课 2 · Prompt 分层与模板

本课目标

理解 Meta Prompt（元提示词）、System Prompt（系统提示词）、User Prompt（用户提示词）的分层关系，掌握 Prompt 模板的工程化写法。课后你会拿到一个可复用的 Prompt 模板引擎。

课 1 我们学了怎么写好一段 System Prompt。但实际开发中，你很快会遇到两个问题：

System Prompt 越写越长，改一处怕影响别处——能不能用 AI 来写 Prompt？
不同用户、不同场景需要不同的 Prompt——能不能做成模板动态拼装？

这一课解决这两个问题。

三种 Prompt 的定位

在一个 AI 应用中，"提示词"其实不是一个东西，而是三层：

名称	谁写的	什么时候用	干什么
Meta Prompt（元提示词）	开发者	开发阶段	用 AI 生成 / 优化 System Prompt
System Prompt（系统提示词）	开发者	运行时，整个会话	定义角色、规则、输出格式
User Prompt（用户提示词）	终端用户	运行时，单轮	提出问题或给出指令

三层的关系是：Meta Prompt 产出 System Prompt，System Prompt 约束 User Prompt 的处理方式。

先看关系图：

三层 Prompt 的关系

Meta Prompt开发阶段：生成或优化 System Prompt

→

System Prompt运行时：定义角色、边界、格式

→

User Prompt运行时：用户当前问题或指令

→

模型输出

Meta Prompt 产出或改进 System Prompt；System Prompt 决定模型如何处理每一轮 User Prompt。

System Prompt：产品说明书

课 1 已经讲了 System Prompt 的 XML 结构化写法。这里补充一个认知：System Prompt 本质上是产品说明书——它定义了这个 AI 产品"是什么、能做什么、不能做什么、怎么做"。

它和用户输入的根本区别：

System Prompt 是开发者写的，用户看不到，整个会话只设一次
User Message 是终端用户的输入，每轮都不同

这意味着 System Prompt 的质量直接决定产品表现。写得好，模型就是一个称职的专家；写得差，模型就是一个什么都答、什么都不确定的全能但无用的 AI。

User Prompt：不只是用户随便打字

在很多 AI 产品中，User Prompt 看起来是用户"自由输入"的，但产品侧可以做很多引导：

typescript

// 搜索框的 Placeholder 引导
const placeholder = '试试问：React 和 Vue 的区别是什么？'

// 预设问题建议
const suggestions = [
  '帮我审查这段代码',
  '解释一下 useEffect 的依赖数组',
  '对比 REST 和 GraphQL',
]

// 在用户输入前自动拼接上下文
function buildUserMessage(userInput: string, context: { fileName?: string }) {
  if (context.fileName) {
    return `我正在编辑文件 ${context.fileName}，我的问题是：${userInput}`
  }
  return userInput
}

这些都属于 User Prompt 层面的工程——让用户更容易问出好问题。

Meta Prompt：用 AI 写 Prompt

Meta Prompt 是最上层的 Prompt——它的输出不是回答用户问题，而是生成另一个 Prompt。

什么时候需要 Meta Prompt：

你要为一个新场景写 System Prompt，但不知道从哪下手
你写了一版 System Prompt，但效果不好，想让 AI 帮你优化
你有一批测试用例，想让 AI 根据失败 case 自动调整 Prompt

Meta Prompt 实战

用 AI 生成 System Prompt

最直接的用法：告诉 AI 你的业务需求，让它帮你生成一个结构化的 System Prompt。

typescript

import { generateText, Output } from 'ai'
import { createOpenAI } from '@ai-sdk/openai'
import { z } from 'zod'

const model = createOpenAI({
  apiKey: process.env.CHAT_API_KEY,
  baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
}).chat('qwen3.6-plus')

