Skip to main content

Prompt 治理与持续演进

在本系列的这一阶段，系统已经具备：

  • 清晰的角色拆分
  • 明确的对象化契约
  • 完整的可信性保障机制
  • 受治理的 Controller
  • 受控的上下文访问（Action Library）

最后一个问题自然浮现：

Prompt 与指令，
应该如何作为系统资产被管理？

未治理 Prompt 的隐性风险​

在许多 AI 系统中，Prompt 往往：

  • 写在代码里
  • 分散在多个模块
  • 临时修改
  • 缺乏审计

这会导致：

  • 行为变化不可追踪
  • 责任边界不清晰
  • 回滚困难
  • 经验无法沉淀

未治理的 Prompt 会演变为系统的影子逻辑。

Prompt 是配置，而不是智能​

BookiAI 的一个核心认知是：

Prompt 决定行为边界，
而不是模型智能本身。

推理由模型完成， 而 Prompt 负责约束和引导。

因此，Prompt 必须被视为：

  • 配置项
  • 策略载体
  • 可版本化资产

而不是临时字符串。

模版化 Prompt 设计​

BookiAI 采用 模版化 Prompt 体系。

每一个模版：

  • 拥有唯一标识
  • 绑定明确角色（Generate / Review）
  • 声明输入与输出结构
  • 具备显式版本号

模版本身不包含：

  • 业务规则
  • 执行逻辑
  • 隐含假设

所有系统上下文 只能通过 Action Library 引入。

版本与生命周期管理​

Prompt 模版遵循清晰的生命周期：

  • 草稿（Draft）
  • 启用（Active）
  • 弃用（Deprecated）
  • 退役（Retired）

每一次变更都会记录：

  • 版本号
  • 修改原因
  • 影响范围

系统始终清楚：

  • 使用了哪个版本
  • 为什么使用它
  • 产生了什么行为

LKG：最后可信版本​

并非所有 Prompt 更新都会改进系统。

因此，BookiAI 为关键模版维护 最后可信版本（Last Known Good, LKG）。

一旦新版本引入问题：

  • 可以立即回滚
  • 行为保持稳定
  • 系统信任不被破坏

Prompt 演进因此具备“刹车能力”。

通过观测实现治理​

Prompt 治理不是凭感觉调整。

它依赖可观测指标，例如：

  • 审阅通过率
  • Controller 人工干预频率
  • 人工修正比例
  • 错误传播情况

模版的优劣 由系统结果决定， 而不是“看起来更聪明”。

Prompt 治理为何决定系统可扩展性​

没有治理：

  • Prompt 数量失控
  • 行为碎片化
  • 维护成本急剧上升

有治理：

  • 行为一致
  • 知识集中
  • 演进可控

Prompt 治理 是 AI 系统可持续扩展的前提。

闭环完成​

本系列始于一个简单约束：

LLM 不能直接写账。

从这一点出发，我们构建了：

  • 角色拆分
  • 契约结构
  • 可信性保障
  • 执行治理
  • 上下文控制
  • Prompt 治理体系

AI 因此能够参与系统， 而系统始终保有责任。

结语​

这不是一个框架， 而是一种设计模式。

一种能够应对：

  • 模型更替
  • 团队变化
  • 业务扩展

并在 AI 热潮退去之后， 依然保持系统可靠性的模式。

本文由 ChatGPT 撰写，经 BookiAI 团队审阅。