提示链:当一个提示不够用时

如果你曾尝试将整个项目塞进一个提示中——需求 → 解决方案 → 计划 → 风险 → 最终文档——你已经知道结果如何:

• 它会跳过步骤,
• 它会忘记约束条件,
• 它会给你一个"自信"的答案,但你无法轻易验证,
• 一旦出错,你完全不知道错误发生在哪里。

提示链就是解决方案。把它想象成构建一个工作流程,其中每个提示都是流水线上的一个工站:输入一步,输出一步,输出成为下一个工站的输入。

换句话说:你不是要求LLM"一次完成所有事情"。你是要求它一次可靠地完成一件事。

1) 什么是提示链?

提示链是以下实践:

1. 分解大任务为更小的子任务
2. 为每个子任务设计专门的提示
3. 将结构化输出从一步传递到下一步
4. 添加验证 + 修正步骤,防止链条偏离

这基本上是将"微服务思维"应用于LLM推理。

单一提示 vs 提示链(简单说明)

| 维度 | 单一提示 | 提示链 | |----|----|----| | 复杂度 | 适合简单的一次性任务 | 为多步骤、真实工作流程而建 | | 逻辑 | 模型猜测过程 | 你定义过程 | | 控制 | 难以引导 | 每一步都可引导 | | 调试 | "哪里出错了?" | 你可以精确定位损坏的步骤 | | 上下文限制 | 容易溢出 | 逐步、分步骤提供数据 |

2) 为什么有效(真正原因)

LLM不擅长同时处理多个目标。

要求:"分析需求、提议功能、估算工作量、确定优先级,然后编写计划"——你设置了一个多目标优化问题。模型通常会在一个目标上做得不错,而在其余目标上悄悄表现不佳。

提示链减少了认知负担:一步 → 一个输出 → 一个成功标准。

3) 核心机制:输入 → 处理 → 输出(重复)

本质上,提示链是一个循环:

• 输入:前一步输出 + 任何新数据
• 处理:下一个提示及规则 + 格式约束
• 输出:下一步的结构化结果

这是一个你可以可视化的简单链:

flowchart LR A[原始用户反馈] --> B[提示 1: 提取痛点] B --> C[提示 2: 提议功能] C --> D[提示 3: 确定优先级并估算工作量] D --> E[提示 4: 编写迭代计划]

4) 构建良好链条的四个不可谈判要素

4.1 子任务必须独立且连接

• 独立:每一步做一项工作(无重叠)
• 连接:每一步依赖于前一个输出(没有"浮动"步骤)

不好:"提取痛点并设计功能" 好:步骤1提取痛点;步骤2基于它们设计功能。

4.2 中间输出必须结构化

自由文本很脆弱。下一个提示可能会误读、重新解释或忽略它。

使用结构化格式,如JSON、表格或固定键的项目列表。

示例(你可以实际解析的JSON):

{  "pain_points": [   {"category": "performance", "description": "结账超过8秒", "mentions": 31},   {"category": "ux", "description": "退款按钮难找", "mentions": 18},   {"category": "reliability", "description": "付款失败且无错误提示", "mentions": 12} ] }

4.3 每个提示必须明确"继承"上下文

不要假设模型会"记住你的意思"。在下一个提示中,明确引用前一个输出:

4.4 构建失败路径(验证 + 修复)

每个链条都需要一个"质量门":

• 验证:"输出是否包含所有必需的键?数字是否一致?"
• 修复:"如果缺失,仅重新生成缺失部分"
• 护栏:"最多重试2次;否则返回最佳努力 + 错误"

5) 你会在各处使用的三种架构

5.1 线性链:固定步骤,无分支

使用场景:工作流程可预测时。

示例:英国月度收入报告(线性)

假设你有一个英国电商店铺的CSV导出,你想要:

• 清理
• 洞察
• 管理层就绪报告

步骤1 — 数据清理提示(输出干净的表格或JSON)

系统:你是一名数据分析师。严格遵循指令。 用户:清理下面的数据集。 ​ 规则: 1) 删除revenue_gbp或units_sold为空的行。 2) 标记revenue_gbp中的异常值:> 3倍类别均值或< 0.1倍类别均值。不要删除它们。 3) 添加month_over_month_pct:(this_month - last_month) / last_month * 100。 4) 仅输出JSON数组。每个项目必须有:   date, category, revenue_gbp, units_sold, region_uk, outlier_flag, month_over_month_pct ​ 数据集: <粘贴数据>

步骤2 — 洞察提示(输出要点洞察)

系统:你是为英国领导层受众撰写的高级分析师。 用户:使用下面清理的JSON,生成洞察: ​ 1) 类别:按revenue_gbp排名前3,按month_over_month_pct排名前3。包括贡献百分比。 2) 地区:按收入排名前2的地区,以及最大跌幅(>10%)。 3) 趋势:总体趋势(上升/下降/波动)。解释收入与单位关系。 ​ 输出格式: - 类别洞察:2-3个要点 - 地区洞察:2-3个要点 - 趋势洞察:2-3个要点 ​ 清理的JSON: <粘贴步骤1输出>

