公司网站域名过期旅游网页设计模板图凡科

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？

1. 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。

2. 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”。

3. 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？

1. 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。

2. 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": "..."}
     

3. 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

---

四、产品经理思考

1. 为什么 PM 要推动 Prompt 模板化？

• 可控性：输出风格统一，降低不可控风险。
• 可维护性：方便团队调试和更新，不依赖个人经验。
• 可扩展性：适配不同场景（客服、教育、金融），只需切换模板。

2. 在 PRD 中怎么写？

• 功能需求：系统支持 Prompt 模板化与参数化。
• 非功能需求：不同部门可以配置自己的模板，输出风格必须统一。
• 验收标准：相同问题在 10 次调用中，输出格式和风格保持一致。

3. 案例

• 教育场景：固定输出格式 → “逐步推理 + 总结”。
• 客服场景：固定语气 → “您好，请您……”。
• 金融场景：固定免责声明 → “以下信息仅供参考，不构成投资建议”。

---

五、小结

今天我们学习了：

• Prompt 模板化和参数化的概念与价值。
• 用 Python 写了一个小工具，把问题自动填进模板。
• PM 视角：模板化能让 AI 产品更可控、更统一，也方便迭代和扩展。

---