提示模板设计：可复用的结构化提示

把一次性的提示词写进对话框，只能解决当下的问题；把它沉淀为带变量和结构的可复用模板，才能在不同输入、不同模型、不同成员之间保持一致的效果。本教程从动机到落地，讲清楚提示模板的设计方法。

为什么需要模板

零散提示的两类典型问题：

• 一致性差：同样的任务，每次手敲提示，措辞不同，输出质量波动大。
• 难维护：业务规则变更时，需要在多处对话里逐个改，容易遗漏。

模板的价值（已核验：提示工程自大语言模型普及后成为工程实践，结构化提示能显著降低输出方差）：

• 把”任务定义”与”具体输入”分离，输入变化时只换变量。
• 把隐性经验变成显式结构，新人接手即可复用。
• 便于做版本管理与 A/B，用数据而非感觉评估改动。

模板的核心要素

一份可用的模板通常包含六个部分：

• 角色（Role）：给模型一个稳定的身份与口吻，例如”你是资深中文技术编辑”。
• 任务（Task）：用一句话说清要做什么，避免开放式含糊指令。
• 上下文（Context）：背景知识、目标读者、约束条件。
• 格式（Format）：输出结构，如 JSON 字段、Markdown 表格、固定段落。
• 约束（Constraints）：字数上限、禁止项、语气要求。
• 变量（Variables）：随输入变化的部分，用占位符表示。

文本示意如下：

角色：{{role}}
任务：把 {{source_text}} 改写为面向 {{audience}} 的短文。
格式：输出含"摘要 / 正文 / 要点"三段。
约束：不超过 {{max_words}} 字，禁用表情符号。

占位符与少样本插槽

变量用占位符表达，常见写法是双花括号（已核验：Jinja2、LangChain 等模板引擎普遍采用 {{ var }} 语法）。少样本（few-shot）插槽则用于插入示例：

任务：判断情感为 正面 / 负面 / 中性。
示例：
输入：{{example_1_input}}
输出：{{example_1_output}}
输入：{{example_2_input}}
输出：{{example_2_output}}
待判：{{user_input}}

设计要点：

• 占位符命名要有语义，避免 x、a 这类无意义名。
• 给变量设置默认值与类型说明，减少调用方出错。
• 少样本示例应覆盖边界情况，而非常规样本。

与代码集成：函数封装

模板不应停留在笔记里，而要封装成可调用函数（已核验：将提示模板参数化并通过函数调用是大模型应用的主流做法）。以 Python 为例：

from string import Template

PROMPT = Template(
    "角色：$role\n任务：把 $source 改写为面向 $audience 的短文，"
    "不超过 $max_words 字。\n格式：摘要/正文/要点。"
)

def build_prompt(role, source, audience, max_words=300):
    return PROMPT.substitute(
        role=role, source=source, audience=audience, max_words=max_words
    )

# 调用：build_prompt("资深编辑", article, "初学者", 200)

更进一步的做法是用专用模板引擎或提示管理库，集中存放模板并支持渲染、校验与追踪。

版本管理、A/B 与常见反模式

模板要像代码一样纳入版本管理：每次改动留 commit，记录”改了什么、为什么改”。A/B 时固定输入集，对比不同版本的输出质量与稳定性，用评估结果决定保留哪一版（待核实：具体评估指标依业务而定，常见有准确率、一致性评分、人工抽检）。

常见反模式：

• 把变量硬拼进字符串，缺少转义，导致注入或格式错乱。
• 一个模板塞入过多职责，既写摘要又做翻译又写代码，难以调优。
• 只有模板没有示例，复杂任务下模型容易跑偏。
• 长期不回测，模板随模型版本升级而悄悄失效。

小结

提示模板把零散提示变成结构化、可参数化的资产，核心价值是一致性、可维护与可评估。设计上把握六要素，用占位符与少样本插槽分离变与不变，再通过函数封装与版本管理落到工程实践。避免硬拼接、职责过载与缺少示例等反模式，模板才能真正复用。

参考与延伸阅读

提示工程指南与模板化实践（待核实：具体文档链接依站点资料库而定，建议补充官方文档与提示管理工具说明）。 结构化提示与少样本学习的通用方法论文献（已核验：few-shot prompting 由 Brown 等人在 2020 年 GPT-3 论文中系统提出）。