// 定义 System Prompt 的结构
const SystemPromptSchema = z.object({
  role: z.string().describe('角色定义，一句话说明这个 AI 是谁'),
  capabilities: z.array(z.string()).describe('能力列表，3-5 项'),
  rules: z.array(z.string()).describe('行为规则，5-8 条'),
  outputFormat: z.string().describe('输出格式要求'),
  refusalTemplate: z.string().describe('无法回答时的回复模板'),
})

const metaPrompt = `你是一个 Prompt 工程专家。
根据用户描述的业务场景，生成一个结构化的 System Prompt。
要求：
- 角色定义要具体，不要泛泛的"你是一个 AI 助手"
- 规则要可执行，不要模糊的"尽量做好"
- 输出格式要明确到具体的结构
- 必须包含拒答模板`

async function generateSystemPrompt(businessRequirement: string) {
  const { output } = await generateText({
    model,
    output: Output.object({ schema: SystemPromptSchema }),
    system: metaPrompt,
    prompt: businessRequirement,
  })

  // 把结构化结果拼成 XML 格式的 System Prompt
  return `
<role>
${output.role}
</role>

<capabilities>
${output.capabilities.map(c => `- ${c}`).join('\n')}
</capabilities>

<rules>
${output.rules.map(r => `- ${r}`).join('\n')}
</rules>

<output_format>
${output.outputFormat}
</output_format>

<refusal>
${output.refusalTemplate}
</refusal>
`.trim()
}

用法：

typescript

const prompt = await generateSystemPrompt(
  '我在做一个前端组件库的文档站，需要一个 AI 助手帮用户查组件用法、属性说明、代码示例。'
)
console.log(prompt)

Meta Prompt 迭代：用失败 case 改进

生成一版 System Prompt 后，跑几个测试用例。把失败的结果喂回去让 AI 改进：

typescript

const iteratePrompt = `你是一个 Prompt 优化专家。

当前 System Prompt：
<current_prompt>
{currentPrompt}
</current_prompt>

以下是用这个 Prompt 跑出来的失败用例：
<failed_cases>
{failedCases}
</failed_cases>

请分析失败原因，输出改进后的 System Prompt。
改进要求：
- 只修改导致失败的部分，不要重写整个 Prompt
- 每处修改说明改了什么、为什么改`

这就是 Meta Prompt 的核心用法：把 Prompt 开发从手工试错变成有反馈的迭代循环。

Prompt 模板

当产品有多种场景、多类用户时，写一堆独立的 System Prompt 既难维护又容易不一致。解决方案是模板化——把可复用的结构固定下来，变化的部分用变量填充。

变量插值

最基本的模板能力——把运行时信息插入 Prompt：

typescript

interface PromptVariables {
  userName: string
  currentDate: string
  language: string
  productName: string
}

function buildSystemPrompt(vars: PromptVariables): string {
  return `
<role>
你是「${vars.productName}」的智能助手，正在为 ${vars.userName} 提供服务。
</role>

<rules>
- 使用${vars.language}回答
- 今天是 ${vars.currentDate}，涉及时间相关的问题以此为准
- 称呼用户为"${vars.userName}"
</rules>

<output_format>
- 先给结论，再展开
- 代码示例使用 TypeScript
</output_format>
`.trim()
}

条件段落

有些 Prompt 段落只在特定条件下才需要——用条件拼接取代写多份完整 Prompt：

typescript

interface PromptConfig {
  role: 'user' | 'admin' | 'developer'
  features: {
    codeReview: boolean
    docSearch: boolean
    debugging: boolean
  }
  language: string
}

function buildSystemPrompt(config: PromptConfig): string {
  const sections: string[] = []

  // 基础角色（所有人都有）
  sections.push(`
<role>
你是一个前端技术助手。
</role>`)

  // 能力：根据功能开关动态拼接
  const capabilities: string[] = ['回答前端技术问题']
  if (config.features.codeReview) capabilities.push('审查代码质量')
  if (config.features.docSearch) capabilities.push('基于文档检索回答问题')
  if (config.features.debugging) capabilities.push('协助排查 Bug')

  sections.push(`
<capabilities>
${capabilities.map(c => `- ${c}`).join('\n')}
</capabilities>`)

