目标是不靠“灵感调参”，而是建立可复用、可验证的模板体系。 注：本文为“1 月份重点篇”，提供工程化的模板组织方法与样例。

🎯 文章目标

• 建立提示模板的结构化组织与版本管理
• 让输出“可执行、可校验、可回放”
• 给出跨场景可复用的提示片段库

📚 背景/前置

• 提示组成：System 指南 + 角色/风格 + 任务约束 + 输入变量 + 输出格式
• 模板来源：重复场景归纳、失败样本回放、对比实验沉淀
• 版本化：prompt 也要版本号，与模型/数据一起记录

🔧 核心内容

1) 模板设计要点

• 约束优先：明确输入边界、输出格式（JSON/Markdown/表格）
• 拆分任务：复杂任务 → 分步提示（plan → act → reflect）
• 少样本示例：挑选“边界样本”和“错误对”作为 few-shot
• 反事实样本：提醒模型避免常见错法

2) 模板管理与组织

• 目录结构建议：
  • prompts/
    • taskA/
      • system.md
      • user.hbs（Handlebars 模板）
      • examples.json
    • taskB/
• 元数据：
• 观测：模板命中率/失败样本/回滚记录

3) 结构化输出与校验

• JSON Schema/正则/自定义校验器
• 尽量减少“自由文本”，并为下游提供解析器

💡 实战示例：Node.js 模板调用（OpenAI 兼容）

import fs from 'node:fs/promises'
import OpenAI from 'openai'
import Handlebars from 'handlebars'

const client = new OpenAI({ baseURL: process.env.OPENAI_API_BASE, apiKey: process.env.OPENAI_API_KEY })
const tpl = await fs.readFile('prompts/taskA/user.hbs', 'utf-8')
const render = Handlebars.compile(tpl)

const msg = [
  { role: 'system', content: await fs.readFile('prompts/taskA/system.md', 'utf-8') },
  { role: 'user', content: render({ topic: 'RAG 的关键步骤', bullets: 3 }) }
]

const resp = await client.chat.completions.create({
  model: process.env.CHAT_MODEL,
  messages: msg,
  temperature: 0.2
})
console.log(resp.choices[0].message.content)

示例 user.hbs：

请围绕“\{\{topic\}\}”输出要点，要求：
- 以无序列表输出 \{\{bullets\}\} 条
- 每条不超过 20 字
- 若无依据请拒答

📊 对比/取舍（速查）

• 大而全 vs 细而专：通用模板易失准；按场景拆分更稳
• 少样本 vs 零样本：边界场景多时，少样本更可控
• 规则约束 vs 自由生成：工程落地优先规则约束

🧪 踩坑与经验

• 模板漂移：内容/变量命名随意更改会导致回放失败；务必版本化
• 过度 few-shot：示例过多会稀释约束，增加成本
• 输出不稳：增加“不可编造”“必须引用上下文”等显式规则

📎 参考与延伸

• 提示模式：Chain-of-Thought、ReAct、Plan-and-Solve
• 模板引擎：Handlebars、EJS、Jinja2
• 结构化输出：JSON Schema、类型校验

💭 总结

• 用“模板化 + 版本化 + 校验”替代“玄学调参”
• 把失败样本回放与模板演进打通，持续优化