将技术文档转换为SEO文章
将来自URL的技术文档转化为引人入胜、SEO优化的文章，适合发布在您的网站上。本流程分析排名靠前的竞品内容，生成以转化为核心的结构化大纲，丰富文章的技术细节，并针对关键词和内链进行优化。...
1 min read
没有一个好的 prompt，所有机器人都会以同样的方式行动，并且经常回答不到点子上。Prompt 为语言模型提供指令和上下文，帮助其理解应生成何种文本。
Prompt 组件概述
Prompt 组件旨在为 AI 工作流生成灵活的提示模板，支持动态插入变量和上下文。该组件尤其适用于对话式 AI 场景，如聊天机器人或虚拟助手，打造可适应、具备上下文感知的提示尤为关键。
组件作用是什么？
Prompt 组件会创建一个提示模板，可以融合多种动态变量，如用户输入、聊天历史、系统指令和上下文消息。通过利用这些变量，组件帮助你构建丰富、具备上下文敏感性的提示，提升下游 AI 模型或代理人的表现和相关性。
主要功能
- 动态模板： 自动包含聊天历史、用户输入和上下文等现有信息，构建提示。
- 自定义变量： 支持在提示模板中直接插入
{input}、{human_input}、{context}、{chat_history}、{system_message}、{all_input_variables}等变量。 - 系统消息支持： 可添加系统级指令，影响 AI 行为。
- 可复用于工作流中： 该组件输出可作为其他组件（如大型语言模型 LLM 或后续处理步骤）的输入。
输入项
Prompt 组件可接收以下输入：
| 输入名称 | 类型 | 是否必需 | 描述 |
|---|---|---|---|
| 聊天历史 | InMemoryChatMessageHistory | 否 | 先前的对话消息。用于保持上下文或生成备选查询。 |
| 上下文 | Message | 否 | 需要包含在提示中的额外上下文信息。 |
| 输入 | Message | 否 | 主要的用户输入或消息。 |
| 系统消息 | String（多行） | 否 | 指导 AI 行为的系统级指令。 |
| 模板 | Prompt（多行） | 否 | 实际的提示模板，支持自定义变量，实现个性化。 |
输出项
- 消息：
组件输出一个消息对象，包含构建好的提示，所有动态变量均已替换为对应的值。
| 输出名称 | 类型 | 描述 |
|---|---|---|
| 消息 | Message | 已生成的提示，可直接用于下游 AI 组件。 |
示例应用场景
- 对话式 AI： 根据用户输入、对话历史和额外上下文自动生成聊天机器人提示。
- 检索增强生成： 通过包含相关历史互动和系统指令，自定义检索任务的提示。
- 指令微调： 通过调整模板和系统消息，轻松适配不同任务或用户角色的提示。
为什么要用这个组件？
- 优化 Prompt 工程： 无需硬编码，轻松管理和更新提示模板。
- 提升 AI 相关性： 注入上下文、系统消息和历史信息，使提示更具信息性和准确性。
- 增强灵活性： 支持从简单问答到复杂多轮对话等多种场景。
总览表
| 功能 | 优势 |
|---|---|
| 动态变量注入 | 构建具备上下文和适应性的提示 |
| 支持聊天历史 | 保持多轮对话的连续性 |
| 系统消息集成 | 微调 AI 个性或指令 |
| 易于集成到工作流 | 简化下游 AI 的提示创建流程 |
该组件是构建复杂、具备上下文敏感性的 AI 工作流的基础工具，提示设计是获得高质量结果的关键。
模板
这是一个高级可选设置。你可以用指定变量创建提示模板，完全掌控聊天输出。例如：
作为一名专业 SEO，分析该 URL 的内容，给出不超过 65 个字符的标题。— URL 内容 —{input}任务：使用 {human_input} 查询，生成类似的标题。新标题中不要更改 {human_input}。新标题：
默认的提示模板如下所示：
You are an AI language model assistant.
Your task is to generate answer based on the input query.
If context is provided, use it to generate the answer to INPUT and HUMAN_INPUT query.
Format answer with markdown.
ANSWER IN LANGUAGE: {lang}
VARIABLES:
{"session_start_time": "2025-06-03 07:35:22", "current_page_url": "https://app.flowhunt.io/aistudio/flows/de6c2e2c-d817-4b2f-af2c-12dba3f46870?ws=74be5f74-d7c5-4076-839d-8ac1771a3b75"}
INPUT: {input}
ANSWER:
默认提示模板与组件设置保持一致。你可以通过修改 template 字段中的变量覆盖设置。自定义模板让你对输出有更大控制权。
如何将 Prompt 组件连接到你的流程
Prompt 是一个可选组件，可进一步修饰和指定最终输出。需要连接几个组件：
- 聊天历史： 聊天历史不是必需的，但通常很有帮助。记住先前消息会让后续回复更相关。
- 上下文： 任何有意义的文本输出都可以作为上下文。最常见的是连接检索器中的知识。
- 输入： 这里只能连接 Chat Input 组件。
该组件的 输出 是文本，可连接到各类组件。大多数情况下，你会立即用 Generator 组件连接 Prompt 到 LLM。
示例
我们来创建一个非常简单的机器人，继续前文中世纪骑士客服机器人的例子。它说话古怪，但主要任务是作为有帮助的客服机器人，并且要提供相关信息。
我们向机器人提出典型的客服问题，比如 URLsLab 的定价。要获得成功的答案，需要：
- 给予上下文： 此例中，我们用 URL 检索器组件，给它一页包含所有必要信息的网页。
- 连接输入： 输入始终来自 Chat Input 组件中的用户消息。
- 聊天历史： 可选，这里我们连接上它。
- 模板： 我们使用 “你是一位有帮助的客服机器人，说话像中世纪骑士。” Prompt 可以比这复杂得多，参见我们的 prompt 库获取灵感。
- 添加 Generator： 让机器人具备对话能力。为此，连接 Generator。Prompt 作为 generator 的输入。
最终流程大致如下：
现在该测试我们中世纪骑士机器人的知识了。我们给它的 URL 是 URLsLab 的定价页面。于是我们询问：
现在我们的机器人用夸张的古英语回答基础问题。但更重要的是，你会发现它始终坚守“有帮助的客服机器人”这一核心角色，并且成功利用了指定 URL 的信息。
