提示词链（Prompt Chaining），把 AI 当成流水线工人

请阅读下面这份市场报告，总结主要内容，找出三个趋势，分析每个趋势的商业价值，再写一封发给营销团队的邮件。

把复杂任务拆成多步；
每一步只完成一个明确任务；
前一步的输出，作为后一步的输入；
关键节点可以检查、重试、替换。

报告全文
  ↓
报告摘要
  ↓
趋势 JSON
  ↓
营销建议
  ↓
内部邮件

1. 总结报告主要内容
2. 提取值得关注的趋势
3. 判断这些趋势对营销团队有什么价值
4. 转成可执行营销建议
5. 写成一封内部邮件
6. 检查邮件是否清楚、简洁、面向营销团队

提示词 A
提示词 B
提示词 C

第 1 步输出 → 第 2 步输入
第 2 步输出 → 第 3 步输入
第 3 步输出 → 第 4 步输入

我觉得这份报告主要是在说用户变化比较大，还有一些关于品牌和消费趋势的东西。

{
  "main_findings": [
    "年轻用户更重视个性化推荐体验",
    "价格敏感型用户比例有所上升",
    "用户对售后响应速度要求提高"
  ]
}

如果你需要追踪中间结果、控制格式、定位失败原因，就值得拆成链。
如果你只需要一次性得到一个低风险答案，就不要过度设计。

输入：一份市场报告
输出：一封发给营销团队的简明邮件

你是一名市场分析助理。
 
请阅读下面的市场报告，并总结主要发现。
 
要求：
1. 不要加入报告中没有的信息；
2. 用 5 条要点输出；
3. 每条不超过 40 字；
4. 只输出要点列表。
 
报告内容：
{{report_text}}

- 年轻用户更重视个性化推荐体验
- 价格敏感型用户比例有所上升
- 可持续消费正在影响品牌选择
- 订阅式服务在部分品类增长明显
- 用户对售后响应速度要求提高

你是一名趋势分析师。
 
请基于下面的报告摘要，提取 3 个值得营销团队关注的趋势。
 
输出 JSON，字段必须包含：
- trend_name：趋势名称
- evidence：摘要中的依据
- why_it_matters：为什么值得关注
 
要求：
1. 只能基于摘要内容；
2. 不要编造数据；
3. 必须输出合法 JSON。
 
报告摘要：
{{summary}}

{
  "trends": [
    {
      "trend_name": "个性化体验需求上升",
      "evidence": "年轻用户更重视个性化推荐体验",
      "why_it_matters": "营销内容需要根据用户偏好进行分层触达"
    },
    {
      "trend_name": "价格敏感度提高",
      "evidence": "价格敏感型用户比例有所上升",
      "why_it_matters": "促销策略和价值表达会影响转化效果"
    },
    {
      "trend_name": "服务体验影响品牌选择",
      "evidence": "用户对售后响应速度要求提高",
      "why_it_matters": "营销不能只强调产品，也要强调服务保障"
    }
  ]
}

你是一名营销策略顾问。
 
请根据下面的趋势 JSON，为营销团队生成 3 条行动建议。
 
要求：
1. 每条建议对应一个趋势；
2. 建议要具体，不能空泛；
3. 输出 Markdown 列表；
4. 不要重复趋势原文。
 
趋势数据：
{{trends_json}}

- 针对不同用户偏好设计分层营销内容，例如新品推荐、价格优惠、服务保障分别匹配不同人群。
- 在促销活动中突出「性价比」和「限时权益」，降低价格敏感用户的决策成本。
- 在营销页面和邮件中加入售后响应、退换货便利性等服务承诺，增强用户信任。

你是一名专业但表达自然的商务写作者。
 
请根据下面的营销建议，写一封发给营销团队的内部邮件。
 
要求：
1. 语气简洁、专业、自然；
2. 开头说明背景；
3. 正文列出 3 条建议；
4. 结尾说明下一步动作；
5. 不超过 400 字。
 
营销建议：
{{marketing_suggestions}}

主题：关于近期用户趋势的营销建议
 
各位好，
 
根据近期市场报告，用户在个性化体验、价格敏感度和服务保障方面的关注明显提升。建议后续营销内容重点调整三个方向：
 
第一，针对不同用户偏好设计分层内容，让新品推荐、优惠信息和服务保障分别匹配不同人群。
 
第二，在促销活动中更突出性价比和限时权益，帮助价格敏感用户更快做出决策。
 
第三，在营销页面和邮件中加入售后响应、退换货便利性等服务承诺，增强用户信任。
 
建议下一步结合现有用户分层，选择一个活动页面先做小范围测试。

def prompt_chain(report_text):
    summary = ai_call(
        prompt="请把报告总结成 5 条要点",
        input=report_text
    )
 
    trends_json = ai_call(
        prompt="请基于摘要提取 3 个趋势，并输出 JSON",
        input=summary
    )
 
    suggestions = ai_call(
        prompt="请基于趋势生成营销建议",
        input=trends_json
    )
 
    email = ai_call(
        prompt="请基于建议写内部邮件",
        input=suggestions
    )
 
    return email

AI 调用不是一次，而是多次；
每次调用只负责一个明确步骤；
中间结果被保存下来，并传给下一步。

def safe_prompt_chain(report_text):
    summary = ai_call("总结报告，输出 5 条要点", report_text)
 
    if not summary:
        return "摘要生成失败，请检查输入内容"
 
    trends_json = ai_call("提取趋势，输出合法 JSON", summary)
 
    if not is_valid_json(trends_json):
        trends_json = ai_call("重新输出合法 JSON，不要解释", summary)
 
    suggestions = ai_call("基于趋势生成营销建议", trends_json)
    email = ai_call("基于建议写内部邮件", suggestions)
 
    return email

{
  "step": "extract_trends",
  "input": "报告摘要内容",
  "output": "趋势 JSON",
  "status": "success"
}

先做什么？
后做什么？
哪一步依赖哪一步？
中间结果怎么传？

这一步需要哪些资料？
需要用户历史信息吗？
需要检索文档吗？
需要工具返回结果吗？
需要格式规范吗？

1. 这件事真的需要拆链吗？
2. 每一步是否只做一件事？
3. 每一步的输入来自哪里？
4. 每一步的输出格式是否固定？
5. 哪些输出需要校验？
6. 校验失败后是重试、回退，还是交给人处理？
7. 哪些地方必须保留日志？
8. 哪些节点不能完全自动化，需要人工确认？
9. 最终结果是否回到了原始目标读者？