：

Anthropic 在「提高輸出一致性」一文裏講了拆分的理由：把複雜任務拆成更小、前後一致的子任務，每個子任務都能得到模型的全部注意力，從而減少大規模流程裏不一致的錯誤。

步驟

1. 判斷要不要拆

值得拆的情況

• 你想在中間人工看一眼再繼續（比如先確認提綱，再讓它寫全文）；
• 流程必須每次都按同樣的順序走，不能讓模型自由發揮；
• 中間結果要存檔、評估或走不同的分支。Anthropic 的原話是，每一步都是一次獨立的調用，這樣你可以在任何一點記錄日誌、做評估或分支；
• 不同步驟適合不同的模型或設定（便宜的模型做提取，強的模型做分析）；
• 資料超過上下文窗口，只能分塊處理。

不必拆的情況

• 任務雖然有多個步驟，但你只關心最終結果；
• 用的是開了思考的模型，任務在它的能力範圍內。這時把目標和成功標準說清楚，讓它自己規劃，往往比你規定步驟更好，見《思維鏈提示詞還有用嗎》。

2. 最常用的鏈：起草 → 審查 → 修改

Anthropic 描述的自我糾錯鏈是三步：生成初稿 → 讓模型對照標準審查 → 讓模型根據審查意見修改。

第一步：起草

根據下面的資料，為［讀者］寫一篇［類型］，不超過［字數］。

<資料>
［……］
</資料>

第二步：審查（最好新開一個對話，或在 API 裏新發一次請求）

你是這篇稿件的審稿人。請對照下面的標準逐條檢查，
只列問題和修改建議，不要重寫全文。

<標準>
1. 每個數據都能在資料裏找到出處；
2. 沒有與資料相矛盾的說法；
3. 讀者是［讀者］，沒有他們看不懂的術語；
4. 不超過［字數］。
</標準>

<資料>［……］</資料>
<稿件>［第一步的輸出］</稿件>

第三步：修改

請根據審稿意見修改稿件。只改意見指出的地方，其餘保持不變。

<稿件>［第一步的輸出］</稿件>
<審稿意見>［第二步的輸出］</審稿意見>

三點經驗：

• 審查這一步要給明確的標準。只說「檢查一下有沒有問題」，得到的多半是「整體不錯」；
• 審查和起草分開進行，審查者不帶着起草時的思路，更容易發現問題；
• 審查意見本身就是一份值得保留的記錄，能看出初稿常犯哪類錯誤，反過來改進第一步的提示詞。

3. 步驟之間怎麼傳遞

• 用標籤包住上一步的輸出，再交給下一步，例如 <稿件>、<審稿意見>。這樣下一步能分清哪些是材料、哪些是這一步的指令，見《提示詞 XML 標籤怎麼用》；
• 讓上一步按固定格式輸出。要交給程序處理的，用結構化輸出拿到 JSON；要交給下一個提示詞的，要求它只輸出正文、不要開場白；
• 每一步只帶需要的東西。第三步修改時不需要再帶一遍全部原始資料，除非審稿意見要求核對出處。

4. 其他常見的鏈

5. 在工具裏實現

• 聊天介面：手動接力，把上一輪的輸出複製到下一輪。重要的審查步驟新開對話；
• Dify、釦子、n8n 等工作流工具：每個大模型節點就是鏈上的一環，節點之間用變量傳遞。條件分支對應「拆指令」，迭代節點對應「聚合」；
• API：每一步一次請求，自己把輸出拼進下一步的提示詞。

常見問題

Q：拆成多步會不會更貴更慢？

會。每一步都是一次完整的調用，資料如果每步都帶上還會重複計費。只在中間結果確實有用時才拆；重複帶的長資料可以配合提示詞緩存。

Q：一個超長提示詞和一條鏈，哪個效果好？

沒有通用結論。按 Anthropic 的說法，新模型能在內部處理大部分多步推理，所以先試一次性完成；發現某個環節總是出錯、或者你需要在那個環節把關時，再把它單獨拆出來。

Q：鏈上某一步出錯會怎樣？

錯誤會傳到後面。這正是拆分的價值所在：每一步的輸出都能單獨檢查。在關鍵步驟後面加一個校驗（人工或另一個審查提示詞），不合格就重做這一步，而不是整條鏈重來。

Q：讓同一個模型審查自己寫的東西有用嗎？

Anthropic 把「自我糾錯」列為最常見的鏈式模式。要讓它有效，審查時給出明確的標準，並盡量在新的對話裏進行。也可以換一個模型來審。

Q：和「智能體」是什麼關係？

提示詞鏈的步驟和順序是你定死的；智能體是讓模型自己決定下一步做什麼、用什麼工具。流程固定、要求穩定時用鏈；任務開放、路徑不確定時才考慮智能體。

參考資料

• Anthropic 文檔：Prompting best practices（Chain complex prompts）— https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
• Anthropic 文檔：Increase output consistency（Chain prompts for complex tasks）— https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/increase-consistency
• Google 文檔：Prompt design strategies（Break down prompts into components）— https://ai.google.dev/gemini-api/docs/prompting-strategies