提示词模板如何给变量设置默认值和类型
我第一次把一个可复用提示词接进服务时,最容易漏掉的不是提示词内容,而是变量契约:tone 没传时怎么办,task 传了空格算不算有值,调用方到底应该传字符串还是别的对象。实践下来,比较稳的做法是把平台模板和应用侧 schema 分开:模板变量负责替换输入,类型、默认值和缺失错误由请求入口统一处理。
官方文档:https://platform.openai.com/docs/
- OpenAI Playground 的变量用于区分固定提示词和每次请求的实例输入。
- 默认值、可选字段和必填校验应该放在自己的 TypeScript 函数里,不要臆造平台 schema。
- 请求发出前先把输入归一化,再把结果放进
prompt.variables,模板改版也更容易排查。
为什么默认值和类型应该放在应用侧
OpenAI 的 Prompt 管理页允许在模板中写入类似 {user_goal} 的变量;Responses API 的请求结构则把提示词引用和变量放在 prompt 对象里。它解决的是“把哪一份模板、替换成哪些值”,并不等于替应用定义业务字段的完整类型系统。
所以我会把边界画成三层:调用方提供原始输入,应用侧变量契约负责类型、默认值和必填判断,最后才形成发给模型的变量对象。这样即使模板里仍然只有 {audience}、{tone}、{task},代码也能明确回答“缺谁报错、缺谁补默认值”。

先把变量契约写成明确类型
我通常先定义“调用者可以传什么”,再定义“模板最终需要什么”。下面的 task 是必填字符串,audience 和 tone 允许省略;默认值集中放置,后续换产品语气时不必到处改字面量。
type PromptVars = {
audience?: string;
tone?: string;
task: string;
};
const DEFAULTS = {
audience: "后端开发者",
tone: "简洁、给出可执行示例"
} as const;
function normalizePromptVars(input: Partial) {
// 先补可选变量的默认值,避免模板收到 undefined。
const task = input.task?.trim();
if (!task) {
// 必填变量在请求离开应用前失败,错误更容易定位。
throw new Error("task 是必填变量,不能是空字符串");
}
return {
audience: input.audience?.trim() || DEFAULTS.audience,
tone: input.tone?.trim() || DEFAULTS.tone,
task
};
}
这里有两个细节值得保留。第一,Partial只表示调用入口允许缺省,不表示模板最终可以缺字段;返回对象才是已经补全的结果。第二,trim()要在必填判断前执行,否则一串空格会绕过校验。
| 变量 | 入口规则 | 归一化结果 |
|---|---|---|
task | 必填,去掉首尾空白后仍不能为空 | 保留用户输入,空值立即抛错 |
audience | 可选 | 缺失或空白时使用“后端开发者” |
tone | 可选 | 缺失或空白时使用默认语气 |
把默认值和缺失错误放在调用入口
归一化函数返回的对象才进入 API 请求。示例中的 pmpt_xxx 和版本号需要替换成自己在 Playground 中发布的 Prompt ID 与版本;不要把它们写成用户输入,更不要让每个业务调用点各自拼默认值。
const vars = normalizePromptVars({
task: "把订单取消规则改写成三条检查清单",
tone: "面向产品经理"
});
const response = await client.responses.create({
model: "gpt-5",
prompt: {
id: "pmpt_xxx",
version: "1",
// 这里只发送已完成类型收窄和默认补全的变量。
variables: vars
}
});
如果 task 缺失,错误会在调用模型前出现;如果只缺 tone,模板仍能得到稳定的默认语气。这个区别很重要:把所有字段都静默填默认值,会让真正的业务漏传变得难以察觉。

模板版本变化时怎么判断是否要同步
模板只改措辞,变量名不变时,调用侧通常不用改;增加、删除或重命名变量时,必须同步修改 PromptVars、默认值和示例调用。若线上需要稳定行为,可以在请求里固定版本;若希望跟随最新发布版本,则使用 Prompt ID 的默认行为,但要把版本变更纳入评测和回滚流程。
我会保留下面这张小清单:模板变量名是否与类型定义逐字一致;必填字段是否有空字符串测试;默认值是否符合当前业务语气;Prompt ID 和版本是否记录在配置中;模板发布后是否重新跑一组固定输入。它比在每个业务函数里临时判断更容易维护。
常见问题
OpenAI 模板变量能直接声明 default 和 type 吗?
不要假设能直接声明完整 schema。将类型、默认值和缺失策略放在应用侧,再把归一化后的值传入模板更稳妥。
可选变量传空字符串应该使用默认值吗?
如果空字符串没有业务含义,可以像示例一样先 trim() 再回退默认值;如果空字符串代表“明确关闭”,就应改用独立的布尔字段表达。
为什么不在模板文本里写默认值?
模板文本只能影响模型看到的内容,不能阻止错误输入进入请求。把校验放在入口,错误有明确调用栈,也能复用于不同模板版本。
Python 调用也需要同样的契约吗?
需要。语言可以不同,但应保持相同的变量名、必填规则和默认值;否则同一个 Prompt 在不同服务里会出现不一致的输入边界。
LovartAI 设计 Agent适合什么任务?输入、参数与输出说明
- 上一篇
- LovartAI 设计 Agent适合什么任务?输入、参数与输出说明
- 下一篇
- Go atomic.Uint64 如何统计并发请求数
-
- 科技周边 · 人工智能 | 2小时前 |
- 流式输出中断后如何恢复未完成的模型响应
- 108浏览 收藏
-
- 科技周边 · 人工智能 | 3小时前 | 上下文 · 人工智能 · ai agent · rag · AI Agent agent memory 记忆系统
- AI Agent 记忆如何区分用户事实和临时对话
- 110浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | API · 错误处理 · 人工智能 · 工程实践 · 函数调用 · 参数校验 工具调用 Function Calling 幂等重试 strict Schema
- 工具调用参数校验失败后怎样安全重试
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 | API · 人工智能 · json schema · 结构化输出 · 排错 · enum 结构化输出 JSON Schema 模型API 响应校验
- 结构化输出如何处理模型返回的枚举值错误
- 345浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 本地模型量化时怎么比较 4-bit 与 8-bit 代价
- 481浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 108次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 23次使用
-
- OpenCompass
- OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
- 37次使用
-
- AGI-Eval
- AGI-Eval是由上海交大等高校联合发布的大模型评测社区,提供公正透明的LLM能力榜单、多领域评测集及Data Studio数据服务,助力AI模型性能评估与NLP科研开发。
- 23次使用
-
- SuperCLUE
- SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
- 263次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

