高级策略

提示词链

连接多个提示词

提示链将复杂任务分解为一系列更简单的提示,每个步骤的输出作为下一步的输入。这种技术显著提高了可靠性,并能实现单个提示无法完成的复杂工作流程。

像流水线一样思考

就像工厂流水线将制造过程分解为专门的工位一样,提示链将 AI 任务分解为专门的步骤。每个步骤专注于做好一件事,组合输出远比试图一次完成所有事情要好得多。

为什么要使用提示链?

单个提示在处理复杂任务时会遇到困难,因为它们试图同时完成太多事情。AI 必须同时理解、分析、规划和生成,这会导致错误和不一致。

单个提示的困境

多步推理容易混乱

不同的"思维模式"相互冲突

复杂输出缺乏一致性

没有质量控制的机会

提示链解决方案

每个步骤专注于一个任务

每种模式有专门的提示

在步骤之间进行验证

调试和改进单个步骤

基本链式模式

最简单的链将一个提示的输出直接传递给下一个。每个步骤都有明确、专注的目的。

提示 1

(提取)

输入

提示 2

(分析)

中间结果

提示 3

(生成)

输出

ETG 模式

最常见的链式模式是提取 → 转换 → 生成。首先提取原始数据,然后根据您的目的重塑它,最后生成最终输出。这种模式几乎适用于任何内容任务。

链的类型

不同的任务需要不同的链式架构。选择与您的工作流程相匹配的模式。

每个步骤依赖前一个,像接力赛一样。

提取

从输入获取数据

分析

寻找模式

生成

创建输出

顺序链

最直接的模式:每个步骤都依赖于前一个步骤。可以把它想象成接力赛,每个选手将接力棒传递给下一个。

顺序链
1

步骤 1:提取

提示词:

从以下文本中提取所有日期、姓名和数字:[text]

输出:

{ dates: ["2024-01-15", "2024-02-20"], names: ["John Smith", "Acme Corp"], numbers: [15000, 42] }

2

步骤 2:分析

提示词:

根据提取的数据:[step1_output],识别关系和模式。

输出:

{ patterns: ["每月安排会议"], relationships: ["John Smith 在 Acme Corp 工作"] }

3

步骤 3:生成

提示词:

使用这些模式:[step2_output],撰写一份总结报告,突出最重要的发现。

输出:

总结报告:文档分析揭示了 John Smith 与 Acme Corp 之间的业务关系,并安排了每月例会...

并行链

当您需要从多个角度分析同一输入时,可以并行运行提示并合并结果。这比顺序链更快,并能提供更丰富的分析。

并行链
1

输入

提示词:

产品评论文本

输出:

"我太喜欢这款耳机了!电池续航超长,充电盒上的显示屏太方便了。非常适合我的日常通勤。"

2

分支 A:情感分析

提示词:

分析情感:[text]

输出:

{ sentiment: "positive", score: 0.85 }

3

分支 B:功能提取

提示词:

提取提到的功能:[text]

输出:

{ features: ["电池", "显示屏"] }

4

分支 C:用户画像

提示词:

识别用户画像:[text]

输出:

{ persona: "通勤者" }

5

合并

提示词:

将分析结果合并为统一报告

输出:

统一报告:来自通勤用户的正面评价,强调了电池和显示屏功能。

条件链

根据分类将输入路由到不同的路径。这就像一个决策树,AI 首先对输入进行分类,然后以不同方式处理每个类别。

条件链
1

分类输入

提示词:

将此客户消息分类为:投诉、问题、反馈或其他。 消息:[text]

输出:

{ classification: "complaint", confidence: 0.92 }

2

路由:问题(跳过)

提示词:

识别需要的信息

输出:

跳过 - 输入被分类为投诉

3

路由:投诉

提示词:

识别问题和严重程度:[text]

输出:

{ issue: "发货延迟", severity: "中等" }

4

生成回复

提示词:

生成带有解决方案的同理心回复:[analysis]

输出:

尊敬的客户,对于延迟我们深表歉意。您的订单已加急处理...

