Prompt 模板与编排

第六章：prompt 工程化：模板、变量、约束与防跑偏

6.1 业务 prompt 的两个误区

误区一：把 prompt 当“写作文”
误区二：把 prompt 当“业务逻辑”

正确的做法是：prompt 只描述“规则与输出格式”，业务逻辑仍然由你的 Java 代码控制（参数校验、权限、工具白名单、RAG 上下文来源）。

6.2 用模板把 prompt 变成可维护资产

当你需要复用同一套指令、并且在不同场景注入变量时，模板非常必要。最简单的写法就是用 Java 的字符串模板（或格式化）把变量集中注入：

package com.example.langchain4j.prompt;

import java.util.Map;

public final class PromptTemplates {

    private PromptTemplates() {
    }

    public static String customerServiceSystem(Map<String, String> rules) {
        return """
                你是企业客服助手。
                规则：
                1) 只回答与业务相关的问题。
                2) 不确定就说不确定，不要编造。
                3) 输出必须简洁、可执行。
                4) 禁止输出敏感信息（手机号、身份证、Key 等）。

                业务规则：
                - 退款：%s
                - 发票：%s
                """.formatted(
                rules.getOrDefault("refund", "默认退款规则：7 天无理由"),
                rules.getOrDefault("invoice", "默认开票规则：订单完成后可申请")
        );
    }
}

这段模板的价值是：所有“业务规则”的变更集中在一处，后面你接入数据库或配置中心时也很好替换。

6.3 把输出约束成“可解析的格式”

生产里常见需求是“让模型输出结构化字段”，比如：

订单号、手机号是否存在
意图分类（退款/开票/物流/其他）
风险等级（低/中/高）

最稳妥的方式是先要求模型输出 JSON，再由你解析并校验：

package com.example.langchain4j.prompt;

import com.fasterxml.jackson.databind.ObjectMapper;
import java.util.Map;

public class JsonOutput {

    private final ObjectMapper mapper = new ObjectMapper();

    public Map<String, Object> parse(String json) {
        try {
            return mapper.readValue(json, Map.class);
        } catch (Exception ex) {
            throw new IllegalArgumentException("JSON 解析失败", ex);
        }
    }
}

并在 prompt 里明确要求：

只输出 JSON，不要输出多余文本，不要使用 Markdown 代码块。

6.4 防跑偏的“最小三件套”

业务落地里，这三条会显著降低“跑偏”和“幻觉”：

system 里写清楚“允许/不允许做什么”
RAG 时限制上下文总长度，并带来源标题
工具调用只允许白名单工具，并强校验参数

6.5 本章小结

你现在已经把 prompt 从“到处拼字符串”升级成“可维护模板 + 可解析输出”。下一章我们进入 LangChain4j 最推荐的业务写法：AI Services，用接口定义能力，框架生成实现，让你的业务代码像调用普通 Service 一样稳定。