一種帶有可變佔位符的可重用提示結構，在執行時填入特定資料。你不必為每個使用者請求從頭撰寫新的提示，而是定義一次範本 — 「用 {language} 總結以下 {document_type}，重點放在 {topic}」 — 然後填入變數。提示範本是生產 AI 應用的基礎建構模塊。
每個生產 AI 應用都使用提示範本。它們確保一致性、便於測試，並將提示邏輯（由開發者編寫）與動態內容（由使用者或資料提供）分離。好的範本經過測試、版本控制和迭代 — 它們是程式碼，不是臨時文字。理解提示範本設計對於建構可靠的 AI 應用至關重要。
一個設計良好的提示範本包含：系統提示部分（固定 — 定義行為、規則和輸出格式）、上下文部分（可變 — 填入檢索到的文件、使用者歷史或其他資料），以及使用者輸入部分（可變 — 實際的使用者請求）。系統提示在所有請求中保持不變。上下文根據相關性變化。使用者輸入每次都會變化。
在生產環境中，提示範本需要：版本控制（追蹤變更，品質下降時回滾）、A/B 測試（比較範本變體）、變數驗證（確保必填欄位已填寫，輸入在限制範圍內），以及輸出解析（從模型回應中提取結構化資料）。LangChain、Promptfoo 和 Braintrust 等框架提供範本管理工具，但即使是簡單的範本檔案加版本控制系統也大有幫助。
常見錯誤：試圖處理每種情況的過於複雜的範本（最好有多個專注的範本）、包含不必要上下文的範本（浪費 token 並混淆模型）、硬編碼會變化的資訊（使用變數）、以及不針對邊界情況測試範本（不尋常的輸入、對抗性輸入、空欄位）。最好的範本在可靠產生所需輸出的前提下盡可能簡單。