问题

一个巨型 prompt 想让模型一次完成"分析需求 → 设计方案 → 生成代码 → 写文档"，结果每个环节都做得半吊子——单次生成的质量随任务复杂度非线性下降。

核心模式

提示链（Prompt Chaining）：复杂任务拆成串联的专用步骤，每步一个聚焦的 prompt，步间以结构化产物衔接。

# 每步只做一件事，输出带 schema 校验
analysis  = run(ANALYZE_PROMPT, 需求文档)          # → 结构化需求清单
design    = run(DESIGN_PROMPT,  analysis)          # → 方案 + 取舍说明
code      = run(CODEGEN_PROMPT, design)            # → 代码
review    = run(REVIEW_PROMPT, code, design)       # → 审查意见
if review.has_blockers:
    code = run(FIX_PROMPT, code, review)           # 局部回环
docs      = run(DOCS_PROMPT,  code)

每步可以独立调优：prompt、模型档位、温度、校验规则都不同。链式结构让质量问题定位到步——输出不满意时，你知道该改哪一环。

实战要点

  • 步间产物用结构化格式（JSON schema），别用自由文本——自由文本在传递中信息逐层衰减
  • 每步加输出校验，不合格就地重试，坏 intermediate 不往下传（垃圾进垃圾出的连锁放大）
  • 允许局部回环（审查不过 → 回炉），但设全局迭代上限
  • 与 Agent 的关系：提示链是"流程已知的确定性任务"的最优解；路径不可预知的任务才需要 Agent 自主决策——别把一切都做成 Agent