你们把提示词直接写在代码常量里，改一次要发版。现在同一个 Agent 服务同时服务 3 个客户，每个客户有定制提示词；线上事故要求 5 分钟内回滚到上一个可用版本。你会怎么设计提示词版本管理？要求覆盖存储、发布、回滚、灰度、与代码/模型/工具 schema 版本的关联、审计，并说明如何避免回滚后缓存或已建会话继续用旧提示词。
面试官在考什么
判断候选人是否把提示词当作可版本化、可灰度、可审计的生产配置，而不是代码里的字符串。
回答框架 · 前两步
- 提示词作为独立制品：版本 ID、模板、变量 schema、模型参数、工具 schema 引用、租户/场景标签，不可变存储，变更走发布流程。
- 发布与回滚：注册中心/配置中心存版本，请求按租户/流量比例取版本；回滚是切指针，不依赖代码发版，5 分钟内可完成。
还有 3 条答案要点、 3 层追问、 5 个常见坑， 以及针对你简历的追问路径，在定制报告里。
同一能力域的其他题
- 你要为一个 Agent 系统设计评测 harness，会包含哪些维度？怎么保证评测结果可复现？
- Agent 的工具编排里，工具多了以后模型选错工具、参数填错怎么办？你会怎么设计降低这类错误？
- 提示词版本管理你怎么做？线上提示词改了以后，怎么知道是变好还是变坏？
- 你的 Agent 要完成『查上周失败订单 → 查每个订单的用户信息 → 给用户发补偿邮件』。可用工具：list_failed_orders（约 200ms，可能返回 500 条）、get_user（约 80ms/次）、send_email（写操作，第三方接口超时后会重复投递）。模型走 ReAct 循环，最多 20 步。请给出你的编排设计：哪些步骤并发、并发度怎么定、写工具如何避免重复发送、单步超时与整体预算怎么设、工具失败后是重试还是把错误回填给模型继续。
- 某内部 Agent 有 30 个工具，线上平均一次任务发起 8 次工具调用，其中约 60% 彼此无依赖；单次 LLM 规划延迟约 400ms，单次工具平均 200ms、p99 2s，有 5 个工具单次返回 100KB+ 文本。延迟预算要求 p95 小于 3s。你会把编排做成「每步让 LLM 选下一个工具」还是「先让 LLM 出完整 DAG 再执行」？给出你的决策条件、并行策略、失败重试与返回体裁剪方案，并说明工具数从 30 涨到 300 时哪些设计会先失效。
- 某 Agent 平台挂载 40 个工具（内部 API、检索、代码执行），当前做法是把全部工具 schema 注入 system prompt，约占 8k token。线上数据显示：工具选错率 22%，其中 60% 的错误集中在 6 个语义高度相近的工具之间；端到端 p95 延迟随工具数量近似线性增长。业务方要求半年内把工具扩到 120 个，同时选错率不能再涨。请给出你的编排演进方案：分几步、每一步解决什么问题、每一步用什么指标决定『继续推进』还是『回退』。