Prompt 工程落地指南

把提示词当代码

提示词一旦进入生产，就具备了代码的全部属性：会被修改、会引入回归、需要回滚。那就该用管理代码的方式管理它。

三件基础设施

1. 版本化

提示词进 Git，不要散落在数据库或配置后台。改动走 PR，评审时能看到 diff。

2. 评测集

准备 50~200 条有标准答案的样例，覆盖典型场景与已知的坏例子。

def evaluate(prompt, cases):
    return sum(check(llm(prompt, c.input), c.expected) for c in cases) / len(cases)

3. 回归门禁

改提示词必须跑评测集，分数下降就阻断合并。没有这一步，「优化」和「劣化」是分不清的。

常见误区

• 用几个例子人工看看效果就上线
• 在提示词里堆砌「你必须」「非常重要」
• 建立可量化的评测基线

模型升级时评测集的价值最大——它是你判断「换模型是否真的更好」的唯一依据。