🧑💻 面试官：Prompt 不就是几段文字吗？为什么还要做版本管理？
🙋♂️ 我：因为它会影响模型怎么回答，改动以后需要测试，也需要知道出了问题能退回哪一版。
🧑💻 面试官：我已经把提示词放到 Git 里了，这还不够？
🙋♂️ 我：还要知道线上实际加载的是哪一次提交，以及当时配合使用的模型和工具配置。
🧑💻 面试官：一个 Agent 任务已经执行了三轮，你把线上 Prompt 切回旧版。它下一轮继续用哪一版？所有服务器会同时切过去吗？
Prompt 版本管理不只是保存历史文字，更要把“一次任务实际用了什么”记录清楚，否则看得见改动，也未必能重现和回滚行为。
面试速答（60 秒版）
Prompt 会影响模型的任务处理、输出格式和工具选择，因此应该像其他程序配置一样管理版本。
修改时保留旧内容，形成一个可以准确定位的新版本，再用固定样本和历史错误问题比较效果。测试通过以后，才把生产环境切到新版本，而不是直接覆盖线上文字。
每次任务还应记录实际使用的 Prompt 版本，以及模型、工具定义和应用版本等相关配置。对于多轮 Agent 任务，可以在开始时确定一套配置，避免中途悄悄混用新旧规则。
回滚时，把后续请求切回已经验证的版本，同时检查客户端缓存和正在执行的任务。只退提示词，不一定能解决配套解析器已经改变的问题，也不会撤回已经发生的业务操作。
知识点详解：文字只改了一行，页面为什么就坏了？
Prompt 也在决定程序之间怎样配合
假设咱们的客服助手要求模型返回一个 JSON 对象，其中 answer 字段保存给用户看的内容。前端一直读取这个字段，展示在聊天窗口里。
有人调整提示词，把输出字段改成了 reply。单独在调试页面看，模型仍然回答得挺好；接回旧前端以后，页面却读不到内容了。
这里没改应用代码，程序行为照样变了。提示词一旦参与规定输出格式，就已经和后面的解析逻辑产生了关系。
所以，版本管理要回答的第一个问题不是“文件放在哪里”，而是：改动会影响谁，怎样确认这些配合没有被破坏。
除了格式，还可能改变工具选择、拒答条件、回答详细程度。检查时不能只挑几个看起来顺眼的回答，要覆盖原来容易出错的情况。
固定版本和生产标签，各有什么用？
可以把每次经过保存的内容看成一个固定版本，例如 v7、v8。版本确定后不在原地偷偷修改，有变化就再建新版本。
生产环境则可以通过一个标签，例如 production，决定目前使用哪一版。
这样，v8 表示一份具体内容，production 表示当前选择。标签可以从 v7 移到 v8，但 v7 本身仍然保留，出问题时也有东西可以退回。
Langfuse 的 Prompt 版本管理支持按版本或标签获取内容，也支持通过调整生产标签回滚。LangSmith 的管理文档同样区分了提交版本与指向提交的标签。
这不是要求每个项目都搭建一个专门平台。Prompt 放在 Git 中、跟随应用一起发布，也可以做到版本管理。关键是不要让“文件有历史”和“线上用了哪版”脱节。
一个任务应该记下哪些信息？
只记“使用客服提示词”太模糊；只记“使用 production”也不够，因为这个标签以后会移动。
至少应该保存当时解析到的具体版本。如果一次任务包含多个提示词，就记录实际使用的各个版本。
同时把相关配置关联起来：模型标识与参数、工具 Schema、应用或解析器版本；使用 RAG 时，还可以记录实际取到的文档版本和引用。这些信息帮助我们判断，错误是否真由提示词变化引起。
例如，同一版 Prompt，模型换了，答案也可能变化。如果日志里只记录 Prompt 版本，就很容易把问题找错地方。
这里也要注意数据范围。为了追踪，不代表必须把用户的全部隐私原文永久写进日志。可以记录必要的版本、配置和经过脱敏的样本，访问原始内容则按权限及保留规则处理。
对于长任务，可以由应用在任务开始时解析发布配置，并把具体版本绑定到任务。后面几轮继续使用这套配置。这个“固定任务版本”的做法需要应用实现，不是换一个管理平台就自动具备。
真要回滚，怎么判断退成功了？
还是前面的例子。假设 v8 把字段改成 reply，导致旧前端无法读取，那么退回 v7 以后，新请求应该再次得到符合旧约定的结果。
但如果前端也已经升级为只读 reply，单独退 Prompt 反而又会制造不匹配。因此，应确认哪些配置必须一起回退，或者先提供兼容期，让两种字段都能被正确处理。
另外，多个服务实例可能缓存了 Prompt。生产标签已经改了，不等于各实例立刻使用新指向。需要了解缓存刷新规则，并通过日志检查实际解析到的版本，而不是只看管理页面显示“回滚成功”。
已经执行中的任务则单独处理。若只是措辞变化，可以让旧任务按原版本收尾；如果新版本存在安全问题，就要停止相关任务并检查已经发生的动作，不能等它们自然跑完。
验收时，除了新版本评测，也做一次回滚演练：启动一个任务，切换版本，再启动另一个任务，检查两者分别使用什么配置，以及旧任务恢复时会不会混入新规则。
面试官继续追问
开发阶段直接读取 latest，可以吗？
开发时方便试验可以，但生产环境不宜把“最新保存的一版”自动当成“已经批准的一版”。
有人刚存了半成品，也可能成为 latest。使用明确发布的版本或生产标签，能把编辑动作和上线动作分开。
固定 Prompt 和模型配置，能完全复现答案吗？
不能保证。采样、模型服务内部变化和执行环境，都可能影响输出。
版本记录的作用，是尽量还原当时的输入条件和系统组合，方便排查，而不是承诺每次生成逐字相同。涉及外部工具时，还应保存必要的返回结果或可追溯记录。
只是改一个错别字，也要跑全部评测吗？
测试范围可以按改动风险分层，不必所有改动都走同样重的流程。
但看似修措辞，也可能改变条件含义。至少检查差异，运行关键回归样本。涉及格式、权限提示和工具选择的改动，再补对应测试，不能只凭“改动很短”判断风险低。
面试速记卡
- 管理对象：Prompt 会改变行为，不能只当一段展示文字。
- 固定版本：保存具体内容；生产标签：指向当前批准版本。
- 任务记录：保存实际版本，不只保存会变化的标签。
- 回滚范围：同时考虑模型、解析器、工具定义、缓存和在途任务。
- 验证方式：发布前比较固定样本，发布后核对实际版本并演练回滚。
