(02) 为什么你的 AI 总是丢三落四?试试链式提示词

你有没有遇到过这种情况——给 AI 一条超长的提示词，要求它同时完成总结、提取数据、写邮件三件事，结果只做对了第一件，后面全跑偏了？

这不是 AI 不够聪明，是你给它塞的东西太多了。提示词链就是解决这个问题的第一种设计模式。

提示词链（Prompt Chaining），也叫管道模式（Pipeline），核心思路就一句话：把复杂任务拆成一系列小步骤，前一步的输出是后一步的输入。

想象一个工厂流水线：原材料进来→切割→打磨→喷漆→质检→包装出库。每一步只做一件事，但串联起来就能完成复杂的产品制造。提示词链也是这个道理——每一步用一个专门设计的提示词，让 LLM 聚焦于一个子任务。

原书给出了一个经典的例子。假设你要处理一份市场研究报告，要求包含：总结发现、识别趋势、起草邮件。如果用一条提示词全部搞定，LLM 很可能指令忽略（跳过部分要求）、上下文偏离（忘了开头说了什么）、甚至幻觉（压力太大编造信息）。

用提示词链就清晰了：

1. 1. 提示词 1：总结这份市场报告的主要发现
2. 2. 提示词 2：基于上面的总结，识别前三大趋势并提取数据
3. 3. 提示词 3：根据识别的趋势，给营销团队起草一封邮件

每一步的 LLM 认知负荷大幅降低，输出更准确、更可控。

为什么需要它：单一提示词的五个坑

原书明确列出了单一复杂提示词的五个典型问题：

提示词链通过分而治之解决这些问题：每个步骤只聚焦一个子任务，模型压力小、出错少。而且中间可以加程序化检查点（guardrails），某一步不合格就拦下来重做，不让错误往后传。

怎么用：关键设计要点

步骤之间传结构化数据

链条的可靠性取决于步骤之间传递的数据质量。如果上一步输出一段含糊的自然语言，下一步很可能误解。

原书建议：用 JSON 或 XML 等结构化格式作为步骤间的传递格式。例如，趋势识别这一步的输出可以格式化为：

{  "trends": [    {      "trend_name": "AI 个性化",      "supporting_data": "73% 的消费者更愿意与使用个人信息的品牌交易"    }  ]}

机器可读、无歧义、可直接注入下一步。 这是构建健壮链式系统的基础。

每一步可以分配不同角色

为了让每步输出更专业，可以给 LLM 分配不同身份：第一步当“市场分析师”，第二步当“趋势研究员”，第三步当“商务写作专家”。角色切换让模型在每个子任务上更聚焦。

用框架管理链条

原书推荐 LangChain 和 LangGraph 来实现提示词链。一个最简示例：

from langchain_openai import ChatOpenAIfrom langchain_core.prompts import ChatPromptTemplatefrom langchain_core.output_parsers import StrOutputParserllm = ChatOpenAI(temperature=0)# 步骤 1：提取技术规格prompt_extract = ChatPromptTemplate.from_template(    "从以下文本中提取技术规格：\n\n{text_input}")# 步骤 2：转换为 JSONprompt_transform = ChatPromptTemplate.from_template(    "将以下规格转为 JSON，使用'cpu'、'memory'、'storage'作为键：\n\n{specifications}")# 用 LCEL 串联extraction_chain = prompt_extract | llm | StrOutputParser()full_chain = (    {"specifications": extraction_chain}    | prompt_transform    | llm    | StrOutputParser())result = full_chain.invoke({"text_input": "新款笔记本配备 3.5GHz 八核处理器、16GB 内存和 1TB 固态硬盘。"})print(result)

两个提示词通过 LangChain 表达式语言（LCEL）优雅串联，第一步的输出自动成为第二步的输入。

什么时候用，什么时候别用

提示词链是 Agent 工作流的地基——当你需要把一个大任务拆成有序的步骤链时，它是第一个该想到的模式。

行动建议

• • 如果你刚开始学 Agent：动手跑一遍上面的 LangChain 示例代码，体会“前一步输出→后一步输入”的数据流转
• • 如果你已有 Agent 开发经验：检查你的工作流中是否有“一条提示词做太多事”的情况，试着拆成链式结构，对比效果
• • 如果你在设计系统架构：把提示词链作为基础编排模式，在它之上叠加路由和并行化来构建更复杂的 Agent 系统

本系列文章基于 O'Reilly《Agentic Design Patterns》原书内容整理原书作者：Vishal Rajput中文翻译参考：xindoo/agentic-design-patterns^[1]

引用链接

[1] xindoo/agentic-design-patterns: https://github.com/xindoo/agentic-design-patterns