提示词链（Prompt Chaining）怎么用：把复杂任务拆成几步，前一步的输出交给后一步

适用于谁

• 搜「提示词链」「prompt chaining 中文」的人；
• 写了一个几百字的「超级提示词」，想让模型一口气完成调研、写作、检查、排版，结果每一样都做得不够好的人；
• 在 Dify、扣子、n8n 这类工作流工具里搭流程，想知道一个节点该干多少事的人。

本文根据 Anthropic 和 Google 的官方提示词文档整理，资料核对于 2026-10-11。

结论先说

1. 提示词链就是把一个复杂任务拆成几个顺序执行的提示词，前一步的输出作为后一步的输入。
2. 它和思维链不是一回事：思维链是一次回答里先想后答；提示词链是多次调用、多个提示词。
3. 现在的模型已经能在内部完成很多多步推理。Anthropic 文档的说法是：有了自适应思考和子智能体编排，模型能在内部处理大部分多步推理；显式的提示词链在你需要检查中间结果或需要强制执行固定流程时仍然有用。
4. 最值得掌握的一条链是「起草 → 审查 → 修改」，Anthropic 称之为最常见的模式：自我纠错。
5. 拆的标准是「中间结果值不值得单独看一眼」，不是步骤越多越好。

三种拆法

Google 文档在「把提示词拆成组件」一节里列了三种做法：

Anthropic 在「提高输出一致性」一文里讲了拆分的理由：把复杂任务拆成更小、前后一致的子任务，每个子任务都能得到模型的全部注意力，从而减少大规模流程里不一致的错误。

步骤

1. 判断要不要拆

值得拆的情况

• 你想在中间人工看一眼再继续（比如先确认提纲，再让它写全文）；
• 流程必须每次都按同样的顺序走，不能让模型自由发挥；
• 中间结果要存档、评估或走不同的分支。Anthropic 的原话是，每一步都是一次独立的调用，这样你可以在任何一点记录日志、做评估或分支；
• 不同步骤适合不同的模型或设置（便宜的模型做提取，强的模型做分析）；
• 资料超过上下文窗口，只能分块处理。

不必拆的情况

• 任务虽然有多个步骤，但你只关心最终结果；
• 用的是开了思考的模型，任务在它的能力范围内。这时把目标和成功标准说清楚，让它自己规划，往往比你规定步骤更好，见《思维链提示词还有用吗》。

2. 最常用的链：起草 → 审查 → 修改

Anthropic 描述的自我纠错链是三步：生成初稿 → 让模型对照标准审查 → 让模型根据审查意见修改。

第一步：起草

根据下面的资料，为［读者］写一篇［类型］，不超过［字数］。

<资料>
［……］
</资料>

第二步：审查（最好新开一个对话，或在 API 里新发一次请求）

你是这篇稿件的审稿人。请对照下面的标准逐条检查，
只列问题和修改建议，不要重写全文。

<标准>
1. 每个数据都能在资料里找到出处；
2. 没有与资料相矛盾的说法；
3. 读者是［读者］，没有他们看不懂的术语；
4. 不超过［字数］。
</标准>

<资料>［……］</资料>
<稿件>［第一步的输出］</稿件>

第三步：修改

请根据审稿意见修改稿件。只改意见指出的地方，其余保持不变。

<稿件>［第一步的输出］</稿件>
<审稿意见>［第二步的输出］</审稿意见>

三点经验：

• 审查这一步要给明确的标准。只说「检查一下有没有问题」，得到的多半是「整体不错」；
• 审查和起草分开进行，审查者不带着起草时的思路，更容易发现问题；
• 审查意见本身就是一份值得保留的记录，能看出初稿常犯哪类错误，反过来改进第一步的提示词。

3. 步骤之间怎么传递

• 用标签包住上一步的输出，再交给下一步，例如 <稿件>、<审稿意见>。这样下一步能分清哪些是材料、哪些是这一步的指令，见《提示词 XML 标签怎么用》；
• 让上一步按固定格式输出。要交给程序处理的，用结构化输出拿到 JSON；要交给下一个提示词的，要求它只输出正文、不要开场白；
• 每一步只带需要的东西。第三步修改时不需要再带一遍全部原始资料，除非审稿意见要求核对出处。

4. 其他常见的链

5. 在工具里实现

• 聊天界面：手动接力，把上一轮的输出复制到下一轮。重要的审查步骤新开对话；
• Dify、扣子、n8n 等工作流工具：每个大模型节点就是链上的一环，节点之间用变量传递。条件分支对应「拆指令」，迭代节点对应「聚合」；
• API：每一步一次请求，自己把输出拼进下一步的提示词。

常见问题

Q：拆成多步会不会更贵更慢？

会。每一步都是一次完整的调用，资料如果每步都带上还会重复计费。只在中间结果确实有用时才拆；重复带的长资料可以配合提示词缓存。

Q：一个超长提示词和一条链，哪个效果好？

没有通用结论。按 Anthropic 的说法，新模型能在内部处理大部分多步推理，所以先试一次性完成；发现某个环节总是出错、或者你需要在那个环节把关时，再把它单独拆出来。

Q：链上某一步出错会怎样？

错误会传到后面。这正是拆分的价值所在：每一步的输出都能单独检查。在关键步骤后面加一个校验（人工或另一个审查提示词），不合格就重做这一步，而不是整条链重来。

Q：让同一个模型审查自己写的东西有用吗？

Anthropic 把「自我纠错」列为最常见的链式模式。要让它有效，审查时给出明确的标准，并尽量在新的对话里进行。也可以换一个模型来审。

Q：和「智能体」是什么关系？

提示词链的步骤和顺序是你定死的；智能体是让模型自己决定下一步做什么、用什么工具。流程固定、要求稳定时用链；任务开放、路径不确定时才考虑智能体。

参考资料

• Anthropic 文档：Prompting best practices（Chain complex prompts）— https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
• Anthropic 文档：Increase output consistency（Chain prompts for complex tasks）— https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/increase-consistency
• Google 文档：Prompt design strategies（Break down prompts into components）— https://ai.google.dev/gemini-api/docs/prompting-strategies