Prompt chaining vs агенты: когда что использовать?

Question

Никита Вихров · Answer

# Prompt chaining vs агенты: когда что использовать

Два паттерна решают похожие задачи по-разному. Prompt chaining — заранее заданная последовательность вызовов. Агент — модель сама решает что делать дальше. Выбор между ними влияет на предсказуемость, стоимость и сложность отладки.

---

**Prompt chaining: ты управляешь потоком**

Последовательность шагов жёстко задана в коде. Модель не решает что делать — только выполняет конкретный шаг:

```python
from anthropic import Anthropic

client = Anthropic()

def translate_and_improve(text: str, target_lang: str = "english") -> dict:
    """Цепочка: перевод → улучшение стиля → проверка"""

# Шаг 1: перевод
    translation = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": f"Переведи на {target_lang}:

{text}"
        }]
    ).content[0].text

# Шаг 2: улучшение стиля (вход = выход предыдущего шага)
    improved = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=1024,
        system="Улучшай стиль текста: делай его более естественным для носителя языка.",
        messages=[{
            "role": "user",
            "content": translation
        }]
    ).content[0].text

# Шаг 3: проверка качества
    quality_check = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=256,
        messages=[{
            "role": "user",
            "content": f"""Оригинал: {text}
Перевод: {improved}

Оцени точность перевода: high/medium/low. Только одно слово."""
        }]
    ).content[0].text.strip()

return {
        "original": text,
        "translation": improved,
        "quality": quality_check
    }
```

Поток всегда одинаковый: шаг 1 → шаг 2 → шаг 3. Модель не может пропустить или добавить шаг.

---

**Агент: модель управляет потоком**

Модель сама решает какие инструменты вызвать и сколько раз:

```python
tools = [
    {
        "name": "translate",
        "description": "Переводит текст на указанный язык",
        "input_schema": {
            "type": "object",
            "properties": {
                "text": {"type": "string"},
                "target_language": {"type": "string"}
            },
            "required": ["text", "target_language"]
        }
    },
    {
        "name": "check_grammar",
        "description": "Проверяет грамматику текста и возвращает исправления",
        "input_schema": {
            "type": "object",
            "properties": {"text": {"type": "string"}},
            "required": ["text"]
        }
    },
    {
        "name": "detect_language",
        "description": "Определяет язык текста",
        "input_schema": {
            "type": "object",
            "properties": {"text": {"type": "string"}},
            "required": ["text"]
        }
    }
]

def agent_translate(task: str) -> str:
    messages = [{"role": "user", "content": task}]

for _ in range(10):
        response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=1024,
            tools=tools,
            messages=messages
        )

if response.stop_reason == "end_turn":
            return response.content[0].text

# Агент сам выбирает инструменты и порядок
        # Может сначала определить язык, потом перевести, потом проверить грамматику
        # Или пропустить шаги если не нужны
        for block in response.content:
            if block.type == "tool_use":
                result = execute_tool(block.name, block.input)
                messages.append({"role": "assistant", "content": response.content})
                messages.append({
                    "role": "user",
                    "content": [{"type": "tool_result", "tool_use_id": block.id, "content": result}]
                })
                break

return "Лимит шагов исчерпан"
```

---

**Сравнение на практике**

```
Задача: "Переведи этот текст на английский и исправь грамматику"

Prompt chaining:
  Шаг 1: detect_language → "russian"
  Шаг 2: translate → "english text"
  Шаг 3: check_grammar → "corrected text"
  Всегда 3 шага, предсказуемо, дёшево

Агент:
  Думает: "Текст на русском, нужно перевести"
  Вызывает: translate(text, "english")
  Думает: "Перевод готов, нужно проверить грамматику"
  Вызывает: check_grammar(translated_text)
  Думает: "Всё готово"
  Отвечает: финальный текст
  Те же 3 шага, но агент мог добавить или пропустить шаги по ситуации
```

---

**Когда что выбирать**

```python
# Используй prompt chaining когда:
USE_CHAINING = [
    "Шаги всегда одинаковые и известны заранее",
    "Нужна максимальная предсказуемость",
    "Критична стоимость — chaining дешевле",
    "Простая отладка важнее гибкости",
    "Каждый шаг нужно логировать/мониторить отдельно",
]

# Используй агентов когда:
USE_AGENTS = [
    "Шаги зависят от результатов предыдущих шагов",
    "Заранее неизвестно сколько итераций нужно",
    "Нужно адаптироваться к неожиданным ситуациям",
    "Задача требует инструментов с реальными данными",
    "Сложная задача которую сложно декомпозировать заранее",
]
```

**Практическое правило:** начни с chaining. Если видишь что нужно ветвление или непредсказуемое количество шагов — переходи к агенту.

Их также комбинируют: агент управляет общим потоком, а каждый инструмент внутри — небольшая chaining-цепочка.

---

На курсе [«ИИ для разработчиков»](https://ru.hexlet.io/programs/ai-for-developers) на Хекслете разбирают оба подхода на реальных задачах — и когда какой применять в продакшне.

Prompt chaining vs агенты: когда что использовать?

Ответы

Prompt chaining vs агенты: когда что использовать

Каталог