Qual método divide uma tarefa complexa em uma sequência de prompts menores que são enviados a um large language model (LLM) um após o outro?

Prompt chaining (encadeamento de prompts) é o método correto porque ele envolve dividir uma tarefa complexa em etapas menores, onde a saída de um prompt serve como entrada para o próximo. Isso permite que o LLM processe informações de forma sequencial e construa uma resposta mais elaborada. One-shot prompting fornece apenas um exemplo, o que não é suficiente para tarefas complexas sequenciais. Tree of thoughts é uma técnica mais avançada que explora múltiplas cadeias de pensamento em paralelo, mas não descreve a divisão sequencial básica. RAG (Retrieval Augmented Generation) foca em recuperar informações de uma base de dados externa para fundamentar a resposta do LLM, e não na divisão da tarefa em si.