当前位置：首页 > news >正文

12 Prompt 模板化与参数化

news 2025/9/12 10:48:15

12 Prompt 模板化与参数化

前情回顾

在 第 11 节 我们学会了 Few-shot 和 Chain-of-Thought，可以让模型回答更稳定、推理更清晰。
但如果每次都要人工写示例、复制粘贴 Prompt，不仅麻烦，还容易出错。
这就是今天的主题：Prompt 模板化与参数化 —— 把提示词写成可复用的模板，用参数来控制内容。

一、为什么要做 Prompt 模板化？

避免重复劳动
- 如果你做客服机器人，每个回答都需要礼貌开头、总结结尾。
- 模板化后，只需填充变量，不用每次都重写 Prompt。
保证输出一致性
- 产品经理最怕 AI 输出风格不统一（有时太随意，有时太正式）。
- 模板化能固定“回答风格”和“输出格式”。
便于迭代和调优
- 当你要修改提示词策略时，只需改模板，不用到处找 Prompt。

👉 换句话说，Prompt 模板化就像写“AI 提示词的 PRD”。

二、实践：写一个 Prompt 模板生成器

我们来写一个简单的 Python 小工具，把 Prompt 写成模板，并支持参数化。

1. Python 示例（保存为 `prompt_template.py`）

from string import Template
from openai import OpenAIclient = OpenAI(base_url="http://127.0.0.1:11434/v1", api_key="ollama")# 定义 Prompt 模板
template_text = """
你是一名专业的客服机器人，请用简洁、礼貌的语气回答用户问题。[示例风格]
用户：如何重置密码？
AI：您好，您可以通过点击“忘记密码”，然后按照提示步骤完成重置。[问题]
用户：$question请保持和示例一致的风格，直接给出答案。
"""# 把模板编译为可替换对象
prompt_template = Template(template_text)def ask(question):# 用参数替换模板中的变量prompt = prompt_template.substitute(question=question)resp = client.chat.completions.create(model="deepseek-r1",messages=[{"role": "user", "content": prompt}],temperature=0.2)return resp.choices[0].message.content# 测试不同输入
print("Q: 如何申请报销？")
print("A:", ask("如何申请报销？"))print("\nQ: 公司年假是多少天？")
print("A:", ask("公司年假是多少天？"))

2. 运行结果（示例）

Q: 如何申请报销？
A: 您好，报销流程为：先提交报销申请，待审批通过后，再上传发票和凭证进行报销。Q: 公司年假是多少天？
A: 您好，公司规定员工每年享有 10 天带薪年假。

👉 可以看到，不同问题都被套进了同一个 礼貌客服风格模板。

三、模板还能做什么？

参数化 Few-shot
- 把 Few-shot 示例写在模板里，用变量控制问题和答案。
- 比如 FAQ 系统，可以自动生成几十个 Prompt，而不用手写。
固定输出格式
- 可以强制 AI 按 JSON、Markdown、表格输出。
- 例：
```
请用 JSON 格式回答：
{"答案": "...", "引用": "..."}
```
跨角色复用
- 同一个问题，不同角色可以有不同模板：
  - 客服机器人：礼貌回答
  - 教师助手：分步骤讲解
  - 医疗助手：附带免责声明