Least-to-Most Prompting
Суть
Техника, при которой модель сначала разбивает сложную задачу на подзадачи, а затем решает их последовательно, используя результат предыдущего шага для следующего.
🛠 Как это работает
В отличие от Chain of Thought, где модель просто «думает вслух», L2M принудительно заставляет модель:
- Составить план (декомпозиция).
- Решить первый пункт.
- Решить второй пункт, зная ответ первого, и так далее.
📋 Пример на практике
Задача: “На основе папки с черновиками создай структуру для новой главы книги.”
Промпт (L2M):
- “Перечисли основные темы, которые затрагиваются в этих заметках.”
- “Теперь, опираясь на эти темы, составь логическую последовательность глав.”
- “Для каждой главы выдели ключевые тезисы из исходных заметок.”
💡 Зачем это в базе
Идеально подходит для структурирования хаоса. Если у тебя накопилось 50 заметок в Inbox, L2M поможет ИИ сначала их классифицировать, а потом создать из них карту содержания (MOC).