Prompt chaining: divide una tarea compleja en una cadena de prompts
Un prompt gigante suele salir mal. Con prompt chaining divides la tarea en pasos pequeños e independientes, cada uno en un chat nuevo, y optimizas cada eslabón por separado.
Cuando una tarea es compleja, la tentación es escribir un prompt enorme y esperar un resultado perfecto. Suele salir el tiro por la culata: la ventana de contexto crece, las alucinaciones se vuelven más probables y el modelo puede olvidar o ignorar instrucciones. La alternativa es el prompt chaining.
¿Qué es el prompt chaining?
Es dividir una tarea compleja en una secuencia de prompts más pequeños e independientes, donde la salida de cada paso se convierte en la entrada del siguiente. Tres reglas:
- Cada paso es su propio prompt, con un propósito claro.
- La salida de un paso se copia en el siguiente.
- Cada paso nuevo se ejecuta en un chat NUEVO, lo que mantiene limpia la ventana de contexto.
La analogía es una cadena de montaje de autos. Nadie dice "quiero un auto" y espera que aparezca ya construido: hay una estación para la carrocería, otra para las puertas, el sistema eléctrico, el motor y la tapicería, y cada una produce una salida definida que la siguiente necesita. Con los LLM, no pidas "una estrategia de marketing para el próximo trimestre" en un solo prompt: constrúyela estación por estación.
En qué se diferencia de otras técnicas
En cadena de pensamiento y autoconsistencia el razonamiento paso a paso ocurre dentro de una sola conversación. En el prompt chaining, cada paso se separa físicamente en una interacción distinta (un chat nuevo).
¿Por qué no hacerlo todo en una conversación? Porque la ventana de contexto crece con cada mensaje, y cuanto más grande es, más puede el modelo cometer errores, alucinar y perder el hilo de instrucciones anteriores. Los chats separados mantienen cada interacción enfocada y precisa.
Ejemplo 1: flujo de contenido
Objetivo: convertir un artículo de blog en publicaciones de Instagram.
- Extrae los puntos clave del artículo.
- Convierte cada punto en una publicación de Instagram.
- Crea el gráfico de cada publicación.
- Escribe el texto que acompaña cada gráfico.
Cada salida alimenta al siguiente eslabón hasta que el contenido está listo para publicar.
Ejemplo 2: informe sobre cambio climático
Fuente: informe del Climate Change Committee (Inglaterra), abril de 2025. Objetivo: un resumen de 100 palabras sobre causas, efectos y soluciones del cambio climático. En lugar de subir tres archivos y pedir el resumen directamente, se usan tres pasos:
Paso 1 (Extracción). Sube los documentos y pide SOLO los cinco puntos más importantes.El modelo devuelve cinco mensajes clave con citas de respaldo.
Paso 2 (Clasificación). En un chat NUEVO, pega esos cinco puntos y pide organizarlos en categorías: progreso, recomendaciones e impacto.
<puntos>
...salida del paso 1...
</puntos>Se usan etiquetas XML para delimitar claramente dónde empiezan y terminan los datos.
Paso 3 (Síntesis). En OTRO chat nuevo, pega la clasificación y pide el resumen de 100 palabras centrado en las soluciones más viables.Resultado final: un resumen con metas medibles por sector, coordinación interdepartamental con un mandato de resiliencia e integración de la adaptación en la planificación y la regulación.
La verdadera ventaja: iterar por separado
Cada eslabón es un prompt independiente que puedes mejorar por su cuenta. ¿La extracción no es lo bastante precisa? Corrige solo ese prompt. ¿Las categorías no son las que necesitas? Ajusta solo el prompt de clasificación. Es como calibrar cada máquina de la fábrica por separado para que el auto final salga bien.
Prompt del paso N = [Rol/tarea claros] + [Formato de salida] + <datos> salida del paso N-1 </datos>Ideas clave
- Un prompt por tarea, una tarea por chat.
- Pasa al siguiente paso solo la salida necesaria (contexto limpio y mínimo).
- Usa etiquetas XML para delimitar los datos que pegas entre pasos.
- Depura y refina cada eslabón de forma independiente.
- Es el siguiente paso natural tras dominar la cadena de pensamiento: separa esos pasos de razonamiento en chats distintos.