Agent 设计模式：提示链（Prompt Chaining）

什么是提示链？

提示链（Prompt Chaining） 是最基础的 Agent 设计模式之一。

核心思想：把一个复杂任务拆成多个步骤，每个步骤用一个独立的提示词处理，前一步的输出作为后一步的输入——串起来像链条一样。

1

用户输入 → 提示1 → 输出1 → 提示2 → 输出2 → ... → 最终结果

为什么需要提示链？

代码示例：文章摘要生成链

下面用 GLM-5 实现一个简单的提示链：文章 → 摘要 → 标题建议

Step 1：定义提示链函数

Step 2：调用提示链

Step 3：执行效果

提示链 vs Agent 自主规划

提示链：你规定"先翻译，再校对"，模型按你定义的步骤执行。

Agent 自主规划：你只给目标"帮我翻译并校对这段文字"，模型自己决定分几步、每步做什么。

提示链的适用边界

✅ 适合：场景明确、流程固定

1
2
3

输入：任意英文文章
流程：翻译 → 校对 → 润色（固定3步）
输出：中文译文

输入内容可以千变万化，但任务类型是固定的。

常见场景：

• 文档处理：翻译、摘要、审核
• 代码生成：设计 → 实现 → 测试
• 数据分析：提取 → 清洗 → 可视化

❌ 不适合：完全开放、无法预测

1
2
3
4
5

用户可能说：
- "帮我写个加密函数"
- "解释一下SM2算法"
- "翻译这段文字"
- "今天天气怎么样"

你无法预先定义"翻译链"、“写代码链”、“聊天链"哪条会被触发。

总结

提示链 = 你写好菜谱，模型按步骤做菜。

它是最基础的 Agent 设计模式，理解它是学习更复杂模式（如并行执行、条件分支、循环）的前提。