步骤3 — 报告撰写提示(输出最终文档)

系统:你撰写简洁的内部报告。 用户:将下面的洞察转换为"月度收入简报"(800-1,000字)。 ​ 结构: 1) 执行摘要(1个简短段落) 2) 关键洞察(类别/地区/趋势) 3) 建议(2-3个可操作项目) 4) 结尾(1个简短段落) ​ 使用GBP(£)格式和英国拼写。 洞察: <粘贴步骤2输出>

线性链以最好的方式令人乏味:它们可预测、可自动化且易于测试。

5.2 分支链:基于分类选择路径

使用场景:下一步取决于决策(类型、严重性、意图)时。

示例:客户消息分类(分支)

步骤1对消息进行分类:

系统:你对客户消息进行分类。仅输出标签。 用户:将此消息分类为以下之一: - 投诉 - 建议 - 问题 ​ 输出格式: label: <三者之一> ​ 消息:"我的订单已扣费但从未到达,而且没人回复我的邮件。太荒谬了。"

然后你分支:

• 如果是投诉 → 生成事件响应计划
• 如果是建议 → 生成可行性 + 路线图安排
• 如果是问题 → 生成直接支持答案

投诉处理程序(示例):

系统:你是客户运营经理。 用户:为下面的消息创建投诉处理计划。 ​ 包括: 1) 问题陈述 2) 行动:1小时内、24小时内、48小时内 3) 补偿建议(对英国电商合理) 以三个部分输出,使用要点。 ​ 消息: <粘贴消息>

分支链是你停止将每个输入都视为相同问题的方式。

5.3 循环链:重复直到达到停止条件

使用场景:需要处理许多相似项目,或迭代优化输出时。

示例:批量生成产品列表(循环)

步骤1将列表拆分为项目块:

系统:你格式化产品数据。 用户:将以下产品列表拆分为单独的块。 ​ 输出格式(为每个项目重复): [项目 N] name: key_features: target_customer: price_gbp: ​ 产品列表: <粘贴列表>

步骤2循环处理每个块:

系统:你撰写高转化率的产品文案。 用户:为下面的产品撰写电商描述。 ​ 要求: - 吸引眼球的标题 ≤ 12个单词 - 3个功能要点(每个 ≤ 18个单词) - 1句话:最适合谁 - 1句话:为什么物有所值(使用£) - 总共150-200字,英国英语 ​ 产品: <粘贴项目 N>

循环链需要硬停止规则:

• 精确处理N个项目,或
• 如果字数太长,最多重试2次,或
• 如果验证通过则停止

否则你会创建世界上最昂贵的无限循环。

6) 实用"不要搬石头砸自己脚"清单

问题:中间格式混乱 → 下一个提示失败

解决:使格式不可妥协。

添加如下行:

• "仅输出JSON。"
• "如果无法遵守,输出:ERROR:FORMAT。"

问题:模型忘记早期细节

解决:每次明确重申"合约"。

• "使用先前输出中的pain_points数组。"
• "不要创造额外的类别。"

问题:循环永不收敛

解决:定义可衡量的约束 + 最大重试次数。

• "字数 ≤ 200"
• "最大重试次数:2"
• "如果仍失败,返回最佳尝试 + 错误列表"

问题:分支选择错误

解决:改进分类规则 + 添加第二次检查。

示例:

• 投诉必须包括负面情绪和具体问题。
• 如果不确定,输出标签:问题(需要澄清)。

7) 使链接更轻松的工具

你可以手动链接提示(复制/粘贴有效),但一旦超过几步,工具会有所帮助。

• n8n / Make:用于链接API调用、存储输出、触发警报的低代码工作流工具。
• LangChain / LangGraph:构建具有记忆、分支、重试、工具调用和状态管理的链。
• Redis / Postgres:持久化中间结果,以便恢复、审计和避免重复调用。
• Notion / Google Docs:对于早期阶段的"人工参与"链接出奇有效。

8) 如何升级

当你将提示链与以下内容结合时,它会变得更加强大:

• RAG:在链中添加检索步骤(例如,在起草响应前"获取政策文档")
• 人工批准门:在风险行动前批准(价格变更、客户退款、合规回复)
• 多模态步骤:文本 → 图像简介 → 图表生成 → 最终文档

最终看法

提示链不是"更多提示"。它是工作流程设计。

一旦你开始将提示视为具有合约、验证和失败路径的步骤,你的LLM就会停止像混乱的文本生成器那样行事,而开始像可靠的队友一样行动——一次一个工站。

如果你正在构建超越一次性演示的任何东西,使用链接。

\