提示词怎么做版本管理？让 AI 应用可测试、可回滚

提示词写在代码里、复制在表格里、散落在聊天记录里，是很多 AI 应用早期的常态。问题是：某天效果变差时，没有人知道改了什么、影响了哪些用户，也无法安全回退。

把提示词当作产品配置和代码一样管理，才能让 AI 行为逐步稳定下来。

一份提示词至少要有这些信息

• 唯一名称和版本号
• 内容、变量说明和输出格式
• 修改原因与负责人
• 适用的模型、参数和工具版本
• 对应测试集与评测结果

不要只存一段文本。模型、温度、上下文模板、工具描述改变，都可能改变最终行为，应当一起记录。

一个轻量工作流

1. 在仓库或配置系统中保存提示词文件。
2. 每次修改创建新版本，不覆盖旧版本。
3. 用固定测试集跑回归，比较正确性、格式、成本和延迟。
4. 先小流量灰度，观察真实失败案例。
5. 指标变差时立即切回上一版本。

这和普通软件发布没有本质区别：先验证，再逐步放量，保留回滚路径。

测试集不该只有“好问题”

除了正常案例，还要加入模糊提问、缺资料、冲突指令、超长输入、敏感请求和格式错误。否则提示词只会在演示时表现很好，上线后却被真实用户轻易击穿。

需要特别记录“无答案时应该怎样回复”。让模型承认不知道，通常比强行编一个流畅答案更有价值。

日志帮助你找到真正原因

每次调用应关联提示词版本、模型版本、输入摘要、工具结果、输出、耗时和成本。注意敏感数据要脱敏或最小化保存。

当用户说“昨天还好好的”，你才能比较两个版本的真实输入输出，而不是靠记忆猜测。

总结

提示词不是一次性的文案，而是 AI 产品的行为配置。版本化、回归测试、灰度、日志和回滚这五件事，能让调提示词从玄学变成工程。关于如何组织模型输入，可继续看什么是上下文工程。