9. Cadena Multi-Prompt: Creando Flujos Secuenciales

¡Hola y bienvenido/a de nuevo! En la lección anterior, construimos una Cadena LLM simple. Hoy, vamos a llevarlo al siguiente nivel creando una cadena multi-prompt, donde un flujo de trabajo se procesa a través de múltiples pasos secuenciales.

El Patrón: Equipos de IA Especializados

Lo que vamos a construir es un patrón increíblemente potente: la salida de una IA se convierte en la entrada de la siguiente.

Esto nos permite descomponer tareas complejas en pasos más pequeños y manejables, asignando a cada IA un rol especializado. Es como tener un equipo de expertos donde cada uno se encarga de una parte del trabajo.

Nuestro Proyecto: Construiremos un flujo de análisis de datos con un equipo de dos IAs:

1. El Analista de Datos (IA 1): Un especialista en procesar datos. Recibe una solicitud, la desglosa en tareas técnicas y ejecuta el análisis.
2. El Científico de Datos (IA 2): Un estratega. Recibe los resultados técnicos del primer agente y los transforma en un resumen ejecutivo, interpretando los datos y ofreciendo ideas clave.

---

Paso 1: La Arquitectura del Flujo

1. Crea un nuevo flujo de chat y nómbralo Cadena Multi-LLM.
2. Vamos a necesitar los siguientes nodos (puedes usar el que prefieras, nosotros usaremos Google Gemini):
   • Dos nodos Google Generative AI.
   • Dos nodos Prompt Template.
   • Dos nodos LLM Chain.

Organízalos en el lienzo para que tengas dos flujos «paralelos», uno para cada «miembro» de nuestro equipo de IA.

---

Paso 2: Configurar la Primera Cadena (El Analista de Datos)

Esta primera cadena recibirá la solicitud inicial del usuario.

1. Conecta el primer Google Generative AI y el primer Prompt Template a la primera LLM Chain.
2. Configura el Prompt Template (Prompt 1):
   • En el campo Template, pega lo siguiente:You are an AI who performs task-based operations on the following objective. Respond on how you would complete this task. The objective is: {question}
   • Esta IA recibe un objetivo (question) y su tarea es detallar los pasos técnicos para cumplirlo.
   • En Format Prompt Values, asegúrate de que la variable se llame question.

---

Paso 3: Configurar la Segunda Cadena (El Científico de Datos)

Esta segunda cadena recibirá el resultado de la primera.

1. Conecta el segundo Google Generative AI y el segundo Prompt Template a la segunda LLM Chain.
2. Configura el Prompt Template (Prompt 2):
   • En el campo Template, pega este texto más complejo:You are a task creation AI. You use the result of an execution agent to create new tasks with the following objective: {objective}. The last completed task has the result: {result}. Based on the result, create a new summary to be completed by the AI system that does not overlap with the result and then return the summary as a bulleted list.
   • Esta IA tiene dos entradas: el objetivo original (objective) y el resultado técnico de la primera IA (result). Su trabajo es crear un resumen estratégico.
   • En Format Prompt Values, verás las dos variables: objective y result.
   • Conecta la variable objective a la entrada original del usuario (question).

---

Paso 4: La Conexión Clave

Ahora viene el paso más importante: conectar la salida de la primera cadena a la entrada de la segunda.

1. Haz clic en la primera LLM Chain. En sus opciones, busca un selector que normalmente dice Output from LLM Chain. Cámbialo a Output Prediction. Esto hará que el nodo solo emita el texto generado, sin metadatos adicionales.
2. Ahora, arrastra una conexión desde la salida de la primera LLM Chain hasta la entrada de la variable result en el segundo Prompt Template.

¡Listo! Nuestro flujo secuencial está completo.

---

Paso 5: Guardar y Probar el Equipo de IA

1. Guarda tu flujo.
2. Vamos a probarlo con una solicitud de análisis real. En el chat, introduce:Analyze quarterly sales performance and identify trends.

Observa lo que sucede:

• La primera IA (el Analista) procesará esto y generará una respuesta técnica y detallada, probablemente listando métricas, KPIs, y pasos para el análisis de datos.
• Esa respuesta técnica se pasará automáticamente a la segunda IA (el Científico de Datos), que la transformará en un resumen ejecutivo, estratégico y fácil de entender para un directivo.

Obtienes lo mejor de ambos mundos: el análisis técnico detallado y las ideas estratégicas accionables.

---

Posibilidades y Mejoras

Este patrón abre un mundo de posibilidades:

• Experimenta con los Modelos: Usa un modelo muy técnico (como Claude 3.5 Sonnet) para la primera cadena y un modelo bueno en resúmenes (como Gemini 1.5 Flash) para la segunda.
• Refina los Prompts: Sé aún más específico en tus prompts. Pide a la primera IA que genere la salida en formato JSON y a la segunda que la convierta en una narrativa.
• Extiende la Cadena: ¿Por qué parar en dos? Puedes añadir una tercera IA que sea un «Control de Calidad», o una cuarta que sea un «Analista Financiero», cada una añadiendo su capa de especialización al resultado final.

Has aprendido a crear flujos de trabajo secuenciales, una de las técnicas más potentes para resolver problemas complejos con IA.

¡Muchas gracias por seguir el tutorial y te veo en la próxima lección!