黃柏菁

在AI時(shí)代，提示詞不再只是“寫給模型看的話”，而是產(chǎn)品能力的一部分。尤其在生產(chǎn)環(huán)境中，提示詞的結(jié)構(gòu)化、可維護(hù)性與可復(fù)用性，直接影響模型表現(xiàn)與交付效率。本文將深入探討如何借助XML與JSON兩種數(shù)據(jù)格式，構(gòu)建標(biāo)準(zhǔn)化、模塊化的提示詞體系，幫助你從“寫得對(duì)”邁向“寫得穩(wěn)、寫得久”的提示詞工程實(shí)踐。

不知道你有沒有遇到過(guò)這種情況：有時(shí)候測(cè)試環(huán)境中表現(xiàn)還行的自然語(yǔ)言Prompt，在生產(chǎn)環(huán)境中下表現(xiàn)出變更脆弱性、輸出的不穩(wěn)定性、維護(hù)的復(fù)雜性以及與現(xiàn)有業(yè)務(wù)系統(tǒng)集成的困難，成為了制約你的AI應(yīng)用安全平穩(wěn)運(yùn)行的瓶頸。

在我前期的提示詞撰寫工作中，就遇到了這些問(wèn)題。為了想辦法解決和緩解這些現(xiàn)象，我學(xué)習(xí)了如何利用XML和JSON這兩種語(yǔ)言構(gòu)建可維護(hù)、可擴(kuò)展且高度可靠的生產(chǎn)級(jí)提示詞，將自己的PromptEngineering提升到更專業(yè)的高度。

本文我將分享給大家如何利用這兩種語(yǔ)言來(lái)構(gòu)建屬于自己的生產(chǎn)提示詞。

一、生產(chǎn)級(jí)提示詞有更高的要求

面向企業(yè)的AI應(yīng)用或agent，要求輸出的可預(yù)測(cè)性、一致性和穩(wěn)定性，同時(shí)需要考慮后續(xù)擴(kuò)展和長(zhǎng)期維護(hù)。而由大段非結(jié)構(gòu)化自然語(yǔ)言構(gòu)成的Prompt，在滿足這些要求時(shí)存在一些缺陷：

輸出的不確定性：LLM對(duì)輸入文本的細(xì)微變化極其敏感。一個(gè)詞語(yǔ)的增刪、一句話的語(yǔ)序調(diào)整，都可能導(dǎo)致輸出格式或內(nèi)容發(fā)生無(wú)法預(yù)期的偏移，這對(duì)于需要穩(wěn)定API響應(yīng)的業(yè)務(wù)場(chǎng)景來(lái)說(shuō)是個(gè)問(wèn)題。

維護(hù)困難：隨著業(yè)務(wù)邏輯的迭代，Prompt會(huì)變得越來(lái)越長(zhǎng)、越來(lái)越復(fù)雜。當(dāng)這些“巨型Prompt”編碼在業(yè)務(wù)邏輯中時(shí)，調(diào)試、版本控制將變得非常麻煩。

集成的壁壘：模型的輸出有時(shí)候需要被其他系統(tǒng)調(diào)用。從非結(jié)構(gòu)化的文本中通過(guò)正則表達(dá)式或字符串分割來(lái)提取信息，是一種脆弱且低效的集成方式，任何格式的輕微變動(dòng)都可能導(dǎo)致下游解析邏輯的崩潰。

問(wèn)題定位不方便：純自然語(yǔ)言構(gòu)成的prompt如果在調(diào)試階段發(fā)現(xiàn)輸出與預(yù)期不符，如果編寫的結(jié)構(gòu)不夠清晰，那么定位問(wèn)題就會(huì)存在一定的難度，很難精確找到具體是哪一部分的哪句話或哪個(gè)詞不對(duì)勁。

二、用XML重構(gòu)提示詞：實(shí)現(xiàn)語(yǔ)義清晰與結(jié)構(gòu)化

XML（ExtensibleMarkupLanguage）作為一種設(shè)計(jì)用于傳輸和存儲(chǔ)數(shù)據(jù)的標(biāo)記語(yǔ)言，核心優(yōu)勢(shì)在于自描述性和層次化結(jié)構(gòu)。

語(yǔ)義清晰：XML的標(biāo)簽結(jié)構(gòu)讓AI能夠更好地理解不同部分的作用和重要性。相比于純文本，XML提供了明確的語(yǔ)義邊界。

層次分明：復(fù)雜的提示詞往往包含多個(gè)層次的信息，XML的嵌套結(jié)構(gòu)完美契合這一需求。

易于解析：現(xiàn)代AI模型對(duì)XML格式有很好的理解能力，能夠準(zhǔn)確識(shí)別和處理結(jié)構(gòu)化信息。

將這些特性應(yīng)用于提示詞設(shè)計(jì)，能在一定程度上緩解上述提到的問(wèn)題。

如何用XML撰寫提示詞

XML指令使用“標(biāo)簽”進(jìn)行組織，每個(gè)指令部分都用一個(gè)開放標(biāo)簽（例如，``）和一個(gè)相應(yīng)的閉合標(biāo)簽（``）包裹起來(lái)，閉合標(biāo)簽在名稱前包含一個(gè)正斜杠。

