迭代

从手工艺到工程：Prompt 优化的范式转变 大多数开发者在接触 LLM 初期，Prompt 优化的方式是这样的：想一个提示词，在几条测试用例上跑一下，看看效果，感觉不错就用，感觉不行就改几个字再试。这种方式本质上是手工艺——依赖个人经验和直觉，难以复制，难以扩展，难以追踪。 当你的应用从 Demo 走向生产，从几个用例变成几千个用例，从单一模型变成多模型对比，这种手工艺方式就会彻底失效。你需要的是一套工程化的 Prompt 迭代流程——有版本管理、有评估指标、有自动化测试、有持续优化机制。 本文将介绍如何建立这样一套系统化的 Prompt 迭代优化流程。 Prompt 即代码：版本管理 为什么需要 Prompt 版本管理 Prompt 是 LLM 应用的"源代码"。和传统代码一样，它需要版本管理来： 追踪每次修改的内容和原因 在新版本出问题时快速回滚 对比不同版本的效果差异 管理不同环境（开发/测试/生产）的 Prompt 实践方案 方案一：Git 仓库管理 将 Prompt 作为结构化文件存储在 Git 仓库中： prompts/ ├── README.md ├── customer_service/ │ ├── v1.0/ │ │ ├── system.txt │ │ ├── user_template.txt │ │ └── config.yaml │ ├── v1.1/ │ │ ├── system.txt │ │ ├── user_template.txt │ │ └── config.yaml │ └── current -> v1.1 ├── code_review/ │ └── ... └── shared/ ├── safety.txt └── format_guidelines.txt 方案二：数据库管理 ...