同一个 AI 工具，上星期写得克制，这星期突然开始替人下结论。页面没变，按钮没变，模型也可能没换。变化的地方，有时只是一句提示词。
提示词就是交给模型的任务说明。个人聊天时，觉得不好用，改一句再问一次就行；一旦它成为产品里反复运行的规则，影响的就不再是一条回复。
设想一款会议纪要工具。原来的要求是“只提取已经明确承诺的任务”，后来为了让结果丰富，改成“尽量补全下一步安排”。字数没有增加多少，但会议里的建议，可能开始被写成确定的决定。
用户拿到的表格仍然整齐，事情的含义却变了。这类变化，有时比程序直接报错更难发现。
所以，提示词需要版本。所谓版本管理，可以先理解为保留每次修改的内容、原因和时间，并知道当前真正使用的是哪一份。它让“最近好像不对”有机会查回一处具体变化。
LangSmith 的提示词管理功能包括历史记录、版本比较与回滚，标签还可以重新指向其他版本。资料：LangSmith
这里有个小陷阱：“生产版”只是名字，不一定永远指同一段文字。如果记录只写着“使用生产版”，等标签后来移动了，就很难还原某次任务到底接到了什么说明。能追到具体版本，比名字看上去专业更有用。
把旧文字保存下来，也不等于随时能恢复。提示词要求的输出字段，可能已经和后面的表格模板、校验规则一起改过。只把其中一段退回去，其他地方还在等新格式，流程依旧可能失败。真正可用的版本，是一组能配合工作的设置。
这与内容创作其实很像。一篇稿件有修订记录，编辑才知道哪句话为何改变；只存“最终版”“最终版二”，时间久了依然会糊涂。AI 产品中的提示词，多了一层持续影响用户结果的责任。
当然，有版本也不能保证每次输出完全相同。模型本身的波动、输入变化，都可能影响答案。版本记录解决的是知道当时用了什么，为解释和比较提供条件。
在产品里，一句提示词可以承担很重要的规则。它不因写成自然语言就变得无关紧要，也不该在出问题以后，只能靠人回忆“我好像改过一点”。