迭代链

不断优化输出,直到达到质量标准。AI 在循环中生成、评估和改进,直到满意或达到最大迭代次数。

设置迭代限制

始终设置最大迭代次数(通常为 3-5 次)以防止无限循环并控制成本。收益递减规律适用于此:大部分改进发生在前 2-3 次迭代中。

迭代链
1

生成草稿

提示词:

为[无线耳机]撰写产品描述

输出:

这款无线耳机音质不错,佩戴舒适,适合日常使用。

2

评估(得分:5)

提示词:

从清晰度、说服力、准确性三个维度为此描述打分 1-10。 描述:[current_draft]

输出:

{ score: 5, improvements: ["添加具体功能", "加入情感利益点", "提及电池续航", "添加行动号召"] }

3

改进草稿

提示词:

根据反馈改进此描述: 当前版本:[current_draft] 反馈:[improvements]

输出:

体验我们高端无线耳机带来的水晶般清澈音质。具备 30 小时电池续航、主动降噪功能,以及全天舒适的人体工学设计。无论是音乐爱好者还是职场人士都是理想之选。立即订购,开启全新听觉体验。

4

评估(得分:8)

提示词:

从清晰度、说服力、准确性三个维度为此描述打分 1-10。 描述:[improved_draft]

输出:

{ score: 8, improvements: ["小建议:可以添加保修信息"] } ✓ 得分 >= 8:退出循环

循环直到达到质量阈值

常见链式模式

这些久经考验的模式可以解决常见问题。将它们作为起点,根据您的需求进行调整。

提取 → 转换 → 生成

内容处理的主力模式。提取数据,重塑它,然后创建新内容。

最适用于

文档摘要、报告生成、内容再利用、数据转叙事

顺序链
1

提取

提示词:

从此文档中提取: - 主题 - 关键论点(列表) - 支持证据(列表) - 结论 以 JSON 格式返回。

输出:

{ "topic": "气候变化影响", "arguments": ["气温上升", "海平面上升"], "evidence": ["NASA 数据", "IPCC 报告"], "conclusions": ["需要紧急行动"] }

2

转换

提示词:

为[企业高管]重新组织此信息: [extracted_data] 重点关注:经济影响 移除:技术术语

输出:

{ "summary": "气候对企业的风险", "key_points": ["供应链中断", "保险成本上升"], "action_items": ["评估脆弱性", "规划适应措施"] }

3

生成

提示词:

使用重构后的信息,撰写一份[执行摘要]: [transformed_data] 语气:专业 长度:200 字

输出:

执行摘要:气候变化对我们的业务构成重大运营风险。主要关注点包括极端天气事件造成的供应链中断和不断上涨的保险费用。我们建议立即评估设施脆弱性并制定适应策略...

分析 → 规划 → 执行

非常适合代码重构、项目规划或任何需要先理解后行动的任务。

最适用于

代码重构、项目规划、故障排除、战略决策、复杂问题解决

顺序链
1

分析

提示词:

分析此代码库结构并识别: - 架构模式 - 主要组件 - 依赖项 - 潜在问题 [code]

输出:

{ "pattern": "MVC", "components": ["UserController", "AuthService", "Database"], "dependencies": ["express", "mongoose"], "issues": ["没有输入验证", "硬编码密钥"] }

2

规划

提示词:

基于此分析,创建重构计划: [analysis_output] 目标:提高安全性 约束:无破坏性更改

输出:

{ "steps": ["1. 添加输入验证中间件", "2. 将密钥移至环境变量", "3. 添加速率限制"], "priority": "高", "estimated_time": "4 小时" }

3

执行

提示词:

实施此计划的第 1 步: [plan_output] 展示重构后的代码并附说明。

输出:

// 添加验证中间件 const validateInput = (req, res, next) => { const { email, password } = req.body; if (!email || !isValidEmail(email)) { return res.status(400).json({ error: 'Invalid email' }); } next(); };

生成 → 评审 → 优化

自我改进循环。生成内容,让 AI 进行批判性评估,然后根据反馈进行改进。这模拟了专业作家和编辑的协作方式。

最适用于

营销文案、创意写作、邮件草稿、演示文稿,以及任何能从修订中受益的内容

迭代链
1

生成

提示词:

为[健身应用]撰写一封针对[忙碌职场人士]的营销邮件。

输出:

主题:快速健身! 嗨!我们的应用帮助您锻炼。今天就下载,开始您的健身之旅。谢谢!

