一句话定义
提示链（Prompt Chaining）是把一个复杂任务拆成若干个有序的小步骤，每一步单独调用一次大模型，把上一步的输出当作下一步的输入，像接力棒一样串起来，最后一步的结果就是成品。
为什么不一次问完
想象让一个人写年度总结。你说"给我写一份 2000 字的年度总结，要有数据、有反思、有明年计划、语气要诚恳、别用套话"——他大概率会顾此失彼：数据忘了，语气跑偏，或者干脆编。换个做法：先列提纲，再按提纲填素材，最后统一润色。每一步只干一件事，成品稳定性高得多。
模型也是这样。单次提示里塞的约束越多，注意力越被稀释，越容易漏掉其中某一条。拆成链条后，每个提示都短、目标单一、输出格式可以严格规定，比如"只输出 JSON""只输出三句话"。任务没变简单，但每次要满足的条件变少了。
另一个比方是流水线：每个工位只拧一种螺丝，不但干得稳，而且好质检。
稳定性和可控性从哪来
一是错误可定位。链条跑完发现摘要不对，能看出是第二步归纳跑偏，还是第三步改写时丢的信息。单次调用出错，你只知道"结果不对"，很难知道是提示哪里没说清。
二是单步可重试、可替换。某一步输出不合格，只重跑那一步就够了，前面的结果还能复用。你甚至可以在链条中间插一段代码做格式校验、插一次检索补充资料、或者某一步换个更擅长该任务的模型。
三是错误不会静默放大。你可以在关键节点加一道检查：数字对不对、字段齐不齐、有没有超出范围。不通过就重来，而不是让它带着错误往下跑。
和相邻概念的区别
| 概念 | 谁来分步 | 调用次数 | 特点 |
|---|---|---|---|
| 单次大提示 | 不分步，一次问完 | 1 次 | 快、便宜，约束多时容易漏 |
| 思维链（AI 词典：Chain-of-Thought">Chain-of-Thought） | 模型在一次回答里自己展开推理 | 1 次 | 提升推理表现，但过程不可干预 |
| 提示链（Prompt Chaining） | 人预先设计好步骤 | 多次 | 流程确定，每步可校验、可替换 |
| 智能体（Agent） | 模型自己决定下一步做什么、做几轮 | 不定 | 灵活，但路径不可预测 |
一句话记：思维链是让模型"在心里多想想"，提示链是我们"真的分成几次问"，智能体是让模型"自己决定怎么走"。
对从业者和普通人的意义
从业者常用它做这类活儿：先从合同里抽取甲方、金额、日期，再校验日期格式，最后生成一句话摘要；或者先把用户反馈归类，再按类别生成回复草稿。每一步都能单独测、单独优化。
普通人也能直接用。想让 AI 写方案，别一口气要成品，而是分三轮：先问"给我 5 个切入角度"，挑一个后再问"按这个角度列三级提纲"，最后问"把第二部分的 500 字写出来，口语一点"。质量通常会明显好于一次成型。
代价也要知道：调用次数变多，耗时和成本上升；而且上一步错了，下一步会跟着错，所以中间最好有校验环节。具体怎么调用、有哪些限制，以各模型的官方文档为准。