第 1.4.5 节：把 Prompt 设计整理成作品集证据和面试讲法
这一节把前面完成的材料收束成可展示、可复盘的交付件。完成本节后，你应该能够把 Prompt 与结构化输出收束成作品集页面、验收证据和面试回答。
本节交付物与面试讲法
练习题
基础练习
把下面的 Prompt（提示词）改写成工程化 Prompt：
| 原始 Prompt |
|---|
| 帮我判断用户是不是想退款。 |
要求包含角色、任务、边界和输出格式。
项目练习
不用写代码，只写字段契约：设计一个“客服意图识别结果”。字段至少包含：
- intent（意图）
- risk_level（风险等级）
- need_human（是否需要人工）
- missing_fields（缺失字段）
- next_action（下一步动作）
- reply（回复草稿）
挑战任务
为“合同条款审查 Agent（智能体）”设计结构化输出。注意：模型不能直接给出法律结论，必须包含风险等级、疑点条款、建议人工复核原因。
面试官追问与回答要点
结构化输出相关追问，重点不是“会不会写格式”，而是“出错时系统怎么办”。
| 追问 | 回答要点 |
|---|---|
| 如果模型多返回了一段解释文字怎么办？ | 原始输出不能直接进入业务流程，要经过解析和校验；失败就重试、降级或转人工。 |
| 如果 risk_level（风险等级）字段漏了怎么办？ | 字段契约校验失败，记录 trace_id（追踪编号）和缺失字段，不允许继续执行高风险动作。 |
| 如果模型把投诉判成普通咨询怎么办？ | 关键风险规则要在系统层二次校验，例如投诉、威胁曝光、资金要求默认保守处理。 |
| Prompt 版本怎么管理？ | 每次修改都要记录版本，并用固定样例集做回归，失败案例进入复盘材料。 |
| 结构化输出和 Tool Calling（工具调用）是什么关系？ | 结构化输出负责判断下一步和字段是否齐全，Tool Calling 负责在系统校验后执行受控业务工具。 |
面试题和推荐回答
| 面试官可能问 | 推荐回答要点 | 常见扣分点 |
|---|---|---|
| Prompt 在工程系统里为什么是接口说明？ | 因为它定义模型要完成什么任务、遵守什么边界、输出哪些字段，后端和前端会依赖这些结果继续处理。 | 把 Prompt 说成话术技巧。 |
| 为什么只要求模型返回 JSON（结构化数据格式）还不够？ | 还需要字段含义、枚举值、必填规则、校验流程和失败兜底，否则模型仍可能返回不可用结果。 | 认为“返回 JSON（结构化数据格式）”等于稳定。 |
| Pydantic（数据校验库）在 AI（人工智能）项目中的作用是什么？ | 它可以表达输出契约并校验字段，让模型输出先通过工程校验，再进入业务流程。 | 讲成普通数据类，不联系模型输出。 |
| Prompt 回归测试应该覆盖哪些样例？ | 普通咨询、退款、投诉、信息不足、恶意输入、超范围问题、工具失败和高风险承诺。 | 只测成功样例。 |
| 为什么模型输出不能直接驱动高风险业务动作？ | 模型可能误判或编造，高风险动作需要权限、规则和人工审批。 | 认为模型判断准确就可以自动执行。 |
| 客服 Agent 的结构化输出应包含哪些字段？ | 意图、风险等级、是否需要人工、缺失字段、下一步动作、回复草稿、依据来源和错误原因。 | 只说“返回一个回复”。 |
| 如果结构化输出校验失败怎么办？ | 先重试或要求补全，仍失败则降级、转人工或返回安全提示，并记录 trace_id（追踪编号）。 | 直接忽略错误继续执行。 |
| 如何把本章内容讲成项目亮点？ | 我把客服问题先转成稳定字段，再用字段驱动知识库、工具、工单和人工流转，保证可校验、可追踪、可复盘。 | 只说优化了 Prompt。 |
本章交付物
| 交付物 | 本章产出 |
|---|---|
| 系统流程图 | Prompt 组成图和输出校验流程图。 |
| 字段契约表 | 客服意图识别输出字段契约。 |
| 失败与兜底表 | 解析失败、字段缺失、枚举漂移、风险误判、回复越界和回归退化处理。 |
| 面试讲法 | 能把 Prompt 讲成业务接口、字段契约和风险控制，而不是文案技巧。 |
小结
Prompt 工程不是堆砌漂亮话，而是把任务、边界、资料和输出契约说清楚。结构化输出让模型结果可以进入程序，但前提是有明确 schema（结构定义）、校验流程和失败兜底。
下一章会把这些能力组合起来，设计第一个基础 Agent。书稿会继续聚焦项目结构、工具设计、Mock（模拟）模式、真实模型模式和验收标准，不展开代码语法。