2

评审

提示词:

作为营销专家,评审这封邮件: [generated_email] 评估:主题行、开头吸引力、价值主张、行动号召、语气 每项打分 1-10。

输出:

{ "subject_line": 4, "hook": 3, "value_proposition": 2, "cta": 5, "tone": 4, "feedback": "太笼统,没有具体好处,缺乏紧迫感" }

3

优化

提示词:

根据反馈重写邮件: 原版:[generated_email] 评审:[critique_output] 重点改进得分最低的方面。

输出:

主题:午休时间的 15 分钟健身 日程繁忙?我们理解。我们的应用提供经科学验证的健身计划,专为没有时间浪费的职场人士设计。加入超过 50,000 名高管的行列,每天只需 15 分钟就能改变健康状况。立即开始免费试用——未来的您会感谢现在的决定。

4

最终得分

提示词:

重新评估优化后的邮件。

输出:

{ "subject_line": 8, "hook": 8, "value_proposition": 9, "cta": 8, "tone": 9, "improvement": "总分提升 +23 分" }

循环直到达到质量阈值

实现链

您可以手动实现链进行实验,或以编程方式实现用于生产系统。从简单开始,根据需要增加复杂性。

手动链式操作

复制粘贴方法非常适合原型设计和实验。手动运行每个提示,检查输出,然后将其粘贴到下一个提示中。

manual_chain.py
python
Loading...

编程式链式操作

对于生产系统,使用代码自动化链。这可以实现错误处理、日志记录以及与应用程序的集成。

chain.py
python
Loading...

使用链式模板

将链定义为配置文件以便重用和轻松修改。这将提示逻辑与应用程序代码分离。

chain_template.yaml
yaml
Loading...

链中的错误处理

链可能在任何步骤失败。内置验证、重试和回退机制可使您的链更加健壮。

链错误处理演示
提取数据
验证输出
转换数据
最终输出
成功
失败
重试
备用
垃圾进,垃圾出

如果某个步骤产生了糟糕的输出,后续每个步骤都会受到影响。在将关键中间结果传递下去之前,务必进行验证。

步骤间验证

在任何产生结构化数据的步骤之后添加验证步骤。这可以在错误级联之前及早捕获它们。

步骤间验证
步骤 1
生成数据
步骤 2
验证输出

检查输出模式和类型

步骤 3
处理数据

使用已验证的数据

回退链

当主要方法失败时,准备一个更简单的备用方案。用能力换取可靠性。

回退链演示
主要
复杂分析
回退
简单提取

主要失败时待命

输出
最终结果

链的优化

一旦您的链正常工作,就可以针对速度、成本和可靠性进行优化。这些因素通常需要相互权衡。

降低延迟

并行化独立步骤

缓存中间结果

简单步骤使用较小模型

批量处理相似操作

降低成本

分类任务使用更便宜的模型

限制循环迭代次数

尽可能提前终止

缓存重复查询

提高可靠性

在步骤间添加验证

包含重试逻辑

记录中间结果

实现回退路径

实际链式示例

让我们来看一个完整的生产链。这个内容管道将原始想法转化为精美的文章包。

内容管道链

内容管道链

总结

提示链通过将不可能的任务分解为可实现的步骤,从而改变了 AI 所能完成的事情。

链式操作的优势

复杂的多步骤工作流程

通过专业化提高质量

更好的错误处理和验证

模块化、可重用的提示组件

关键原则

将复杂任务分解为简单步骤

设计步骤间清晰的接口

验证中间输出

内置错误处理和回退机制

根据约束条件进行优化

从简单开始

从 2-3 步的顺序链开始。让它可靠运行后再增加复杂性。大多数任务不需要复杂的链式架构。

与单个复杂提示相比,提示链的主要优势是什么?

在下一章中,我们将探索多模态提示:处理图像、音频和其他非文本内容。