本篇目标：这是卷 2 的收官之作。我们将不再满足于“和 AI 聊天”，而是要像搭建流水线一样，把多个 Prompt 串起来，让 AI 自动帮我们完成一整套复杂任务。

---

一、为什么“单次对话”搞不定复杂任务？

试想你要写一篇“深度行业分析报告”。
如果你直接扔给 AI 一个 Prompt：“写一份关于新能源汽车的万字报告。”
结果大概率是崩的：

1. 太短：它一次吐不出 1 万字（Token 限制）。
2. 太浅：它没有去查最新数据，只靠“回忆”瞎编。
3. 逻辑乱：没有大纲，想到哪写到哪。

解决方法：把这个大任务，拆解（Decompose） 成一串小任务，像接力赛一样传下去。这就是 工作流（Workflow）。

---

二、工作流的三种形态

1. 顺序流（Chain）：一步接一步

最简单，也最常用。

• Step 1: AI 1 号生成大纲。
• Step 2: AI 2 号根据大纲，写第一章。
• Step 3: AI 3 号根据大纲，写第二章…
• Step 4: AI 4 号把所有章节拼起来，润色。

优势：每一步都很简单，AI 不容易出错。

2. 路由流（Router）：看情况分流

根据用户的意图，派发给不同的“专家”。

• 用户问：“帮我退款。” -> Router 识别意图 -> 转发给 售后 AI。
• 用户问：“这车多少钱？” -> Router 识别意图 -> 转发给 销售 AI。

优势：术业有专攻，避免一个 AI 既要懂技术又要懂销售。

3. 循环流（Loop）：不达目的不罢休

让 AI 自己检查自己，不行就重来。

• Step 1: AI 写代码。
• Step 2: 运行代码（报错了！）。
• Step 3: AI 读取报错，修改代码。
• Step 4: 再运行…（直到成功或尝试 5 次）。

优势：极大地提高了成功率（Self-Correction）。

---

三、实战：搭建一个“自动写周报”流水线

假设你每天都在 Git 上提交代码，你想让 AI 自动帮你写周报。

❌ 失败的做法（单步 Prompt）

“看看我这周的 Git 提交记录，帮我写个周报。”
（AI 可能会漏掉重点，或者格式不对，或者没把技术难点写出来。）

✅ 成功的做法（工作流）

我们设计一个 3 步顺序流：

Step 1: 提取（Extractor）

• Input: 原始 Git Log（可能几百条，很乱）。
• Prompt: “从这些 Log 中，提取出本周完成的 3 个核心功能和修复的 2 个关键 Bug。忽略错别字修改等琐事。”
• Output: 一个清晰的 JSON 列表。

Step 2: 扩写（Expander）

• Input: Step 1 的 JSON。
• Prompt: “针对这 3 个功能，分别扩写成一段 100 字的描述，重点突出解决了什么用户痛点。”
• Output: 几段草稿文本。

Step 3: 格式化（Formatter）

• Input: Step 2 的草稿。
• Prompt: “把这些文本整理成公司标准的周报格式（Markdown），加上 Emoji，语气要积极向上。”
• Output: 完美的周报。

为什么这样更好？

• 专注：Step 1 只管挑刺，Step 2 只管吹牛，Step 3 只管排版。每个 AI 都在做它最擅长的事。
• 可控：如果 Step 1 挑错了，你可以只改 Step 1 的 Prompt，不影响后面。

---

四、怎么把它们串起来？（代码实现）

你可以用 Python 简单实现这个串联（Pseudo-code）：

# Step 1
raw_logs = git.get_logs()
key_tasks = ai.chat("提取核心任务...", input=raw_logs)

# Step 2
drafts = ai.chat("扩写描述...", input=key_tasks)

# Step 3
report = ai.chat("格式化周报...", input=drafts)

print(report)

如果你想要更高级的工具，可以使用 Dify, LangChain, Coze 等可视化工作流编排平台。

---

五、本篇产出：工作流定义模板

当你设计一个复杂任务时，先填这个表：

步骤	角色 (Prompt)	输入 (Input)	输出 (Output)	成功标准
1	信息清洗员	原始杂乱数据	干净的 JSON	只有关键信息，无噪音
2	逻辑分析师	干净的 JSON	分析结论/方案	逻辑自洽，无幻觉
3	内容创作者	分析结论	最终文案/代码	格式优美，语气得体

---

卷 2 总结：你已经是“Prompt 工程师”了

恭喜你！通关了 卷 2：提示工程与工作流（共 8 篇）。

我们回顾一下你的进化之路：

1. 结构化：学会了 GOCO 模型，不再乱说话。
2. Few-shot：学会了举例子，让 AI 秒懂。
3. 三轮迭代：学会了对话式打磨，不再妄想一步登天。
4. 专用卡片：掌握了 Debug/Refactor 等场景的必杀技。
5. Reviewer：学会了让 AI 帮你找茬。
6. 反幻觉：学会了防骗三招。
7. 工程化：学会了管理 Prompt 版本。
8. 工作流：学会了把 Prompt 串成流水线。

现在，你已经不仅仅会写 Prompt，你已经具备了设计 AI 系统的思维。
下一卷（卷 3），我们将进入“工程化扩展”。我们将走出对话框，去连接外面的世界——调用 API、操作数据库、让 Agent 真正跑起来。

准备好了吗？我们要把 AI 接入互联网了。