  // 权限：根据角色动态拼接
  if (config.role === 'admin') {
    sections.push(`
<permissions>
- 可以查看系统配置信息
- 可以查看所有用户的使用记录
</permissions>`)
  }

  if (config.role === 'developer') {
    sections.push(`
<permissions>
- 可以执行代码片段
- 可以访问 API 文档
- 可以查看错误日志
</permissions>`)
  }

  sections.push(`
<rules>
- 使用${config.language}回答
- 不确定的信息标注"不确定"
</rules>`)

  return sections.join('\n')
}

这样做的好处：

一份模板覆盖所有场景，改规则只改一处
按需加载，普通用户不会看到 admin 相关的能力描述，避免浪费 Token
类型安全，TypeScript 会检查 config 的合法性

Dynamic Few-shot（动态少样本提示）

课 1 讲了 Few-shot 的写法，但示例是写死在 Prompt 里的。实际产品中，示例应该根据用户的问题动态选取：

typescript

// 示例库：按领域分类
const exampleLibrary = {
  react: [
    {
      input: 'useState 的初始值可以是函数吗？',
      output: '可以。传入函数时，React 只在首次渲染时调用它（惰性初始化）……',
    },
    {
      input: 'useEffect 的清理函数什么时候执行？',
      output: '在组件卸载时，以及下一次 effect 执行前……',
    },
  ],
  typescript: [
    {
      input: 'interface 和 type 有什么区别？',
      output: '主要区别：interface 可以声明合并，type 支持联合类型……',
    },
  ],
  nodejs: [
    {
      input: 'require 和 import 的区别？',
      output: 'require 是 CommonJS，同步加载；import 是 ESM，静态分析……',
    },
  ],
}

// 根据用户问题选取相关示例
function selectExamples(
  question: string,
  maxExamples: number = 2
): string {
  // 简单关键词匹配（生产环境可以用 embedding 做语义匹配）
  const keywords: Record<string, string[]> = {
    react: ['react', 'hook', 'useState', 'useEffect', 'component', '组件'],
    typescript: ['typescript', 'ts', 'type', 'interface', '类型'],
    nodejs: ['node', 'require', 'import', 'express', '服务端'],
  }

  const lowerQ = question.toLowerCase()
  const matchedDomain = Object.entries(keywords).find(([, words]) =>
    words.some(w => lowerQ.includes(w))
  )?.[0]

  if (!matchedDomain || !exampleLibrary[matchedDomain as keyof typeof exampleLibrary]) {
    return '' // 没有匹配到领域，不插入示例
  }

  const examples = exampleLibrary[matchedDomain as keyof typeof exampleLibrary]
    .slice(0, maxExamples)

  return `
<examples>
${examples.map(e => `输入：${e.input}\n输出：${e.output}`).join('\n\n')}
</examples>`
}

整合到完整的 Prompt 构建中：

typescript

function buildFullPrompt(
  config: PromptConfig,
  vars: PromptVariables,
  userQuestion: string
): string {
  const base = buildSystemPrompt(config)
  const examples = selectExamples(userQuestion)

  return `${base}
${examples}`
}

模板维护的原则

变量命名明确 — {userName} 好过 {name}，读代码的人一眼知道填什么
必填和选填分开 — 用 TypeScript 的类型标记哪些变量是可选的
段落顺序固定 — role → capabilities → rules → output_format → examples → security，保持一致性
版本控制 — Prompt 模板跟代码一样放在 Git 里，每次修改有记录

并入主线项目

本模块能力会在基础项目 basic/project/ 中收束，当前课内 Demo 见下方运行方式。

课 1 教了怎么写好一段 System Prompt，这一课在此基础上增加了两个维度：

Meta Prompt — 用 AI 帮你写 Prompt，然后用失败 case 迭代改进。它更适合作为开发工作流能力，用来持续打磨最终 Agentic RAG 的各类 Prompt。
模板化 — 把 System Prompt 做成参数化模板，一份代码覆盖多种场景。当前 basic/project 先落地单一结构化 Prompt，后续主线会把这套模板化能力扩展到 planner、retriever、answerer、reviewer 等不同角色。

