Promptify： 用于 LLM 提示管理的 Python 库

这次咱们来聊一个挺实用但不怎么“爆款”的东西——Promptify。

虽然名字听着像个前端UI库，但其实它是个专门用来管理LLM提示词（Prompt）的Python库，说白了就是让你“喂模型的话术”这事儿更清晰更规范，不再是复制粘贴一堆乱七八糟的prompt。这东西我试了几天，确实挺顺的，特别是你如果在做自己的AI应用，或者搞聊天机器人、多轮对话之类，Promptify这种小工具能帮你省不少心。

以前我们写prompt，基本都是字符串拼接，或者搞一堆jinja模板到处贴，环境变量替换啥的也得自己管，维护起来很乱。比如你要写一段prompt给GPT让它总结文章，很多人可能是这样的：

prompt = f"请总结以下文本的主要内容：\n\n{article_content}"

看着简单，但你要是这段prompt在十几个地方用，还要动态换语言、控制风格、注入上下文……很快就乱套了。

Promptify就是来解决这个痛点的。它用类似模板系统的方式，把prompt抽象成一个“PromptTemplate”，然后你填变量就好了，感觉有点像Jinja + Pydantic 的结合体。

Promptify到底怎么用？

核心用法就几个类：Prompt, PromptTemplate, LLM, OpenAI, PromptChain。

我们直接上代码来感受下它的基本姿势：

from promptify import PromptTemplate, OpenAI
template = PromptTemplate(
    template="请用中文总结以下文章的内容：\n\n{{text}}",
    input_variables=["text"]
)
llm = OpenAI(api_key="your-key", model="gpt-3.5-turbo")
result = template | llm  # 这个语法有点意思，像 Unix 管道一样
response = result.invoke({"text": "人工智能是一门交叉学科..."})
print(response)

是不是挺简洁？这个|操作符其实就是把prompt模板“喂”给模型，中间还能插入别的处理，比如多轮处理链。

对了，它还有个叫PromptChain的组件，可以把多个prompt串起来搞复杂流程，比如你可以先摘要，再翻译，再做SEO优化，像下面这样：

from promptify import PromptChain
chain = PromptChain()
chain.add(prompt1)
chain.add(prompt2)
chain.add(prompt3)
final = chain.invoke({"text": "原始内容..."})

这个我用在自动生成商品描述时还挺方便，一条龙服务。

模板的写法挺灵活

你可以用花括号插值，也支持用YAML写成块。像这样也行：

template:|
  你是一个专业的IT写作者，请用中文总结以下内容：

{{text}}
input_variables:
-text

这样你就能把prompt存成YAML文件，和代码分离，做配置管理也更舒服。

它还支持用JSON文件来管理Prompt库，这对于需要多语言或多场景prompt切换的项目来说，是刚需。

模型支持咋样？

目前支持OpenAI、Cohere、Anthropic、Azure等，基本够用。我个人项目主要用OpenAI，换起来就是换个类名和key，别的不用动。

而且它也支持用“本地函数”模拟LLM调用，比如你可以传入一个Python函数，假装是个模型，这样在测试时不用老连API。

from promptify.llms.local import LocalLLM
defdummy_model(prompt):
return prompt.upper()
llm = LocalLLM(dummy_model)

调试效率杠杠的。

使用场景

1）多语言提示统一管理我做个小项目支持中英文回答，以前要硬编码两个版本的prompt，现在写两个模板文件，加载时自动根据语言切换就完事了，代码干净了不少。

2）AI自动文案生成我搞商品介绍、广告文案时，需要一系列的操作：总结+翻译+优化标题，这种用PromptChain直接就能串起来，一次完成。

3）prompt测试和微调可以很方便测试不同模板的效果，比如我让模型改写同一段文案，用了三个不同风格的prompt，通过Promptify统一调用，结果对比明显。

4）团队协作这个是我觉得Promptify特别值的地方。你团队里有几个Prompt Engineer或者内容策划，可以用YAML或JSON写Prompt，程序员只管调用，职责分明，协作起来更舒服。

整体来说，Promptify是个比较轻量的库，没啥上手门槛，文档清晰，功能覆盖主流需求。我个人觉得它最大的优点就是结构化管理prompt + 链式组合处理，非常适合做LLM应用的中间层。如果你只是偶尔调个接口，那没必要；但要是你做的是一个有明确业务逻辑、场景复杂的AI产品，那它真的能帮你理清楚逻辑。

对了，如果你用FastAPI、Flask之类，也完全能和Promptify配合使用，把Prompt的部分抽离出来维护，整体项目结构更清晰。

有个小遗憾是它对一些高级prompt策略（比如ReAct、多轮对话状态追踪）还没特别完善的封装，但毕竟定位是“提示管理”，不是“对话框架”，理解万岁。

感兴趣的可以试试看，我在侧项目里已经逐步用它替代了之前自己写的prompt拼接工具。后续有啥更深玩法，我再写一篇来分享。我们下篇再见。