企业官网建设流程全解析

内容核验：2026-10-15，参照当日 Langfuse 官方 v4 文档。本文以概念和设计示意为主，不是完整可运行项目；示例金额、分数、通过率和耗时均非实测数据。AgentScope/MCP 节点名称是业务埋点示例，需要显式配置语义映射。版本和部署条件以文末官方资料为准。

在 LLM 应用里，Prompt 已经不只是代码中的一段字符串，而是一个需要版本、发布、回滚、评估和持续优化的工程资产。Langfuse Prompt Management 正是围绕这个问题设计的。

本文基于 Langfuse 2026 年当前官方文档整理。Langfuse 迭代较快，具体页面入口、字段名和版本要求请以官方最新文档为准。

1. 为什么 Prompt 不应该永远写死在代码里

传统写法：

Stringprompt="你是一个专业银行业务助手……";

问题：

改一个字也要改代码 需要重新构建发布 无法方便查看历史版本 无法快速回滚 Prompt 效果难和 Trace 关联 产品/业务人员很难参与

因此 Langfuse 的思路是：

把 Prompt 从代码发布周期中解耦出来。

2. Prompt Object

一个 Prompt 不只是文本。

可以理解为：

Prompt ├── name ├── type ├── prompt content ├── variables ├── config ├── version └── labels

其中最重要的是：

Version Label

3. Text Prompt 与 Chat Prompt

Langfuse 支持两类常见 Prompt。

Text Prompt

你是一名 {{role}}，请回答：{{question}}

Chat Prompt

[{"role":"system","content":"你是一名 {{role}}"},{"role":"user","content":"{{question}}"}]

Chat Prompt 更适合现代对话模型的消息结构。

4. Variables：动态变量

Langfuse 使用：

{{variable}}

表示变量。

例如：

你是一名 {{role}}。 当前用户问题：{{question}}

运行时：

role = 银行业务助手 question = 查询账户余额

编译后才得到最终 Prompt。

这样可以让 Prompt 模板和动态业务数据分离。

5. Version：每次修改都有版本

Langfuse 每次更新 Prompt 会创建新 Version。

例如：

V1 V2 V3 V4

Version 代表不可变历史。

它解决：

谁改了 Prompt？ 当前是哪一版？ 之前是什么内容？ 哪一次修改导致质量下降？

6. Label：代码不要绑死版本号

Version 是历史编号，Label 是指针。

典型 Label：

production latest staging

官方当前语义中：

• latest自动指向最新创建版本
• production通常表示生产使用版本
• 也可以创建自己的环境、租户或实验 Label

例如：

V7 ← latest V6 ← production V5 V4

生产代码读取：

production

而不是：

version = 6

这样发布 Prompt 时不需要改业务代码。

7. Prompt 发布流程

推荐流程：

这和软件发布非常像：

开发版本 测试 发布 监控 回滚

8. 回滚为什么很简单

如果：

V8 ← production

上线后发现异常，只需要把production指回：

V7 ← production

代码仍然读取：

production

不需要重新改代码发布。

但这不等于所有运行中的应用瞬时切换。SDK 存在本地缓存和过期后的后台刷新，回滚的可见时间取决于缓存 TTL、刷新结果和应用实例。紧急切换需要按所用 SDK 的缓存控制方式刷新或重新获取，并核对实际 Generation 关联的 Prompt Version。

9. Prompt Diff

Prompt Version Diff 用于比较版本差异。

例如：

V6： 当用户需要业务数据时，可以调用工具。 V7： 当用户需要真实业务数据时，必须优先调用 MCP Tool。

如果 Tool 调用率发生变化，可以结合 Diff 快速分析具体 Prompt 改动。

10. Prompt 缓存

很多人担心：

“每次模型调用前都去 Langfuse 拉 Prompt，会不会把 Langfuse 变成业务强依赖？”

Langfuse SDK 的 Prompt 获取有客户端缓存机制，官方目标就是避免 Prompt 管理给应用增加额外延迟和可用性风险。

因此推荐使用官方 SDK 的 Prompt 获取与缓存能力，而不是每次自行同步 HTTP 拉取。

缓存只能降低依赖，不能保证第一次获取必定成功。建议应用启动时预取 Prompt、提供经过审核的 fallback，并监控拉取和后台刷新失败。

11. Prompt 与 Trace 关联

这是 Prompt Management 很关键的一步。

如果 Trace 只记录：

模型回答错误

但不知道使用了哪个 Prompt Version，就很难复盘。

关联后：

Trace └── Generation └── Prompt: account-agent V7

就可以按版本统计：

Latency Token Cost Score 调用次数

12. Prompt 与 Experiment 结合

例如要比较：

Prompt V7 Prompt V8

可以对同一个 Dataset 跑 Experiment：

Dataset ├── V7 Experiment └── V8 Experiment

比较：

Tool 正确率 回答正确率 Cost Latency

这就把 Prompt 优化从：

“我觉得 V8 好像更好”

变成：

“V8 在 100 条回归数据上 Score 提升 8%”

13. Agent Prompt 推荐怎么拆

复杂 Agent 不建议一个超大 Prompt 管所有事情。

可以按职责拆分：

account-agent-system intent-router mcp-tool-policy answer-format

但也不要过度拆分到无法追踪依赖。

更重要的是建立：

命名规范 Version 规范 Label 规范 Owner 上线流程

14. Prompt 中不要放什么

不要把这些直接固化在 Prompt：

Secret 密码 API Key 敏感用户信息 容易变化的业务数据

动态信息应该通过变量、工具、RAG 或受控上下文注入。

15. 一个 AgentScope + MCP 示例

Prompt：

account-agent-system

模板：

你是一个银行业务智能助手。 当前用户问题：{{question}} 当用户询问真实账户、余额、流水等业务数据时， 必须调用对应 MCP Tool 获取真实结果，禁止自行编造。

版本：

V1：初始版本 V2：增加“禁止编造” V3：强化 Tool 选择策略

然后使用 Dataset 进行回归，就可以比较每版 Tool 正确率。

16. 总结

Prompt Management 的核心不是“把 Prompt 放到网页上”，而是建立：

Prompt ↓ Version ↓ Label ↓ Test / Experiment ↓ Production ↓ Trace / Score ↓ 持续优化

只有当 Prompt 与 Trace、Score 和 Experiment 连起来时，Prompt 才真正从一段文本升级为工程资产。

参考资料

• Langfuse /docs/prompt-management/overview
• Langfuse /docs/prompt-management/data-model
• Langfuse /docs/prompt-management/features/variables
• Langfuse /docs/prompt-management/features/prompt-version-control
• Langfuse /docs/prompt-management/get-started
• Langfuse /docs/prompt-management/features/caching