Prompt Chaining e Least-to-Most Prompting

Nos capítulos anteriores, você aprendeu a fazer a IA raciocinar melhor (CoT, Self-Consistency, ToT) e a preparar o terreno antes de responder (Step-Back, Plan-and-Solve, Generated Knowledge). Todas essas técnicas operam dentro de um único prompt ou sessão de raciocínio.

Mas existe uma categoria de problema que nenhuma delas resolve adequadamente: tarefas que são longas demais, complexas demais, ou que dependem de etapas cujos resultados só podem ser conhecidos depois de executadas. Não é um problema de qualidade de raciocínio — é um problema de arquitetura.

Analogia: Pedir que a IA leia um artigo, extraia pontos-chave, resuma para leigos, crie questões e produza flashcards — tudo em um único prompt — é como pedir que um cirurgião faça anamnese, diagnóstico, planejamento, cirurgia e relatório simultaneamente. Cada etapa sai mediana porque a atenção está dividida.

Este capítulo apresenta as duas técnicas que resolvem esse problema. O Prompt Chaining divide a tarefa em etapas sequenciais. O Least-to-Most Prompting decompõe problemas complexos em subproblemas resolvidos em ordem crescente de dificuldade.

O Prompt Chaining — definido pelo Prompt Report (Schulhoff et al., 2024) e documentado pela Anthropic — é a técnica mais direta: quebrar uma tarefa grande em etapas menores, executar um prompt para cada, e usar o resultado de cada um como entrada do próximo.

O princípio é o mesmo da linha de montagem moderna. Um único operador tentando montar um carro inteiro produz resultados inferiores ao da linha com estações especializadas.

O Guia de Agentes da Anthropic (2025) é preciso: "This workflow is ideal for situations where the task can be easily decomposed into fixed subtasks. The main goal is to trade off latency for higher accuracy."

Estrutura de uma chain

Pipeline linear:

[Prompt 1] → Resultado 1 → [Prompt 2 + Resultado 1] → Resultado 2 → [Prompt 3 + Resultado 2] → Output Final

Tipos de chain

Chain linear: cada etapa depende da anterior. Adequada para transformação progressiva (artigo → resumo → questões → flashcards).

Chain com verificação (gate): entre etapas críticas, insira um prompt de verificação que valida o output antes de prosseguir. É o controle de qualidade embutido na linha de produção.

Exemplo: Transformar artigo em material de estudo

Etapa 1 — Extração dos pontos-chave:

"Leia o texto e extraia os 10 pontos mais relevantes clinicamente. Para cada ponto: (a) conceito central, (b) implicação clínica direta, (c) se contradiz ou confirma a prática padrão."

Etapa 2 — Resumo clínico (usando resultado da Etapa 1):

"Com base nos pontos-chave extraídos, elabore um resumo de 400-500 palavras em linguagem clínica objetiva, adequado para revisão rápida antes de um plantão."

Etapa 3 — Questões de múltipla escolha (usando resultado da Etapa 2):

"Com base no resumo, elabore 5 questões de múltipla escolha no formato de provas de residência. Cada questão deve testar compreensão, não memorização. Inclua gabarito comentado."

Etapa 4 — Flashcards (usando resultado da Etapa 2):

"Transforme o resumo em 10 flashcards FRENTE/VERSO. Foco em pontos de maior probabilidade de queda em prova."

Boas práticas

• Cada etapa deve ter um objetivo único e claramente delimitado
• Verifique o resultado antes de passar para a próxima etapa
• Forneça contexto suficiente — cole explicitamente o resultado anterior
• Chains mais longas não são sempre melhores — adicione etapas apenas quando cada uma gera valor real

O Least-to-Most Prompting (Zhou et al., 2022) resolve um problema diferente do Chaining. Enquanto o Chaining divide uma tarefa extensa em etapas, o Least-to-Most divide um problema complexo nos subproblemas que o compõem — e os resolve em ordem crescente de dificuldade, usando cada solução como base para a próxima.

