定義

プロンプトチェーンとは、ある言語モデル（LLM）プロンプトによって生成された出力を、後続の関連プロンプトの入力またはコンテキストとして使用する技術です。単一の巨大なプロンプトに頼って複雑な問題を解決するのではなく、チェーン化はタスクをより小さく、管理しやすく、相互に関連した一連のステップに分解します。

なぜ重要なのか

現実世界の複雑な問題には、単純な「一発で解決する」答えはほとんどありません。プロンプトチェーンにより、開発者やアナリストは、抽出、要約、推論、フォーマット付けなどの特定のサブタスクにおいて、LLMの強みを制御された反復的な方法で活用できます。これは、単一プロンプトのアプローチと比較して、最終的な出力の信頼性と深さを大幅に向上させます。

仕組み

このプロセスは本質的に逐次的です。ステップ 1 がプロンプトを実行し、出力 A を生成します。この出力 A は、出力 A を処理して出力 B を生成するように設計されたステップ 2 のプロンプトの入力フィールドにプログラム的に供給されます。このフローは、最終的な望ましい結果が達成されるまで続きます。LangChain のようなフレームワークは、このステートフルなマルチステップ実行を管理するために特別に設計されています。

一般的なユースケース

• データ抽出と構造化： まず、LLMに非構造化テキストから主要なエンティティを抽出するようにプロンプトします。次に、2番目のプロンプトがそれらのエンティティを受け取り、厳密な JSON スキーマにフォーマットします。
• 複雑な推論： チェーンはまず長いドキュメントを要約し、次のプロンプトはその要約を使用して、非常に具体的で推論的な質問に回答することができます。
• コード生成と洗練： 初期プロンプトが定型コードを生成し、後続のプロンプトがそのコードをベストプラクティスのセットと照合し、必要な修正を提案します。

主な利点

• 精度の向上： タスクを分離することにより、各プロンプトは狭い機能に高度に最適化でき、モデルの認知的負荷を軽減し、ハルシネーションのリスクを最小限に抑えます。
• 透明性とデバッグ： ステップバイステップの性質により、エンジニアは中間出力を検査でき、エラーや逸脱が正確にどこで発生したかを特定しやすくなります。
• 複雑さの処理： 単一のプロンプトのコンテキストウィンドウや指示セットでは処理しきれない多段階の問題の解決を可能にします。

課題

• レイテンシとコスト： 各ステップには個別の API 呼び出しが必要であり、全体的な実行時間と関連するトークンコストが増加します。
• オーケストレーションのオーバーヘッド： プロンプト間の状態転送を実装および管理するには、堅牢なソフトウェアエンジニアリングインフラストラクチャが必要です。
• エラーの伝播： 初期ステップでのエラーや不適切な出力は、必然的にすべての後続ステップの品質を低下させます。

関連概念

エージェント、検索拡張生成（RAG）、Few-Shot Learning