prompt từ tối thiểu đến tối đa là một kỹ thuật prompt trong đó một vấn đề phức tạp được chia thành các vấn đề phụ đơn giản hơn, được giải theo thứ tự dễ dàng và tiến triển từng bước đến những vấn đề khó khăn hơn bằng cách kết hợp các câu trả lời trước đó vào đầu vào tiếp theo.
prompt ít nhất đến nhiều nhất (L2M) là một kỹ thuật nâng cao suy luận được đề xuất bởi Chu, v.v. vào năm 2022. Đối với các bài toán phức tạp có xu hướng mất độ chính xác khi được giải trực tiếp bằng LLM, nó bao gồm hai giai đoạn: ``phân rã thành các bài toán phụ'' và ``giải theo thứ tự dễ dàng và tích lũy câu trả lời.'' Trong khi Chuỗi sắp xếp (CoT) phát triển tư duy trong một lời nhắc duy nhất, L2M có đặc điểm là xây dựng giải pháp từng bước thông qua nhiều tương tác và đã được báo cáo là chính xác hơn đáng kể so với CoT trong các nhiệm vụ như thao tác ký hiệu và các bài toán từ số học.
Trong các hoạt động thực tế kể từ năm 2026, phương pháp để LLM tự động tạo ra bước phân tách (Self-L2M) là phương pháp phổ biến trong lĩnh vực này. Do đó, số lượng lệnh gọi API cho mỗi tác vụ tăng từ 2 đến 5 lần, do đó cần hiểu rõ giá thị trường của phí sử dụng API. Trong các trường hợp được ReviewAI xác nhận, có nhiều báo cáo cho thấy việc kết hợp với các công cụ mã hóa AI có hiệu quả và chất lượng đầu ra ổn định khi các yêu cầu được thực hiện từng bước từ “xác định yêu cầu → thiết kế → triển khai”. Mặt khác, khi số bước phân rã tăng lên, cửa sổ ngữ cảnh trở nên đông đúc hơn, do đó cần đưa vào các tóm tắt trung gian cho các tác vụ dài. Trong hầu hết các trường hợp, một vài lần quay hoặc CoT là đủ cho các nhiệm vụ đơn giản, do đó, nguyên tắc chung là đánh giá mức độ phức tạp trước khi tuyển dụng.