1. 项目背景
业务场景
某数据团队每天要给CTO发一份日报，汇总当天各部门的关键指标。日报脚本的工作流程是：从数据库拉数据 → 填进一个Markdown模板 → 发给CTO。但产品经理发现了一个痛点——数据是客观的，但"结论"部分全靠人工写，不同人写的结论质量参差不齐。
技术经理提议："让大模型根据数据生成结论。"团队一拍即合，做了一版Prompt：
“请根据以下数据写一段结论性文字。”
然后神奇的事情发生了——同样的数据，问三次得到三种完全不同的结论：第一次写得很好，第二次把增长说成了下降，第三次直接编了个不存在的指标。
CTO看到后只回了一句话：“这日报，我不敢用。”
痛点
- 输出不稳定：同样的输入、同样的模型，每次生成的答案不同——对业务来说这是不可接受的。
- 格式不统一：有时输出Markdown格式，有时输出纯文本，有时带HTML标签，下游程序无法稳定解析。
- 内容不可控：模型偶尔会"自由发挥"，编造不存在的数字、引用不存在的政策，在日报场景下这是灾难。
- 缺乏迭代方法：Prompt改了一个词效果变好了，但团队记不住改了哪里。Prompt质量靠"感觉"，没有版本管理和回归测试。
一句话总结：Prompt不是简单的自然语言指令，
