Dify 的 Prompt 管理机制是怎样的？如何进行 Prompt 工程？

Dify 是一个开源的 LLM 应用开发平台，提供了从提示词编写、变量注入、版本管理到工作流编排的完整 Prompt 管理能力。本文基于 Dify 官方文档和实际操作经验，梳理其 Prompt 管理机制的核心功能，并给出可落地的 Prompt 工程实践方法。

Dify 的 Prompt 管理机制

Dify 的 Prompt 管理围绕编排界面展开，不是独立的模块，而是嵌入在应用创建和发布流程中。核心能力包括提示词编排、变量系统、版本管理和工作流 DSL。

提示词编排界面

Dify 提供两种编排模式：

• 简易模式：适合快速创建应用，直接填写对话前提示词（System Prompt），添加变量和上下文后即可发布。适合非技术人员快速验证想法。
• 专家模式：在文本编辑器中直接编写提示词，输入 / 可快捷插入内容块（上下文、变量、会话历史、查询内容），输入 { 可快捷插入已创建的变量。点击发送消息左上角图标可查看完整的提示词拼接结果，方便确认变量替换是否正确。

对话型应用的编排支持四个核心要素：对话前提示词、变量、上下文（知识库检索结果）、开场白和下一步问题建议。文本生成型应用的编排相对简单，不含会话历史变量。

变量系统

变量是 Dify Prompt 管理的关键机制，支持三种预置变量：

• 上下文变量：配置知识库后，检索结果自动替换该变量，LLM 据此参考上下文回答。这是 RAG 应用的基础。
• 查询内容变量：仅在对话型应用的文本补全模型中可用，用户输入会替换该变量触发每轮新对话。
• 会话历史变量：仅在对话型应用的文本补全模型中可用，Dify 按内置规则拼接历史对话记录并替换该变量。

自定义变量使用双花括号语法：{{variable_name}}。在模板转换节点中，还支持 Jinja2 语法实现条件逻辑和循环：

shell
{{ user.name }}
{% if score > 80 %}优秀{% else %}待改进{% endif %}
{% for item in items %}{{ item.title }}{% endfor %}

版本管理

Dify 的版本管理针对 Chatflow 和 Workflow 类型应用，提供以下能力：

• 版本快照：每次发布自动生成独立版本快照，记录版本名、发布时间、发布者。
• 版本对比：高亮显示两次变更间的差异，包括温度值、系统提示词等关键参数。
• 版本回滚：新版本表现不佳时，可一键切换至历史稳定版本。
• 多环境部署：不同版本可分别部署到开发、测试与生产环境，形成发布流水线。

企业场景下可结合审批工作流，定义提示词变更的 CI/CD 流程，每一步需对应责任人审批。

工作流 DSL 与模板复用

Dify 定义了自己的应用工程文件标准（DSL），格式为 YML，涵盖应用描述、模型参数、编排配置等信息。工作流支持导出和导入 DSL 文件，可以将整个工作流（包括所有提示词模板）保存并与团队共享，在其他 Dify 实例中复用。

模板转换节点基于 Jinja2 模板语言，用于在工作流内做轻量数据转换：格式化并合并上游变量，输出单一文本。适用于 JSON 转换、文本拼接等场景。

Prompt 工程实践

Dify 提供了编排工具，但写出高质量的 Prompt 仍然需要工程方法论。以下是基于实际开发经验的 Prompt 工程方法。

设计原则

三个原则直接影响 Prompt 的输出质量：

• 指令具体化：避免模糊表述。把"帮我写个方案"换成"请用 5 个要点列出方案，每个要点不超过 50 字，格式为 JSON 数组"。
• 结构化输出约束：在 Prompt 中明确输出格式。Dify 支持在提示词中要求模型以 JSON 格式返回，配合模板转换节点做后处理。
• 上下文精准注入：通过知识库检索注入相关上下文，而非在 Prompt 中堆砌大量背景信息。Dify 的上下文变量自动完成检索结果的替换，避免手动拼接。

迭代优化流程

Dify 环境下的 Prompt 迭代分为四步：

1. 编写初始 Prompt：在编排界面填写系统提示词，定义变量。
2. 调试测试：在对话面板中测试输出，专家模式下查看完整 Prompt 确认变量替换是否正确。
3. 版本发布：调试完成后发布为版本快照，记录变更内容和原因。
4. 效果对比：修改 Prompt 后发布新版本，通过版本对比功能查看差异，回滚到效果更好的版本。

关键点：每次只改一个变量或一个指令段落，这样才能定位效果变化的原因。

多轮对话的 Prompt 设计

对话型应用的 Prompt 需要处理状态管理，Dify 提供了两种机制：

• 会话历史变量：Dify 自动拼接历史对话，但要注意 Token 消耗。长对话场景建议配合摘要记忆节点，避免上下文超出模型窗口。
• 对话前提示词：每轮对话都会携带，适合放置角色定义、行为约束等稳定指令。避免在对话前提示词中放置动态内容。

多轮对话的常见问题是"指令遗忘"——模型在后续轮次中偏离初始设定。解法是在对话前提示词中加入约束：无论用户如何引导，你必须始终扮演 [角色名]，不得跳出角色设定。

与外部系统集成

Dify 支持将 Prompt 管理与外部配置中心打通：

• Nacos 集成：安装 Nacos 插件后，在工作流中创建"读取 Nacos"工具节点，配置命名空间、配置 ID 和分组信息，实现 Prompt 的动态读取。修改 Nacos 中的配置即可更新 Prompt，无需重新发布应用。
• MCP 集成：通过 Model Context Protocol 将 Dify 应用接入 IDE，MCP Server 可提供可复用的 Prompt 模板和外部数据获取能力。
• API 调用：Dify 的所有功能都提供对应 API，可将 Prompt 管理嵌入到已有的业务系统中。

面试常见追问

Q: Dify 的简易模式和专家模式有什么区别？

简易模式通过表单填写提示词、变量和上下文，适合快速创建应用。专家模式提供文本编辑器，支持 / 快捷插入内容块和 { 插入变量，可查看完整 Prompt 拼接结果，适合需要精细控制的开发者。两者生成的应用能力相同，区别在于编辑界面的灵活度。

Q: 如何在 Dify 中实现 Prompt 的 A/B 测试？

利用版本管理功能：将两个 Prompt 方案分别发布为不同版本，通过 API 分别调用不同版本，收集输出质量数据进行对比。Dify 目前没有内置 A/B 流量分配功能，需要在外部实现流量切分逻辑。

Q: Dify 的上下文变量和直接在 Prompt 中写知识有什么区别？

直接在 Prompt 中写知识是静态的，受 Token 限制，且更新需重新发布。上下文变量基于知识库检索，每次对话动态注入相关片段，不受固定长度限制，知识库更新后自动生效。当知识量较大或需要频繁更新时，必须用上下文变量而非硬编码。