¿Qué método divide una tarea compleja en una secuencia de prompts más pequeños que se envían a un modelo de lenguaje grande (LLM) uno tras otro?

El encadenamiento de prompts (Prompt chaining) es el método correcto porque implica dividir una tarea compleja en una serie de prompts más pequeños y secuenciales. La salida de un prompt se convierte en parte de la entrada para el siguiente, guiando al LLM a través de los pasos necesarios para resolver la tarea completa. One-shot prompting solo proporciona un ejemplo para la tarea, no una secuencia. Tree of thoughts es una técnica más avanzada que explora múltiples caminos de razonamiento, no solo una secuencia lineal. RAG (Retrieval Augmented Generation) se centra en recuperar información externa para mejorar la respuesta del LLM, no en la descomposición secuencial de la tarea en sí.