Guia de Engenharia de Prompt

Amplie seu conhecimento sobre engenharia de prompt para usar no seu dia a dia.

Prompt Chaining

Por CRISTIANO RIBEIRO RITTA

Resumo em uma frase: Prompt Chaining é a arte de dividir para conquistar — porque um modelo que faz uma coisa por vez erra muito menos do que um modelo tentando fazer tudo de uma vez.

O que é?

Prompt Chaining é uma técnica em que uma tarefa complexa é decomposta em subtarefas menores e encadeadas — a saída de um prompt vira a entrada do próximo. Em vez de tentar resolver tudo em uma única chamada ao modelo, cada elo da corrente faz uma coisa bem feita, e o resultado final emerge da composição dessas etapas.

A ideia central é dividir uma tarefa em subtarefas, onde o LLM é acionado com uma subtarefa por vez e sua resposta é usada como entrada para o prompt seguinte — criando assim uma cadeia de operações de prompt.

Por que funciona?

Modelos de linguagem têm desempenho degradado quando sobrecarregados com instruções longas e interdependentes em um único prompt. Ao fragmentar o problema, cada chamada opera dentro de um escopo bem definido — o que reduz ambiguidade, limita o espaço de erro e torna cada etapa auditável individualmente.

Além de melhorar o desempenho, o Prompt Chaining aumenta a transparência, a controlabilidade e a confiabilidade da aplicação — tornando muito mais fácil depurar problemas e melhorar estágios específicos da cadeia.

Como funciona: passo a passo

Tarefa complexa
      ↓
[Prompt 1] → Subtarefa A → Saída A
                                ↓
                        [Prompt 2] → Subtarefa B → Saída B
                                                        ↓
                                                [Prompt 3] → Resultado final

Cada prompt recebe como contexto o resultado do anterior — a cadeia avança de forma controlada, com transformações incrementais até o estado desejado.

Exemplo prático: QA sobre documentos

Um caso clássico é responder perguntas sobre documentos longos. Em vez de um único prompt gigante, dois prompts encadeados resolvem o problema com muito mais precisão:

Prompt 1 — Extração de trechos relevantes:

Você é um assistente especializado. Dado o documento abaixo (delimitado por ####),
extraia as citações relevantes para responder à pergunta do usuário.
Retorne as citações dentro de <quotes></quotes>.
Se não houver citações relevantes, retorne: "Nenhuma citação relevante encontrada."

####
{{documento}}
####

Pergunta: Quais técnicas de prompting são mencionadas no documento?

Saída do Prompt 1:

<quotes>
- Chain-of-thought prompting
- Self-consistency decoding
- Tree-of-thought prompting
- Generated knowledge prompting
</quotes>

Prompt 2 — Síntese da resposta final:

Com base nas citações extraídas abaixo (<quotes></quotes>) e no documento original (####),
responda à pergunta de forma precisa e amigável.

####
{{documento}}
####

<quotes>
- Chain-of-thought prompting
- Self-consistency decoding
- Tree-of-thought prompting
- Generated knowledge prompting
</quotes>

Pergunta: Quais técnicas de prompting são mencionadas no documento?

O Prompt 1 extrai as citações relevantes; o Prompt 2 recebe essas citações e o documento original para compor uma resposta útil — cada prompt com uma responsabilidade clara e isolada.

Casos de uso típicos

Cenário Cadeia
QA em documentos Extração de trechos → Síntese da resposta
Geração de relatórios Coleta de dados → Análise → Formatação
Pipelines de investigação OSINT → Correlação → Narrativa do fato
Revisão de textos Gramática → Estilo → Adequação ao público
Agentes autônomos Planejamento → Execução → Verificação → Ajuste

Vantagens

Vantagem Descrição
Decomposição de complexidade Tarefas impossíveis em um prompt tornam-se viáveis em cadeia
Auditabilidade Cada etapa pode ser inspecionada e corrigida isoladamente
Manutenibilidade Prompts curtos e focados são mais fáceis de ajustar
Reusabilidade Elos da cadeia podem ser reutilizados em pipelines diferentes
Controle de qualidade É possível inserir validações entre etapas

Limitações

  • Propagação de erros: Um erro na etapa 1 contamina todas as etapas seguintes — o encadeamento amplifica falhas, não só acertos.
  • Latência acumulada: N chamadas em sequência = N vezes o tempo de resposta. Para aplicações em tempo real, isso pode ser crítico.
  • Custo multiplicado: Cada elo da corrente consome tokens — cadeias longas elevam o custo total rapidamente.
  • Dependência de estado: Gerenciar o contexto entre chamadas exige cuidado — informação relevante pode ser perdida ou distorcida na transição.

Prompt Chaining vs. outras técnicas

CoT Self-Consistency Prompt Chaining
Escopo Uma chamada Múltiplas chamadas paralelas Múltiplas chamadas sequenciais
Objetivo Raciocínio explícito Confiabilidade da resposta Decomposição de tarefas complexas
Saída de uma etapa alimenta outra Não Não ✅
Auditável por etapa Parcialmente Não ✅
Melhor para Raciocínio lógico Precisão em respostas Pipelines e fluxos multi-estágio

Quando usar?

  1. A tarefa é grande demais para ser resolvida com qualidade em um único prompt;
  2. O processo envolve etapas naturalmente distintas — extração, análise, síntese, formatação;
  3. Você precisa de pontos de controle para validar ou corrigir o resultado antes de avançar;
  4. Está construindo agentes, pipelines ou assistentes que precisam tomar decisões encadeadas;
  5. A rastreabilidade do processo é tão importante quanto o resultado final — como em contextos forenses ou jurídicos.

Referências