Prompt工程实战：构建可复用的大模型提示词模板系统

Prompt工程是AIGC应用开发中的核心技能。一个好的提示词模板系统可以显著提升大模型的输出质量和一致性，降低调用成本。本文从实际项目经验出发，介绍如何构建一套可复用、可维护的大模型Prompt模板体系，涵盖模板设计模式、变量管理、Few-Shot注入以及调试优化方法。

Prompt工程基础：提示词结构化设计原则

大模型开发中，Prompt的质量直接决定输出质量。结构化Prompt设计遵循三个原则：角色定义明确、任务边界清晰、输出格式可控。一个完整的Prompt模板应包含以下几个部分：

# Prompt模板结构示例
ROLE = "你是一名资深的Python后端工程师，擅长代码审查和性能优化。"

TASK = "请审查以下代码，从安全性、性能、可读性三个维度给出改进建议。"

CONTEXT = '''
项目技术栈：Python 3.11 + FastAPI + PostgreSQL
代码用途：处理用户注册请求
'''

FORMAT = '''请按以下JSON格式输出：
{
  "security": ["问题1", "问题2"],
  "performance": ["问题1", "问题2"],
  "readability": ["问题1", "问题2"],
  "suggestions": ["建议1", "建议2"]
}'''

CODE = '''
@app.post("/register")
async def register(user: UserCreate):
    query = f"INSERT INTO users (name, email) VALUES ('{user.name}', '{user.email}')"
    await db.execute(query)
    return {"status": "ok"}
'''

prompt = f"{ROLE}\n\n{TASK}\n\n{CONTEXT}\n\n{FORMAT}\n\n代码如下：\n{CODE}"

上述模板中，ROLE定义模型角色，TASK明确任务目标，CONTEXT提供背景信息，FORMAT约束输出结构，CODE是动态输入内容。每个部分独立维护，便于复用和修改。

提示词模板变量管理：Jinja2模板引擎集成

当Prompt数量增多后，硬编码字符串难以维护。引入模板引擎可以解决变量注入、条件渲染、循环拼接等问题。以下是一个基于Jinja2的Prompt模板管理系统：

from jinja2 import Environment, FileSystemLoader
import yaml
import os

class PromptManager:
    def __init__(self, template_dir="prompts"):
        self.env = Environment(
            loader=FileSystemLoader(template_dir),
            trim_blocks=True,
            lstrip_blocks=True,
        )
        self.config = self._load_config()

    def _load_config(self):
        config_path = os.path.join("prompts", "config.yaml")
        with open(config_path, "r", encoding="utf-8") as f:
            return yaml.safe_load(f)

    def render(self, template_name, **kwargs):
        template = self.env.get_template(f"{template_name}.j2")
        return template.render(**kwargs)

    def get_model_config(self, template_name):
        return self.config.get(template_name, {})

# 使用示例
manager = PromptManager()
prompt = manager.render(
    "code_review",
    language="Python",
    focus_areas=["安全性", "性能", "可维护性"],
    strict_mode=True,
    code="def hello(): print('world')",
)
model_config = manager.get_model_config("code_review")

这套设计将Prompt模板与模型参数配置分离，支持版本管理，不同业务场景可以复用同一套基础设施。

Few-Shot提示注入：提升输出稳定性的实战技巧

大模型在零样本（Zero-Shot）场景下输出不稳定。通过注入少量示例（Few-Shot），可以显著提升输出格式的一致性和准确率。关键在于示例的选择和排列策略：

def build_few_shot_prompt(task_description, examples, query):
    parts = [task_description, ""]
    for i, (inp, out) in enumerate(examples, 1):
        parts.append(f"示例{i}：")
        parts.append(f"输入：{inp}")
        parts.append(f"输出：{out}")
        parts.append("")
    parts.append("请处理以下输入：")
    parts.append(f"输入：{query}")
    parts.append("输出：")
    return "\n".join(parts)

# 实际调用示例
examples = [
    (
        "用户的订单状态是shipped，物流单号SF123456",
        '{"intent": "query_logistics", "tracking_no": "SF123456"}'
    ),
    (
        "退款金额是200元，订单号ORD20260723",
        '{"intent": "refund_inquiry", "order_id": "ORD20260723", "amount": 200}'
    ),
]

prompt = build_few_shot_prompt(
    "从用户消息中提取意图和关键信息，输出JSON格式。",
    examples,
    "物流到了吗？单号YT987654321"
)

选择Few-Shot示例时需要注意三点：示例覆盖典型场景边界、输出格式与目标格式完全一致、负面示例与正面示例搭配使用。经验上，3-5个高质量示例的性价比最高，过多示例会增加Token消耗但不一定提升效果。

Prompt调试与评估：建立量化反馈闭环

Prompt优化不能靠感觉，需要建立量化评估体系。核心思路是用一批测试用例自动评分，通过迭代调整Prompt参数找到最优配置：

import openai
import json
import time
from dataclasses import dataclass

@dataclass
class EvalResult:
    prompt_version: str
    accuracy: float
    format_compliance: float
    avg_latency_ms: float
    avg_tokens: int

def evaluate_prompt(prompt_template, test_cases, model="gpt-4o"):
    correct = 0
    format_ok = 0
    total_latency = 0
    total_tokens = 0

    for inp, expected in test_cases:
        prompt = prompt_template.format(input=inp)
        start = time.time()
        response = openai.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=0,
        )
        latency = (time.time() - start) * 1000
        total_latency += latency
        total_tokens += response.usage.total_tokens

        output = response.choices[0].message.content.strip()
        try:
            parsed = json.loads(output)
            format_ok += 1
            if _check_semantic_match(parsed, expected):
                correct += 1
        except json.JSONDecodeError:
            pass

    n = len(test_cases)
    return EvalResult("v1", correct / n, format_ok / n,
                      total_latency / n, total_tokens / n)

通过这套评估流程，每次修改Prompt后可以立即看到准确率、格式合规率、延迟和Token消耗的变化。建议维护至少20-30个测试用例覆盖各种边界情况，每次迭代后对比指标变化，选择综合表现最优的版本上线。

多模型适配层：统一Prompt管理跨模型调用

实际项目中经常需要切换不同的大模型（如GPT-4、Claude、Qwen等），不同模型对Prompt的响应特性有差异。通过适配层抹平差异：

class MultiModelPromptAdapter:
    MODEL_CONFIGS = {
        "gpt-4o": {"max_context": 128000},
        "claude-sonnet": {"max_context": 200000},
        "qwen-max": {"max_context": 32000},
    }

    def __init__(self, model_name):
        self.config = self.MODEL_CONFIGS.get(model_name, self.MODEL_CONFIGS["gpt-4o"])

    def build_messages(self, system_prompt, user_prompt):
        return [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt},
        ]

    def truncate_context(self, text):
        max_chars = self.config["max_context"] * 3
        if len(text) > max_chars:
            return text[:max_chars] + "\n[内容已截断]"
        return text

适配层封装了各模型的上下文长度限制、消息格式差异和特定参数配置。业务层只需调用统一接口，底层切换模型不需要修改Prompt逻辑。这种设计在AIGC应用中尤其重要，因为不同模型在特定任务上的表现差异显著，快速切换和对比能力是Prompt工程的基础设施。智能对话系统开发中，这种适配层还能根据用户查询类型动态路由到最优模型，平衡成本与效果。