這種結(jié)構(gòu)類似于打包搬家時(shí)的箱子，主標(biāo)簽是最大的箱子，而像“角色”、“目標(biāo)”和“任務(wù)”這樣的子部分則是嵌套在其中的較小的箱子。這種分層方法允許清晰的組織和模塊化，人類和AI都能輕松閱讀和處理。

XML提示詞基本結(jié)構(gòu)設(shè)計(jì)原則：

使用語(yǔ)義化的標(biāo)簽名稱

保持層次結(jié)構(gòu)的邏輯性

將不同類型的信息分離到不同標(biāo)簽中

使用屬性來(lái)添加元數(shù)據(jù)

建議在撰寫時(shí)通過(guò)縮進(jìn)嵌套標(biāo)簽來(lái)保持結(jié)構(gòu)化外觀。

例子：

你是一個(gè)專業(yè)的旅行規(guī)劃師。

為我規(guī)劃一個(gè)為期三天的北京家庭游。

推薦3個(gè)必去景點(diǎn)和2個(gè)特色美食。

規(guī)劃每天的詳細(xì)行程，包括交通方式。

估算總預(yù)算，并按“交通/住宿/餐飲/門票”分類。

請(qǐng)按照下面的模板輸出內(nèi)容。。。

三、用JSON進(jìn)行提示詞的撰寫

用XML編寫提示詞能提供一致的輸出，但輸出仍然是一個(gè)整體。如果需要從輸出中提取多個(gè)特定字段（例如，標(biāo)題、正文或其他變量），就需要用到JSON。

JSON（JavaScriptObjectNotation）是一種輕量級(jí)的數(shù)據(jù)交換格式，是API通信和數(shù)據(jù)交換的通用語(yǔ)言。通過(guò)在提示詞中明確要求LLM生成符合特定JSONSchema的輸出，能夠解決系統(tǒng)集成的“最后一公里“難題。

它的核心價(jià)值在于：

可靠的機(jī)器解析：應(yīng)用后端可以直接將LLM返回的JSON字符串反序列化為對(duì)象或數(shù)據(jù)結(jié)構(gòu)，無(wú)需任何脆弱的文本解析邏輯。這讓AI的輸出變得像調(diào)用一個(gè)傳統(tǒng)的、確定性的API一樣可靠。

無(wú)縫的系統(tǒng)集成：結(jié)構(gòu)化的JSON輸出可以直接用于填充數(shù)據(jù)庫(kù)、調(diào)用其他API、驅(qū)動(dòng)前端UI渲染，或作為復(fù)雜工作流中下一步的輸入。

明確的數(shù)據(jù)結(jié)構(gòu)定義：定義JSONSchema本身也是在向模型施加一種強(qiáng)大的邏輯約束，迫使其思考如何將分析結(jié)果填充到預(yù)設(shè)的字段中，這反過(guò)來(lái)也提升了輸出內(nèi)容的質(zhì)量和完整性。

示例數(shù)據(jù)提供：通過(guò)JSON格式的示例，模型能夠更好地理解期望的輸出格式。

用JSON撰寫提示詞的設(shè)計(jì)技巧

使用清晰的鍵名

合理組織數(shù)據(jù)層次

提供完整的示例

包含必要的元數(shù)據(jù)

以下json內(nèi)容表示的是對(duì)輸出格式的要求，包括輸出框架和每個(gè)部分字段的數(shù)據(jù)類型。

從“玩具”到“工程”

AI的強(qiáng)大，不僅在于模型本身，更在于我們?nèi)绾闻c它互動(dòng)。從今天起，試著用“結(jié)構(gòu)化”的方式來(lái)編寫提示詞吧。

把提示詞當(dāng)成一個(gè)嚴(yán)肅的工程，而不是一個(gè)隨意擺弄的“玩具”。通過(guò)采用XML來(lái)結(jié)構(gòu)化輸入指令，并利用JSON來(lái)約束輸出格式，構(gòu)建一個(gè)可維護(hù)、可擴(kuò)展、可預(yù)測(cè)的AI產(chǎn)品！

十三本情節(jié)好評(píng)如潮的高分小說(shuō),讓讀者熱血沸騰,書荒不要錯(cuò)過(guò)!

12本剛完結(jié)獵魔人小說(shuō),黑夜中守望黎明,浴血斬殺怪物,冒險(xiǎn)傳奇

小說(shuō):神奧冠軍想入火箭隊(duì)高層,挑戰(zhàn)眾高手,慘被團(tuán)滅!