提示串联
Prompt chaining
学到 会用 就够:能亲手用起来
你可能会说
“我想先提取论文事实,再根据事实写比较,最后润色文字;为什么把这些任务拆开串联,有时比一个长提示更容易检查?”
提示串联把复杂任务分成若干模型调用,前一步结果成为后一步输入,并可在中间加入检查;它是一种流程结构,不会自动纠正上游错误。
使用 AI
科研里的例子
先从原文提取样本与识别方法,核对通过后再比较研究结论;最后的语言修改只读已确认事实,不允许新增文献或结果。
这种做法适合能清楚拆成固定小任务的工作,例如抽取、核对和写作。每步更容易定义输入输出,也方便人工拦截错误,但它增加调用和信息传递,前一步漏掉限制可能在后面被当作确定事实。串联前应确定哪些信息必须保留、什么条件下不能继续。若一步已经能可靠完成,过度拆分反而可能制造版本混乱和额外成本。
在你的学科里,直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话:[粘贴] 可用材料:[列出文件、表、链接或说明目前没有材料] 使用者与用途:[填写] 先用普通中文复述目标,再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果,最多问3个问题;其他假设明确列出。先交付任务说明,不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。 问题:[填写] 数据字典及已有规则:[提供] 可用软件与现有代码:[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
判断
亲手检查一次
检查每步是否增加可验证价值,确认关键限制随输入传递;在中间故意放一个错误,看流程能否识别并阻止它进入终稿。
它做不到的
多一步并不等于多一层独立验证,尤其当后续模型只看上游摘要;语言越流畅也可能越掩盖早先的证据缺口。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Anthropic — Building effective agents2026-11-06 核对
- OpenAI — Prompt engineering2026-11-06 核对
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。