提示词模板：固定部分、具名变量，以及放进版本管理

开始之前

挑一条你已经发过不止一次、每次只改几个词的提示词：给客户的回复、会议纪要、合并请求的审查意见，哪一种都行。学完这一课，它就会变成一个模板，也就是只写一次的固定指令、每个可变值各有一个具名空位，并且作为一个文件存在你的代码仓库里。

示例用 Python 3，第一个示例只是拼出一段字符串。大多数模板的固定部分最后都会放进系统提示词，第一门课讲过系统提示词。上一课里的提示链，其实已经用上了只有一个空位的模板。

填好模板，再把变量圈起来

Anthropic 的提示词工程教程用普通的 Python f-string 来做模板，见第 4 章“分开数据和指令”。固定的骨架只写一次，每个变量在提示词发给 Claude 之前填进去。它的第一个例子只有一个空位，就是放在指令末尾的动物名称。

第二个例子演示了会出什么问题。模板先写“Yo Claude.”，紧跟着就贴进一封邮件。邮件填进去以后，没有任何标记说明它从哪里开始。教程自己运行时，Claude 把“Yo Claude”当成了邮件的一部分，改写出来的邮件开头是“Dear Claude”。把这个值放进 XML 标签之后，问题就解决了，别的什么都没改。

# Variable content
EMAIL = "Show up at 6am tomorrow because I'm the CEO and I say so."

# Prompt template with a placeholder for the variable content
PROMPT = f"Yo Claude. {EMAIL} <----- Make this email more polite but don't change anything else about it."

# The same template with the variable wrapped in XML tags
PROMPT = f"Yo Claude. <email>{EMAIL}</email> <----- Make this email more polite but don't change anything else about it."

1. 按装进去的内容给每个空位起名。教程说 ANIMAL 也可以叫 CREATURE 或者 A，但名字具体一些，模板在填值之前也看得懂。
2. 用 f-string 或 format() 把值填进去。一个模板想放多少个变量都可以。
3. 每个值都用以它命名的 XML 标签包起来，比如 email 或 question，让模型看清数据从哪里开始、到哪里结束。
4. 发送之前先把完整的提示词打印出来，教程的每个单元格都是这么做的。漏填的值或多出来的字符，在这里最先暴露。

读一个来自 Anthropic 提示词工程师的示例模板

在 2024 年 2 月的一篇文章里，Anthropic 讲述了它的一位提示词工程师和一家财富 500 强公司的领域专家的合作。他们做的是一个运行在 Claude Instant 上、面向客户的聊天助手。文章说，这项工作让 Claude 的准确率提高了 20%。为了演示这些技巧，文章还给出了一条税务分析师的示例提示词，下面的模板就是它。模板的空位用双大括号表示，每个空位都放在一个 XML 标签里。

从上往下读，顺序本身就告诉你每一部分多久变一次。角色和指令永远不变。税法条文和示例随话题变化。用户的问题每次调用都不同，所以放在靠后的位置，后面只跟着固定的作答要求。原文还带着当年 Human: 和 Assistant: 的轮次标记，下面的版本把它们去掉了。

You are an expert AI tax analyst. You help users understand the details of the tax code.
Here is the relevant section of the tax code.
<tax_code>
{{TAX_CODE}}
</tax_code>
Here are some examples of questions and answers about this section of the tax code:
<examples>
<example>
<question>
{{EXAMPLE QUESTION 1}}
</question>
<answer>
{{EXAMPLE ANSWER 1}}
</answer>
</example>
...
</examples>
Now here is the user's question about the tax code that I'd like you to answer:
<question>{{QUESTION}}</question>
First, pull relevant quotes from the tax code in <relevant_quotes> tags. Then write a concise, factual response to the user's question in <answer> tags. Your answer should be fully grounded in the relevant quotes from the tax code that you extracted.

固定部分放最前面，方便提示词缓存

提示词缓存让模型不必把同一段开头再处理一遍。只有新请求的开头和之前某个请求逐个 token 完全一致时，它才起作用。能不能做到，取决于你的模板。

OpenAI 的提示词工程指南说，要把反复使用的内容放在提示词开头，并放在请求体里靠前的参数中。它的缓存指南点明了陷阱：时间戳、和用户相关的内容以及其他动态内容，要放在末尾而不是开头。同一份提示词指南还把开发者消息的结构列为身份、指令、示例和上下文，上下文放在靠后的位置，因为每次请求都可能不同。

模板顶部只要有一行“当前时间：14:02 UTC”，每次调用的前缀就都不一样，没有哪次请求能复用上一次的缓存。把这一行挪到参考材料下面，固定部分就又能缓存了。Claude 的缓存在哪里结束有它自己的规则，提示词缓存那一课讲得很清楚。

缓存省下的不只是钱，还有时间。2024 年 8 月，Anthropic 开放缓存公测，它的公告列出了早期客户看到的首个 token 等待时间。

把模板放进代码，纳入版本管理

OpenAI 先试过另一条路。2025 年 6 月，它把提示词做成 API 里的一种对象，在控制台里保存，带版本和变量，用 ID 调用。2026 年 6 月 3 日，它宣布可复用的提示词对象进入弃用流程，v1/prompts API 计划在 2026 年 11 月 30 日关闭，这是它的弃用页面在 2026-11-06 显示的内容。

