轻松理解智能体设计模式(1/6)：提示链（Prompt Chaining）

在日常使用 AI 生成内容时，你是否遇到过这样的问题：让 AI 一次性写一篇完整文章，结果逻辑混乱、重点模糊；想修改某个部分，却只能重新生成全文？其实，这些问题可以通过一种简单又高效的智能体设计模式解决 ——Prompt Chaining（提示链）。今天就用通俗的语言 + 代码示例，带你搞懂这个让 AI 创作 “更聪明” 的设计模式。

一、什么是 Prompt Chaining 设计模式？

简单来说，Prompt Chain 就是把 AI 的 “大任务” 拆成多个 “小步骤”，让 AI 像搭积木一样，一步步完成最终目标。比如写文章，不是让 AI 直接 “写一篇关于 XX 的文章”，而是先让它 “生成文章大纲”，再 “根据大纲写每段内容”，最后 “润色全文”。每一步的输出，都会成为下一步的输入，就像链条一样环环相扣，这就是 “提示链” 的核心逻辑。

二、为什么要用 Prompt Chain？3 个核心优势

相比让 AI “一次性搞定所有事”，Prompt Chain 的优势非常明显，我们用 “写文章” 这个场景就能轻松理解：

1. 分步思考，内容质量更高

AI 和人一样，同时处理多个任务时容易 “分心”。比如直接让 AI 写一篇技术文章，它既要想结构、又要查知识点、还要注意语言流畅，最后可能导致 “结构混乱 + 细节粗糙”。

而 Prompt Chain 会让 AI 先专注于 “搭框架”（生成大纲），确保逻辑清晰；再专注于 “填内容”（扩展段落），保证每个知识点准确；最后专注于 “磨细节”（润色），让语言更专业。每一步只做一件事，结果自然更精准、更专业。

2. 可控性更强，修改更灵活

假设你让 AI 一次性写好文章后，觉得 “第三部分的案例不够具体”，这时只能让 AI 重新生成全文，不仅浪费时间，还可能改出其他新问题。

但用 Prompt Chain 时，你可以只 “回溯” 到 “扩展段落” 这一步，单独让 AI 优化第三部分的内容，其他部分完全不变。甚至可以在某一步插入自己的反馈，比如 “大纲里再加一个‘常见问题’章节”，AI 会顺着你的要求继续推进，灵活性拉满。

3. 降低信息过载，避免 “顾此失彼”

AI 的 “注意力” 是有限的，如果一次性给太多要求（比如 “写一篇关于 AI 的文章，要包含历史、原理、应用、未来趋势，还要举 3 个行业案例，语言要口语化”），AI 很可能顾此失彼 —— 比如漏了 “未来趋势”，或者案例不够具体。

Prompt Chain 会把这些要求拆分到每一步：生成大纲时明确 “要包含历史、原理、应用、未来趋势、常见问题”；扩展段落时要求 “每个应用部分加 1 个行业案例”；润色时强调 “语言口语化”。每一步只传递 1-2 个核心要求，AI 更容易抓重点，不会因信息太多而 “翻车”。

三、实战演示：用 Prompt Chain 写文章（基于 qwen 大模型）

光说不练假把式，下面我们用 Python 代码 + 阿里的 qwen 大模型，完整演示 “用 Prompt Chain 写一篇《新手如何入门 Python 编程》” 的过程。

准备工作

首先需要安装 qwen 相关依赖（确保你的环境已配置好 Python 和 API 密钥）：

pip install dashscope  # 阿里大模型开发工具包

步骤 1：定义 qwen 调用函数

先写一个通用函数，方便后续每一步调用 qwen 大模型：

from dashscope import Generation\# 替换成你的 qwen API 密钥（从阿里灵积平台获取）API\_KEY = "your-qwen-api-key"def call\_qwen(prompt):"""调用 qwen 大模型，返回生成结果"""response = Generation.call(model="qwen-max",  # qwen 大模型版本（可根据需求替换为 qwen-plus 等）prompt=prompt,api\_key=API\_KEY,parameters={"temperature": 0.7,  # 控制随机性，0.7 兼顾灵活与准确"max\_length": 1000   # 最大生成长度})\# 提取并返回生成的文本if response.status\_code == 200:return response.output.text.strip()else:return f"调用失败：{response.message}"

步骤 2：第一步 —— 生成文章大纲

先让 AI 专注于 “搭框架”，明确文章的结构。我们给的提示要简单直接，只需要告诉 AI “主题” 和 “任务”：

\# 第一步：生成大纲topic = "新手如何入门 Python 编程"prompt\_step1 = f"""请你基于主题「{topic}」，生成一篇适合新手的文章大纲。要求：1\. 结构清晰，分5-6个主要章节，每个章节有1-2个小标题；2\. 内容贴近新手需求，包含“为什么学Python”“必备工具”“基础知识点”“实战案例”等核心模块；3\. 大纲语言简洁，用“一、XXX”“（一）XXX”的格式呈现。"""\# 调用 qwen 生成大纲outline = call\_qwen(prompt\_step1)print("=== 第一步：生成的文章大纲 ===")print(outline)

