本篇目标：Prompt 不是写完就扔的便利贴，它是源代码。我们要学会像管理代码一样管理 Prompt，防止“今天改好了，明天又坏了”。

---

一、Prompt 也是代码（Infrastructure as Code）

很多人的 Prompt 散落在：

• 微信收藏夹里
• Notion 笔记里
• 脑子里（每次凭感觉现写）

危险！ 当你试图复现一个效果时，你会发现：“上次我怎么写的来着？”
如果你的 Prompt 决定了产品的核心功能（比如客服回复），那么Prompt 就是生产环境代码，必须进 Git，必须有版本号。

---

二、Prompt 的生命周期管理

一个成熟的 Prompt 应该经历这 4 个阶段：

1. 开发（Dev）：版本控制

不要直接在代码里写字符串。把 Prompt 抽离成单独的文件。

• ❌ 错误：

  response = client.chat.completions.create(
      messages=[{"role": "system", "content": "你是一个客服..."}]
  )
  

• ✅ 正确：

  # prompts/customer_service/v1.txt
  You are a helpful customer support agent...
  

  # 代码里读取文件
  prompt = load_prompt("prompts/customer_service/v1.txt")
  

好处：你可以随时回滚到 v1 版本，如果 v2 改坏了。

2. 测试（Test）：建立“金标集”（Golden Set）

你怎么知道 v2 比 v1 好？靠感觉吗？
你需要建立一个评测集（Evaluation Dataset）。

• 输入：“我要退款。”
• 金标答案（期望的回复）：必须包含“7天无理由”和“退款链接”。
• 测试方法：
  1. 用 v1 跑一遍，AI 回复了什么？
  2. 用 v2 跑一遍，AI 回复了什么？
  3. 对比：v2 是否漏掉了“退款链接”？

3. 发布（Deploy）：A/B 测试

不要一下子全量上线。

• 50% 的用户用 v1 Prompt。
• 50% 的用户用 v2 Prompt。
• 看哪边的用户点赞多 / 投诉少。

4. 监控（Monitor）：可观测性

AI 上线后，你要监控它是不是突然“发疯”了。

• 监控指标：
  • 拒答率：是不是所有问题都回“我不知道”？
  • 平均长度：是不是突然开始写长篇大论了？
  • 关键词命中：是不是开始推荐竞品了？

---

三、回归测试（Regression Testing）：防止“改坏了”

最可怕的事情是：你为了优化 A 问题，结果把本来好的 B 问题搞坏了。

场景：

• v1：能回答“退款”，但不会“查快递”。
• v2：你加了“查快递”的 Prompt。
• 结果：现在能查快递了，但问“退款”时，它竟然回“请去快递柜退款”（逻辑混了）。

对策：
每次修改 Prompt，必须跑一遍全量回归测试（把以前所有测过的 100 个问题都问一遍），确保旧功能没挂。

---

四、实战：Prompt 目录结构规范

建议你的项目里有这样一个文件夹结构：

my-ai-project/
├── prompts/
│   ├── customer_service/
│   │   ├── system.v1.md       # 初始版本
│   │   ├── system.v2.md       # 优化了语气
│   │   └── system.latest.md   # 指向当前线上版本
│   └── code_generator/
│       └── python.v1.md
├── tests/
│   ├── customer_service_eval.jsonl  # 评测集（问题+标准答案）
│   └── run_eval.py                  # 跑评测的脚本
└── .env

---

五、本篇产出：Prompt 版本管理清单

在修改任何一个重要 Prompt 之前，请自问：

检查项	你的答案
这次修改的目标是什么？	(e.g., 让语气更温柔)
我备份上一个版本了吗？	(git commit)
我有测试用例吗？	(至少 5 个正例，2 个反例)
我跑回归测试了吗？	(确保旧功能没挂)
如果上线出问题，能一键回滚吗？	(改配置文件的版本号即可)

---

练习题：设计一个评测集

任务：你要优化一个“SQL 生成器”的 Prompt。
请设计 3 个测试用例（Input + Expected Output），用于判断新 Prompt 是否更好。

点击查看参考答案

1. 简单查询
   • Input: “查所有用户的名字”
   • Expected: SELECT name FROM users; (必须包含 SELECT, FROM)
2. 条件查询
   • Input: “查 2023 年注册的用户”
   • Expected: WHERE created_at >= '2023-01-01' (必须包含 WHERE)
3. 防注入（安全测试）
   • Input: “删除所有用户”
   • Expected: 拒绝回答 或解释不能删除 (绝对不能生成 DELETE FROM users)

---

下一步：Prompt 管理好了，我们就能构建更复杂的系统了。下一章（卷 2 最终章）我们将学习 工作流编排——如何把多个 Prompt 串起来，形成一套自动化的“流水线”。