如今它的提示词工程指南要求把生产环境的提示词存进应用代码。放在代码里的提示词有类型化的输入、代码审查、测试，并走你平常的部署流程。迁移指南给出了替代写法：一个函数，把变量当作参数接收，再返回消息列表。

from openai import OpenAI

client = OpenAI()


def build_support_prompt(customer_name, issue):
    return [
        {
            "role": "system",
            "content": "You are a helpful support assistant. Be concise, accurate, and friendly. Do not invent policy details.",
        },
        {
            "role": "user",
            "content": f"Customer name: {customer_name}. Issue: {issue}. Write a response to the customer.",
        },
    ]


response = client.responses.create(
    model="gpt-6-astra",
    input=build_support_prompt(
        customer_name="Acme",
        issue="billing question",
    ),
)

• 把提示词文本搬进源代码文件，这样改动会和产品逻辑一样经过审查和发布。
• 用函数参数代替模板变量，每个值都一目了然。示例把两个很短的值直接拼进了句子里，而用户写的长段内容，仍然应该放进单独的标签。
• 用 git 提交和合并请求审查来管理提示词的版本，每一处措辞改动都有作者，也有理由。
• 修改生产提示词之前，先准备有代表性的测试样例和评估检查，CI 里的评估那一课会把它搭起来。需要分阶段上线时，就用功能开关。

OpenAI Developers 谈已保存的提示词，Alex Albert 谈缓存

OpenAI Developers 是这家公司面向开发者的账号，它在 2025-06-16 宣布提示词成了 API 的基本对象，可以在 Playground、API、Evals 和 Stored Completions 之间使用和复用。不到一年，同一家公司又让开发者把这些文本搬回自己的代码里。把模板放进任何托管的提示词存储之前，先弄清楚以后怎么把它们导出来。

Anthropic 的 Alex Albert 在 2024-08-14 发帖说，提示词缓存已经在 Anthropic API 上线，并称它能大幅降低输入成本和延迟。这些节省只落在模板里位置不动的那部分上，所以在这里，各行的顺序比措辞更要紧。

X 官方嵌入卡片的截图，拍摄于 2026-11-06，时间为 UTC。点击截图可到 X 上打开原帖。

常见错误

• 值直接贴进模板，周围什么标记都没有，模型把其中一部分当成了指令。
• 模板开头放了时间戳、用户名或请求 ID，每次调用的缓存前缀都会变。
• 空位起名叫 X 或 INPUT1，填值之前谁都看不懂这个模板。
• 在控制台里直接改生产提示词，没有审查，没有历史记录，也没跑测试。
• 为了一点小变化把模板复制成第二个文件，后来修 bug 只修了其中一份。

自己试一试

• 把教程里的邮件模板分别在 EMAIL 带标签和不带标签的情况下发出去，比较两份改写的第一个词。
• 仿照 OpenAI 的写法，把税务模板改写成一个 Python 函数，参数是 tax_code、examples 和 question。
• 把你自己一条提示词的各行分成三组：永远不变、随话题变、每次调用都变。最后一组里有没有哪一行排在靠前的位置？
• 把你的模板存成 git 里的一个文件，改一条指令，然后写提交说明，就当审查者一定会问为什么改。

下一门课：推理模型

这是高级提示词工程课程的最后一课。模板决定的是一条提示词里放什么。推理模型课程从什么是推理模型讲起。模型先思考再回答时，提示词要给清楚的目标，而不是一步步的指令。推理强度的设置，则在时间、token 和思考的深入程度之间取舍。

常见问题

资料来源

1. Anthropic's prompt engineering tutorial: Chapter 4, Separating Data and Instructions (2026年11月6日 查阅)https://github.com/anthropics/prompt-eng-interactive-tutorial/blob/master/Anthropic%201P/04_Separating_Data_and_Instructions.ipynb
2. Anthropic: Prompt engineering for business performance (29 February 2024) (2026年11月6日 查阅)https://www.anthropic.com/news/prompt-engineering-for-business-performance
3. Anthropic: Prompt caching with Claude (announcement) (2026年11月6日 查阅)https://www.anthropic.com/news/prompt-caching
4. OpenAI API docs: Prompt engineering (2026年11月6日 查阅)https://developers.openai.com/api/docs/guides/prompt-engineering
5. OpenAI API docs: Prompt caching (2026年11月6日 查阅)https://developers.openai.com/api/docs/guides/prompt-caching
6. OpenAI API docs: Migrate from prompt objects (2026年11月6日 查阅)https://developers.openai.com/api/docs/guides/prompting/migrate-from-prompt-object
7. OpenAI API docs: Deprecations, reusable prompts (2026年11月6日 查阅)https://developers.openai.com/api/docs/deprecations
8. X: OpenAI Developers on prompts as an API primitive (16 June 2025) (2026年11月6日 查阅)https://x.com/OpenAIDevs/status/1934717086783426698
9. X: Alex Albert on prompt caching rolling out in the Anthropic API (14 August 2024) (2026年11月6日 查阅)https://x.com/alexalbert__/status/1823751966893465630