O mecanismo: primeiro, o modelo identifica os subproblemas sem resolver nenhum. Depois, resolve-os sequencialmente, incorporando cada resposta ao contexto antes de avançar.

Analogia: O currículo de residência médica. Você não aprende cirurgia cardíaca complexa sem antes dominar anatomia, fisiologia cardiovascular, técnica cirúrgica básica e cirurgia vascular. Cada nível apoia o próximo.

Estrutura

Fase 1 — Decomposição (sem resolver):

"Para responder a pergunta abaixo, primeiro identifique todos os subproblemas que precisam ser resolvidos, do mais simples ao mais complexo. Liste apenas os subproblemas — não os resolva ainda."

Fase 2 — Resolução sequencial:

"Agora resolva cada subproblema em sequência. Para cada um, apresente a solução completa antes de avançar. Use as respostas anteriores como base."

Critério	Prompt Chaining	Least-to-Most
Natureza do problema	Tarefa extensa com etapas distintas	Problema complexo com subproblemas interdependentes
Estrutura	Pipeline de transformação	Pirâmide de dependências crescentes
Cada etapa	Produz um tipo diferente de output	Responde a uma parte do mesmo problema
Analogia	Linha de montagem	Currículo de residência médica
Melhor para	Produção de conteúdo em múltiplas formas	Análise de casos com múltiplas variáveis

As duas técnicas se combinam naturalmente. Para casos muito complexos, use Least-to-Most para estruturar o raciocínio analítico dentro de uma etapa de um Prompt Chaining maior.

Olhando os capítulos 4, 5 e 6 em conjunto, emerge uma família coerente:

• CoT e variantes — tornam o raciocínio visível
• Step-Back, Plan-and-Solve, Generated Knowledge — preparam o terreno antes de raciocinar
• Prompt Chaining e Least-to-Most — resolvem o problema de escala

O critério de escolha começa pela natureza do desafio:

• Resposta rasa ou incompleta? → Técnicas de raciocínio (CoT, ToT) ou preparação (Step-Back, Generated Knowledge)
• Tarefa longa demais? → Decomposição (Chaining ou Least-to-Most)
• Não sabe por onde começar? → Plan-and-Solve

Na prática clínica: o diagnóstico precede a terapêutica. O mesmo vale aqui: diagnostique corretamente o problema que você quer resolver com o prompt — e a técnica certa se tornará óbvia.

Questão 1

Explique por que pedir uma tarefa longa em um único prompt tende a produzir resultados inferiores ao Prompt Chaining.

Ver Gabarito

Quando um único prompt concentra múltiplas tarefas, o modelo divide sua atenção entre todos os objetivos concorrentes. Cada parte recebe menos profundidade. É análogo ao médico tentando fazer anamnese, exame físico, interpretar exames e prescrever em três minutos simultâneos. O Chaining garante atenção total para cada etapa.

Questão 2 — Identificação

Qual técnica para cada situação?

(a) Transformar diretrizes de antibioticoprofilaxia em: resumo + checklist + slides + questões
(b) Analisar sepse neonatal com múltiplas variáveis interdependentes
(c) Produzir estratégia completa para caso trabalhista: análise + estratégia + petição + checklist de provas

Ver Gabarito

(a) Prompt Chaining — tipos diferentes de output do mesmo conteúdo. (b) Least-to-Most — subproblemas interdependentes em ordem crescente. (c) Ambas combinadas — Chaining para os diferentes documentos, Least-to-Most dentro da etapa de análise jurídica.

Questão 3 — Múltipla escolha

Sobre Least-to-Most, assinale a CORRETA:

(a) Equivalente ao CoT
(b) A ordem de resolução é irrelevante
(c) Começa identificando subproblemas sem resolver, depois resolve em ordem crescente
(d) Só funciona para problemas matemáticos
(e) É variação do Plan-and-Solve com outro nome

Ver Gabarito

(c) — CORRETA. O Least-to-Most tem dois momentos: identificação de todos os subproblemas, depois resolução sequencial em ordem crescente de complexidade, com cada resposta alimentando a próxima.