05. 提示程序（Prompt Programs）

概述

本指南介绍如何将提示组织成可重用、可组合的程序，以实现更复杂和强大的AI系统。

核心概念

模块化提示 - 将提示分解为可重用的组件
提示组合 - 组合多个提示以解决复杂问题
条件执行 - 根据条件选择不同的提示分支
循环和迭代 - 实现重复的提示执行
状态管理 - 跟踪和管理提示间的状态

提示程序架构

基本结构

提示程序
├── 初始化阶段
│   ├── 设置变量
│   ├── 加载上下文
│   └── 定义目标
├── 处理阶段
│   ├── 多个提示块
│   ├── 条件分支
│   └── 循环结构
├── 聚合阶段
│   ├── 收集结果
│   ├── 综合信息
│   └── 生成最终输出
└── 验证阶段
    ├── 检查质量
    ├── 错误处理
    └── 反馈循环

设计模式

模式 1: 管道（Pipeline）

结构:

输入 → 步骤1 → 步骤2 → 步骤3 → 输出

示例:

原始文本 → 清洁 → 提取信息 → 格式化 → 输出

适用场景:

顺序处理
数据转换
逐步精化

模式 2: 分支（Branching）

结构:

输入
  ├─ 条件1 → 分支A → 输出1
  ├─ 条件2 → 分支B → 输出2
  └─ 条件3 → 分支C → 输出3

示例:

问题分类
  ├─ 技术问题 → 技术支持流程
  ├─ 账户问题 → 账户管理流程
  └─ 其他问题 → 一般咨询流程

适用场景:

根据输入选择不同路径
多个处理分支
决策树

模式 3: 循环（Loop）

结构:

初始化
  ↓
执行提示
  ↓
评估结果
  ↓ 未完成
重复
  ↓ 完成
输出

示例:

生成代码 → 测试 → 错误? → 调试提示 → 重新生成
                  ↓ 无错误
               返回代码

适用场景:

迭代改进
直到满足条件
多轮对话

模式 4: 分而治之（Divide and Conquer）

结构:

大问题
  ├─ 分解1 → 解决1
  ├─ 分解2 → 解决2
  ├─ 分解3 → 解决3
  └─ 合并 → 综合答案

示例:

长文档总结
  ├─ 分割成段落
  ├─ 各段独立总结
  ├─ 综合各段摘要
  └─ 生成整体总结

适用场景:

大规模问题
并行处理
复杂分析

模式 5: 多智能体（Multi-Agent）

结构:

协调器
├─ Agent1（专家1）
├─ Agent2（专家2）
├─ Agent3（专家3）
└─ 聚合结果

示例:

复杂决策
├─ 技术评估
├─ 成本分析
├─ 风险评估
└─ 综合建议

适用场景:

需要多个视角
复杂决策
专业领域分析

实现技巧

1. 模块设计

python

# 定义可重用的提示模块
class PromptModule:
    def __init__(self, name, template, parameters):
        self.name = name
        self.template = template
        self.parameters = parameters

    def execute(self, context):
        # 执行提示
        pass

    def validate_output(self, output):
        # 验证输出
        pass

2. 上下文管理

python

# 管理提示间的上下文传递
class PromptContext:
    def __init__(self):
        self.variables = {}
        self.history = []

    def set(self, key, value):
        self.variables[key] = value

    def get(self, key):
        return self.variables.get(key)

    def save_step(self, step_name, result):
        self.history.append((step_name, result))

3. 错误处理

python

# 在提示程序中处理错误
try:
    result = execute_prompt(input_data)
    if not validate_result(result):
        # 尝试替代方案
        result = execute_fallback_prompt(input_data)
except Exception as e:
    # 错误处理和恢复
    result = handle_error(e, input_data)

4. 性能优化

缓存 - 缓存重复的提示结果
并行化 - 并行执行独立步骤
批处理 - 批量处理多个请求
流式处理 - 流式返回结果

实际例子

例子 1: 文档分析系统

输入: 原始文档
  ↓
步骤1: 清洁和规范化
  ↓
步骤2: 提取关键信息
  ↓
步骤3: 进行情感分析
  ↓
步骤4: 生成摘要
  ↓
步骤5: 识别行动项
  ↓
输出: 结构化分析报告

例子 2: 客服助手系统

客户输入
  ↓
意图识别
  ├─ 常见问题? → FAQ数据库查询 → 返回答案
  ├─ 账户问题? → 账户查询系统 → 返回账户信息
  └─ 复杂问题? → 逐步问诊 → 生成解决方案
  ↓
满意度评估
  ├─ 满意 → 结束
  └─ 不满意 → 升级到人工客服

例子 3: 研究论文分析

论文输入
  ↓
并行分析
├─ Agent1: 提取核心贡献
├─ Agent2: 评估方法论
├─ Agent3: 识别局限性
└─ Agent4: 分析影响
  ↓
结果综合
  ↓
生成分析报告

调试和优化

调试技巧

日志记录 - 记录每一步的输入和输出
断点 - 在关键步骤暂停执行
验证检查 - 在各步骤验证中间结果
单元测试 - 测试各个模块

优化方向

减少步骤数 - 简化程序流程
减少Token使用 - 优化提示内容
提高并行度 - 增加并行执行
改进缓存 - 更好地利用缓存

最佳实践

清晰的设计 - 明确定义程序流程
模块化 - 创建可重用的模块
错误处理 - 优雅处理失败
文档化 - 记录程序逻辑
测试 - 充分测试各个部分
监控 - 跟踪系统性能
迭代改进 - 基于使用情况改进

高级主题

动态提示生成 - 在运行时生成提示
学习反馈 - 从执行结果学习
自适应程序 - 根据上下文调整程序
分布式执行 - 在多个系统上执行
版本管理 - 管理提示程序的版本

工具和框架

LangChain - 提示链框架
LlamaIndex - 数据索引和检索
Semantic Kernel - 提示编排
Agents and Tools - Agent框架

下一步

学习 06_schema_design.md - 结构化架构设计
探索 07_recursive_patterns.md - 递归和自相似模式
研究 00_min_prompt.md - 基础提示设计

05. 提示程序（Prompt Programs） ​

概述 ​

核心概念 ​

提示程序架构 ​

基本结构 ​

设计模式 ​

模式 1: 管道（Pipeline） ​

模式 2: 分支（Branching） ​

模式 3: 循环（Loop） ​

模式 4: 分而治之（Divide and Conquer） ​

模式 5: 多智能体（Multi-Agent） ​

实现技巧 ​

1. 模块设计 ​

2. 上下文管理 ​

3. 错误处理 ​

4. 性能优化 ​

实际例子 ​

例子 1: 文档分析系统 ​

例子 2: 客服助手系统 ​

例子 3: 研究论文分析 ​

调试和优化 ​

调试技巧 ​

优化方向 ​

最佳实践 ​

高级主题 ​

工具和框架 ​

下一步 ​

相关资源 ​

05. 提示程序（Prompt Programs）

概述

核心概念

提示程序架构

基本结构

设计模式

模式 1: 管道（Pipeline）

模式 2: 分支（Branching）

模式 3: 循环（Loop）

模式 4: 分而治之（Divide and Conquer）

模式 5: 多智能体（Multi-Agent）

实现技巧

1. 模块设计

2. 上下文管理

3. 错误处理

4. 性能优化

实际例子

例子 1: 文档分析系统

例子 2: 客服助手系统

例子 3: 研究论文分析

调试和优化

调试技巧

优化方向

最佳实践

高级主题

工具和框架

下一步

相关资源