预期输出（qwen 可能生成的结果）：

一、为什么新手要学 Python？（一）Python 的3个核心优势（简单、通用、就业广）（二）适合新手的 Python 应用场景（数据分析、自动化、爬虫）二、Python 入门前的必备工具（一）安装 Python 环境（Windows/macOS 步骤）（二）选择合适的编辑器（VS Code 基础设置）三、Python 基础核心知识点（新手必学）（一）变量与数据类型（整数、字符串、列表）（二）基本语法（条件判断、循环语句）（三）简单函数的定义与调用四、新手实战：写一个小项目（一）项目目标：批量重命名文件夹里的文件（二）步骤拆解：读取文件→循环重命名→保存结果五、新手常见问题与解决方法（一）运行代码时出现“语法错误”怎么办？（二）如何找学习资源（推荐2-3个免费平台）六、Python 学习路径规划（从入门到进阶）（一）入门阶段（1-2个月）：掌握基础语法（二）进阶阶段（3-6个月）：学习框架（如 Pandas、Django）

步骤 3：第二步 —— 基于大纲扩展段落内容

有了大纲后，下一步让 AI 专注于 “填内容”。这里的关键是：把第一步生成的 “大纲” 作为输入，告诉 AI “基于这个大纲写每段内容”：

\# 第二步：基于大纲扩展段落prompt\_step2 = f"""请你基于下面的大纲，为每一部分扩展成完整的段落内容。要求：1\. 每个小标题下写150-200字，语言通俗易懂，避免专业术语堆砌；2\. 基础知识点部分要举简单例子（比如“变量”可以举例“name = '小明'”）；3\. 实战项目部分要写清楚关键步骤的代码逻辑（不用写完整代码，用文字描述即可）。文章大纲：{outline}"""\# 调用 qwen 扩展段落first\_draft = call\_qwen(prompt\_step2)print("\n=== 第二步：基于大纲扩展的初稿 ===")print(first\_draft)

预期输出（部分内容示例）：

一、为什么新手要学 Python？（一）Python 的3个核心优势（简单、通用、就业广）Python 对新手最友好的地方在于它的语法像“说中文”一样简单。比如想打印“Hello World”，Python 只需要写“print('Hello World')”，而其他语言可能需要更多代码。同时，Python 是“万能语言”，既能做数据分析（比如处理Excel表格），又能写自动化脚本（比如自动发邮件），还能开发网站，一个语言就能覆盖多个场景。最重要的是，Python 相关岗位需求多，不管是互联网、金融还是教育行业，都需要会 Python 的人才，学会后就业选择更广。（二）适合新手的 Python 应用场景（数据分析、自动化、爬虫）...（此处省略其他部分内容）...三、Python 基础核心知识点（新手必学）（一）变量与数据类型（整数、字符串、列表）变量就像一个“装东西的盒子”，你可以把数据放进去，也能随时取出来。比如想存储自己的名字，就可以写“name = '小明'”，这里“name”是变量名，“'小明'”是字符串类型的数据。除了字符串，Python 还有整数（比如 age = 20）、列表（比如 scores = \[85, 92, 78]，可以装多个数据）等常见类型。新手不用死记硬背，记住“变量名要见名知意，数据类型要和内容匹配”就行。...（此处省略其他部分内容）...

步骤 4：第三步 —— 全文润色

最后一步让 AI 专注于 “磨细节”，比如优化语言流畅度、补充遗漏的小提示。同样，把第二步生成的 “初稿” 作为输入：

\# 第三步：全文润色prompt\_step3 = f"""请你对下面的文章初稿进行润色优化。要求：1\. 语言更口语化，像老师给新手讲课一样亲切，比如把“即可”改成“就可以”；2\. 在实战项目部分补充1个“注意事项”（比如“不要重命名系统文件”）；3\. 修正可能的语法错误，确保段落之间过渡自然。文章初稿：{first\_draft}"""\# 调用 qwen 润色全文final\_article = call\_qwen(prompt\_step3)print("\n=== 第三步：润色后的最终文章 ===")print(final\_article)

最终效果（核心提升）：

• 语言更亲切：比如把 “语法错误需修正” 改成 “遇到语法错误不用慌，先看提示里的‘红线’位置，大多是少了逗号或引号”；

• 细节更完善：在实战项目后加了 “注意事项：重命名前最好先备份文件，避免误删重要内容”；

• 过渡更自然：每个章节开头加了引导句，比如 “学会了基础工具，接下来我们就来拆解新手必学的核心知识点”。

四、Prompt Chain 的更多应用场景

除了写文章，Prompt Chain 还能用于很多场景：

• 做 PPT：先生成 PPT 大纲→再写每一页的内容→最后设计排版建议；

• 写报告：先确定报告框架→再收集数据填充内容→最后生成可视化图表描述；

• 解决数学题：先拆解题目已知条件→再选择解题方法→最后一步步计算过程。

核心逻辑都是 “拆分成小步骤，让 AI 专注每一步”。

五、总结

Prompt Chain 不是复杂的技术，而是一种 “让 AI 更高效工作” 的思维方式 —— 通过拆分任务、分步执行，解决 AI 一次性处理多任务时的 “分心”“过载” 问题。无论是新手还是资深用户，用对 Prompt Chain，都能让 AI 生成的内容质量、可控性大幅提升。

参考文章

1. Building effective agents
2. Prompt chaining (and why it matters more than you think)