我以为我掌握了 Prompt Engineering 的精髓。

直到上周，我那个跑了三个月的客服机器人突然开始给用户推荐“竞争对手的产品”。排查了半天，发现仅仅是因为 OpenAI 更新了模型权重，导致我那段精心雕琢的、长达 500 字的 systemic prompt 失效了。

我当时就想把电脑砸了。

我们在构建现代软件，却在用类似“求神拜佛”的方式在跟核心组件沟通。如果你还在花几个小时微调“请用温柔的语气”或者“深呼吸，一步步来”，恭喜你，你正在做无用功。

Prompt Engineering (提示词工程) 是个伪命题。未来属于 Prompt Programming (提示词编程)。

为什么你的 Prompt 总是崩？

手动写 Prompt 的最大问题是不可预测性。自然语言是模糊的，而软件工程需要精确。

当你写下 You are a helpful assistant 时，你实际上是在赌博。你赌模型的训练数据里包含了你想要的“helpful”的定义。但只要模型版本一变，或者 Temperature 稍微抖动一下，你的积木就塌了。

玄学调优（Vibe Checking）不是工程。如果你的系统依赖于具体的措辞，那它就是脆弱的。

方案一：强制结构化输出 (Structured Output)

别再让 LLM 返回纯文本了。那是给人看的，不是给程序读的。

如果你还在用正则表达式去匹配 LLM 的输出，请立刻停手。现代 LLM (GPT-4o, Claude 3.5 Sonnet) 都支持 Native 的结构化输出。

这是我生产环境中实际使用的 Python 代码，配合 Pydantic 和 Instructor：

import instructor
from pydantic import BaseModel, Field
from openai import OpenAI

# 定义你想要的严格数据结构
class UserIntent(BaseModel):
    category: str = Field(..., description="用户的意图分类，必须是 ['Refund', 'Support', 'Sales'] 之一")
    urgency: int = Field(..., description="紧急程度，1-10，10为最紧急")
    reasoning: str = Field(..., description="判断理由的思维链 (CoT)")

client = instructor.from_openai(OpenAI())

def analyze_request(user_input: str) -> UserIntent:
    return client.chat.completions.create(
        model="gpt-4o",
        response_model=UserIntent,
        messages=[
            {"role": "system", "content": "你是一个严谨的意图分类器。"},
            {"role": "user", "content": user_input},
        ],
    )

# 即使模型想废话，它也只能被迫返回 JSON
result = analyze_request("我刚买的会员完全不能用，立刻给我退钱！")
print(result.json(indent=2))
# {
#   "category": "Refund",
#   "urgency": 10,
#   "reasoning": "用户使用了'立刻'和感叹号，且涉及金钱交易，情绪激动。"
# }

看到 reasoning 字段了吗？这是关键。让模型先输出思维链，再输出分类结果，准确率能提升 30% 以上。但这不再是“提示词技巧”，这是类型系统 (Type System) 的胜利。

方案二：让模型自己优化 Prompt (DSPy)

如果手动写 Prompt 很蠢，那谁来写？答案是 AI 自己。

斯坦福大学搞出来的 DSPy 是目前最硬核的框架。它的核心理念极其反直觉：不要写 Prompt，要定义签名 (Signatures) 和 优化器 (Optimizers)。

这就好比从汇编语言进化到了 C 语言。你告诉 DSPy 你的输入是什么，输出想要什么，给它几个例子（Few-shot），然后 DSPy 会自己去编译出最优的 Prompt。

看看这个对比，这才叫工程化：

import dspy

# 1. 定义签名 (Signature) - 类似于函数接口
class Summarizer(dspy.Signature):
    """Summarize the text into a concise tweet."""
    article_content = dspy.InputField()
    tweet = dspy.OutputField(desc="under 280 chars, engaging")

# 2. 定义模块 (Module) - 类似于神经网络层
class TweetBot(dspy.Module):
    def __init__(self):
        super().__init__()
        self.generate = dspy.ChainOfThought(Summarizer)

    def forward(self, article_content):
        return self.generate(article_content=article_content)

# 3. 编译 (Compile) - 这步最这神奇
# 将 teleprompter 设置为 BootstrapFewShot，它会自动从训练集中寻找最佳例子塞进 Prompt
from dspy.teleprompt import BootstrapFewShot

# 假设 trainset 是一堆 (文章, 好推文) 的例子
optimizer = BootstrapFewShot(metric=dspy.evaluate.answer_exact_match)
compiled_bot = optimizer.compile(TweetBot(), trainset=my_dataset)

# 现在 compiled_bot 内部包含了一个经过数学优化的 Prompt
compiled_bot(article_content="DSPy is amazing...")

当你用 DSPy 时，你不再关心 Please 这个词放哪里更好。你关心的是数据集的质量和评估指标 (Metric)。这才是程序员该干的事。

方案三：自省循环 (The Refinement Loop)

就算有了结构化输出和 DSPy，模型偶尔还是会发疯。这时候你需要自省。

我在 n8n 里搭建这类工作流时，永远不会只调一次 LLM。我会设计一个 Generator -> Critic -> Refiner 的闭环。

1. Generator: 快速生成初稿。
2. Critic: 扮演“苛刻的 Code Reviewer”，检查初稿是否有逻辑漏洞或安全风险。
3. Refiner: 根据 Critic 的意见修复初稿。

这比你写一句 Please ensure correctness 管用一万倍。因为你把“检查”这个动作显式地变成了一个计算步骤，而不是一句空洞的指令。

总结

别再沉迷于收集“100个神级 prompt 模板”了。那都是快过期的垃圾。

真正的 Prompt 高手，都在写 Python 代码，都在设计 JSON Schema，都在构建自动化评估管线。

• 用 Pydantic/Zod 约束输出。
• 用 DSPy 优化流程。
• 用 n8n 编排闭环。

这才是 2025 年该有的样子。其他的一切，都是玩具。