先把结论摆这儿：Prompt 别直接在生产上改，每一版存成带编号的快照（v3、v4 这种），出事第一反应是把指针切回上一版,而不是趴在出问题的那版上硬调。回滚要能在一两分钟内完成,改的时候只动一个变量。下面是我自己怎么栽进去、又怎么爬出来的。
那天是 5 月底,周四下午四点多。我们一个客服分流的 Prompt,跑了快两个月一直挺稳。产品同学来提需求,说想让回复"再客气一点,多带点共情",顺手给了两句话术示例。我看了眼,觉得这不就加几行说明的事么,五分钟搞定。
于是我就直接在线上那版上改了。加了一段语气引导,塞了俩 few-shot 例子,自己手测了三四条,看着都挺顺,点了保存。然后下班。
晚上八点群里炸了。运营截图甩过来,说有用户问"能不能退款",机器人回了一长段嘘寒问暖,绕了三句才说到"已为您转接人工"。更离谱的是有个走查表里要求必须吐出的字段order_id,有些回复里直接没了。后来复盘才搞明白——我加的那段"多共情"的示例,无意中把模型的注意力从结构化输出带跑偏了,它光顾着暖,把硬性字段给吞了。
最糟的是那一刻我手忙脚乱。改之前那版长什么样?我没存。靠记忆往回抠,删了 few-shot、改了语气那段、又怕删多了,改一句测一句,前后折腾了快四十分钟才大致回到能用的状态。线上就这么瘸着跑了大半个晚上。
事后我把这事认真当个工程问题来对待,而不是"下次小心点"这种废话。小心是没用的,人一定会改错,要做的是让"改错"这件事的代价变小。我定了几条土规矩:
任何线上 Prompt,改之前先把当前版本另存一份,编号往上走,绝不在现役版本上原地改。
一次只改一个东西。要么动语气,要么动 few-shot,要么动输出格式,别一把梭。出了问题才知道是谁干的。
回滚不是"重新写回去",是"把线上指向的版本号切回上一个"。这俩在心态和耗时上差着十万八千里。
每版留一句话备注:改了啥、为啥改。三周后你绝对不记得 v6 和 v7 差在哪。
道理我都懂,但靠 Git 存 txt、自己拿表格记版本号,太累了,坚持不了三天。真正让我把这套习惯落下来的,是后来搭智能体的工具本身就把这事接管了。
说个具体的。前阵子我想给团队搞个内部的"周报汇总小助手",拉各人飞书里零散的进度,按模板拼成一份。我本来都想好要写多少胶水代码了——结果用了一个零代码就能配智能体的平台,拖几个节点、把 Prompt 填进去、挂个现成模型,半天就跑起来了,一行业务代码没写。重点是它每改一版 Prompt 都自己留快照,我点开历史能看到 v1 到 v9 每一版长啥样,想切回哪版点一下就回去了。那种当晚抠记忆的噩梦,在它这儿就是两秒钟的事。
它还顺手帮我治了另一个老毛病:模型瞎解释我们内部黑话。我把团队的术语口径丢进它的私有知识库,让它带着检索去生成,"DAU 口径""灰度批次"这些它就不再自由发挥了。
当然不是说它有多神。学习曲线是有的,头一回找那些变量映射、节点入参在哪配,我对着界面愣了一会儿。它也就是个干杂活的,真正难的业务判断还得人来,Prompt 写得干瘪它照样给你干瘪的结果——第一版我图省事写太简略,出来的周报跟流水账似的,还是回去把要求写细了才像样。响应偶尔也慢半拍。但跟我从前裸奔的状态比,有版本兜底这一条,就足够让我睡得着了。
现在我对线上 Prompt 的态度变了。改它不再让我心里发毛,因为我知道最坏情况就是切回上一版,一分钟的事,天塌不下来。能从容地改,本身就是一种底气。
你们线上的 Prompt 出过这种"改一版全崩"的事没?都是怎么扛过去的——评论区聊聊,我想看看别人有没有更狠的招。
(模型这块我直接走的讯飞星辰MaaS,现成 API 调,没自己搭算力。)