下一课我们会把视角拉高一层——看看一个 AI 应用的 Prompt System 全貌，System Prompt 只是其中的一环。

本课产物

✅ Meta Prompt / System Prompt / User Prompt 的分层定位
✅ Meta Prompt 生成 System Prompt 的方法
✅ Meta Prompt 迭代改进的流程
✅ Prompt 模板：变量插值、条件段落、Dynamic Few-shot
✅ 模板维护的工程化原则

完整代码在 basic/examples/02-prompt/02-prompt-layers/index.ts。

试试看

bash

cd daqi-ai-agent
pnpm exec tsx basic/examples/02-prompt/02-prompt-layers/index.ts

用 meta 命令输入一个业务场景描述，观察 AI 生成的 System Prompt 结构
用 template 命令切换不同的角色和功能开关，对比生成的 Prompt 差异
用 chat 命令验证生成的 Prompt 实际效果

面试追问

Q：Meta Prompt 和 System Prompt 有什么区别？

Meta Prompt 是"写 Prompt 的 Prompt"，作用于开发阶段，输出是一段 System Prompt 文本；System Prompt 作用于运行时，输出是对用户问题的回答。两者工作在不同阶段——Meta Prompt 属于开发工具，System Prompt 属于产品运行时配置。

Q：Prompt 模板用字符串拼接可以吗？需不需要用模板引擎？

字符串拼接完全可以，TypeScript 的模板字符串加上条件函数就够用。引入模板引擎（如 Handlebars、Mustache）会增加依赖但不会带来本质提升，因为 Prompt 模板的复杂度远低于 HTML 模板。关键是要有类型约束——用 TypeScript 的 interface 定义变量结构，确保不会遗漏必填字段。

Q：Dynamic Few-shot 怎么选示例？

简单场景用关键词匹配，从预定义的示例库中按领域选取。进阶做法是把示例做成 Embedding 存向量数据库，用户问题到来时做语义检索，选最相关的 2-3 个示例插入 Prompt。这和 RAG 的检索逻辑一样——本质上少样本提示示例也是一种"知识"，可以用检索增强的方式管理。

课 2 · Prompt 分层与模板 ​

三种 Prompt 的定位 ​

System Prompt：产品说明书 ​

User Prompt：不只是用户随便打字 ​

Meta Prompt：用 AI 写 Prompt ​

Meta Prompt 实战 ​

用 AI 生成 System Prompt ​

Meta Prompt 迭代：用失败 case 改进 ​

Prompt 模板 ​

变量插值 ​

条件段落 ​

Dynamic Few-shot（动态少样本提示） ​

模板维护的原则 ​

并入主线项目 ​

本课产物 ​

试试看 ​

面试追问 ​

Q：Meta Prompt 和 System Prompt 有什么区别？ ​

Q：Prompt 模板用字符串拼接可以吗？需不需要用模板引擎？ ​

Q：Dynamic Few-shot 怎么选示例？ ​

课 2 · Prompt 分层与模板

三种 Prompt 的定位

System Prompt：产品说明书

User Prompt：不只是用户随便打字

Meta Prompt：用 AI 写 Prompt

Meta Prompt 实战

用 AI 生成 System Prompt

Meta Prompt 迭代：用失败 case 改进

Prompt 模板

变量插值

条件段落

Dynamic Few-shot（动态少样本提示）

模板维护的原则

并入主线项目

本课产物

试试看

面试追问

Q：Meta Prompt 和 System Prompt 有什么区别？

Q：Prompt 模板用字符串拼接可以吗？需不需要用模板引擎？

Q：Dynamic Few-shot 怎么选示例？