用「提示词链」拆解复杂任务：让 AI 一步步做对

你给 AI 丢了一个大任务，比如「帮我写一份市场分析报告」，结果它给了你一个泛泛而谈的八股文。问题不在 AI 笨，而在你把太多步骤塞进了一次对话。

提示词链（Prompt Chaining） 的核心思路很简单：把一个大任务拆成多个小步骤，每一步的输出作为下一步的输入。就像工厂流水线，每个工位只负责一件事，最后组装出高质量成品。

具体怎么用

场景一：长文写作

不要直接说「写一篇关于新能源汽车的行业分析」。拆成四步：

1. 搜集要点：「列出新能源汽车行业最近一年的 5 个关键趋势，每条附一个数据来源或案例」
2. 搭建大纲：「基于以上趋势，生成一份报告大纲，包含引言、正文三章、结论」
3. 逐段撰写：「根据大纲第一章，撰写 500 字正文，要求有数据支撑」
4. 润色统稿：「将以下三段文字合并为一篇连贯文章，统一语气，删除重复」

场景二：代码审查

1. 静态检查：「找出这段代码中的潜在 bug 和性能问题」
2. 安全审计：「检查是否存在 SQL 注入、XSS 等常见安全漏洞」
3. 可读性建议：「指出变量命名、函数拆分、注释补充的改进点」
4. 生成报告：「将以上三点整理为结构化审查报告，按优先级排序」

什么时候用

• 任务需要多步推理，一步到位容易出错
• 输出质量不稳定，希望每步可人工干预
• 需要保留中间产物供后续复用或审计

什么时候不用

• 简单问答或单步操作（杀鸡用牛刀）
• 实时性要求极高，链式调用延迟不可接受
• 每一步依赖外部实时数据，链路断裂风险高

检查清单

• [ ] 每一步的输入输出是否明确定义？
• [ ] 上一步的输出能否直接作为下一步的输入？
• [ ] 是否有 fallback 机制，某一步失败时如何降级？
• [ ] 是否保留了中间结果，便于调试和追溯？

常见坑

坑一：步骤拆得太细。五六个步骤还能接受，拆到十几步会让链路脆弱且难以维护。原则是「每步有独立价值」，而不是「每步只做一件小事」。

坑二：忽略上下文长度。链式调用中，中间结果可能越来越长。记得在适当步骤做摘要或截断，避免超出模型上下文窗口。

坑三：没有人工校验点。全自动链条一旦某步跑偏，后面全错。关键步骤之间插入人工确认或自动化校验，比如「这一步输出的格式是否符合预期？」

坑四：过度依赖单一模型。不同步骤适合不同模型：创意步骤用强推理模型，格式化步骤用轻量模型。混合使用能平衡质量和成本。

---

提示词链不是银弹，但它能把「AI 偶尔靠谱」变成「AI 稳定靠谱」。下次遇到复杂任务，先别急着写一个超长 prompt，想想能不能拆成几步，让 AI 一步步走稳。