AI提示词工程已经进化成了提示图工程

Graph engineering 重磅论文《凭什么说提示词变成了一张图：提示图工程的充要条件》。这篇论文把大家在实际干活时憋在心里的感觉，给彻底讲透了。大家在工业界做 AI 上线的其实心知肚明：现实中根本没有“写一条神级 Prompt 解决所有问题”这回事。

你手里的实际项目，大概率是一个 Prompt 先拆解需求，触发检索；两个 Prompt 并行去干活；后面跟着一个 Router 选路，最后再来一个 Verifier 校验打回重跑，这根本不是一段文字，这是一张图（Graph）。这篇论文总结了把提示词“图化”的四个硬性指标（T1-T4）。结合我自己的踩坑经验，聊聊日常写代码和搭 Agent 时，能直接落地的 3 个硬核体会： 1. 别把分支逻辑死磕在 Prompt 里（严格解耦） 踩坑回忆： 以前大家总喜欢在 Prompt 里写“如果用户要 X 就去调 A 接口，要 Y 就去调 B”。

结果这段提示词越写越膨胀，改一下条件整个模型就出幻觉。落地打法： Prompt 应该只做单点纯粹的输入输出。把“判断分支”、“重试策略”、“路由跳转”这些逻辑，统统抽出来扔给外面的图框架（比如 LangGraph、DSPy 或普通的 Python 代码）。

结构是结构，内容是内容，千万别混在一起。2. 把提示词工作流当作 CI/CD 来维护 踩坑回忆： 以前改了改 Prompt，整个系统效果莫名其妙下降，还查不出是哪一步坏了。落地打法： 论文提了个很棒的概念——把“图”当作一等公民（First-class Artifact）。

像对待代码库和 CI/CD 管道一样对待你的提示图： 拓扑结构要能做版本控制（Version Control）； 每一个节点（Prompt）的输入输出都要留有完整的 Trace 日志； 图的骨架固定好，里面的 Prompt 字符串可以交给类似 DSPy 的工具去自动编译优化。3. 放弃“自由对话 Agent”的幻想，老老实实写显式 SOP 踩坑回忆： 之前很多人搞“多个 Agent 自由聊天解决问题”，结果一上线：死循环、逻辑飘忽、Token 费用直接爆表。落地打法： 论文用数据说得很清楚，自由对话涌现出来的东西算不上完整的提示图，因为它缺少确定的结构。

在���正的生产环境里，只有状态机（FSM）和显式的 SOP 流程图，才是高可用、能复现、可监控的唯一解。Prompt 工程现在的现实是，拼的不再是谁能写出惊艳的句子，而是谁能搭出优雅、解耦、可维护的图拓扑。