1. 環(huán)境 5 分鐘極速搭好

1.1 本地 or 云端？

PromptFlow 同時(shí)支持「本地 VS Code 插件」與「云端托管」。

1.2 安裝 CLI（macOS / Win / Linux 通用）

# 確保 Python 3.10+
pip install promptflow promptflow-tools
pf --version
# 輸出：promptflow 1.9.0

1.3 連接大模型

PromptFlow 把「模型即服務(wù)」抽象成「Connection」。下面給出 2025 年最熱門的 3 條配置模板，復(fù)制即可用：

2. 用「流程控制」把 prompt 拆成樂高積木

2.1 從單條 prompt 到 DAG 的心智轉(zhuǎn)換

傳統(tǒng)做法：

User Question → LLM → Answer

PromptFlow 做法：

User Question → Intent Classifier → (FAQ / ChitChat / RAG) → Answer Formatter → Answer

打開 VS Code，新建 flow.dag.yaml：

inputs:
  question:
    type: string
outputs:
  answer:
    type: string
nodes:
- name: classify_intent
  type: llm
  source:
    type: code
    path: classify_intent.jinja2
  inputs:
    question: ${inputs.question}
  connection: aoai_conn
  api: chat
- name: route
  type: switch
  cases:
    FAQ:
      next: faq_node
    ChitChat:
      next: chitchat_node
    RAG:
      next: rag_node
- name: faq_node
  type: flow
  path: subflows/faq_flow
  # …

保存后按 F5，PromptFlow 會(huì)自動(dòng)在本地起一個(gè) 8080 端口可視化界面：

2.2 條件節(jié)點(diǎn)：讓 prompt 不再「一鍋粥」

PromptFlow 的 switch 節(jié)點(diǎn)支持按字符串、正則、JSONPath 任意路由。示例：

- name: route_by_confidence
  type: python
  source:
    type: code
    path: route_by_confidence.py
  inputs:
    score: ${classify_intent.output.confidence}

route_by_confidence.py 只有 5 行：

from promptflow import tool

@tool
def route(score: float) - > str:
    return "high" if score > 0.85 else "low"

2.3 循環(huán)節(jié)點(diǎn)：批量改寫 100 條文案

假設(shè)你要把 100 條商品標(biāo)題翻譯成 emoji 風(fēng)格，循環(huán)節(jié)點(diǎn)可以這么寫：

- name: batch_translate
  type: for_each
  items: ${inputs.titles}
  flow:
    nodes:
    - name: translate
      type: llm
      source:
        type: code
        path: emoji_prompt.jinja2

3. 弱 AI 腳本自動(dòng)化：讓 1000 條用例 30 秒跑完

3.1 什么是「弱 AI 腳本」？

• 沒有梯度下降，沒有反向傳播；
• 純 prompt + 規(guī)則，就能解決 80% 長(zhǎng)尾需求；
• 例如：提取快遞單號(hào)、判斷合同風(fēng)險(xiǎn)等級(jí)、把 OCR 結(jié)果修正成 Markdown。

PromptFlow 把這類腳本抽象成「批跑作業(yè)」，核心命令：

pf run create --flow . --data eval.jsonl --column-mapping question=question,ground_truth=answer --stream

3.2 用數(shù)據(jù)驅(qū)動(dòng)腳本

eval.jsonl 的格式：

{"question":"如何退訂會(huì)員？","ground_truth":"您可以在「我的-訂閱管理」中取消訂閱。"}
{"question":"你們的售后電話是多少？","ground_truth":"400-123-4567"}

跑完后自動(dòng)生成 metrics.json：

{
  "accuracy": 0.97,
  "latency_p95": 0.8,
  "token_usage": 12400
}

3.3 與 GitHub Actions 集成

.github/workflows/ci.yml：

on:
  pull_request:
    paths: ["flows/**"]
jobs:
  eval:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v4
    - uses: promptflow/action-run@v1
      with:
        flow: ./flows/faq
        data: ./data/eval.jsonl

4. 高級(jí)技巧：動(dòng)態(tài)分支、緩存、分布式批跑

4.1 動(dòng)態(tài)分支：讓 prompt 自己決定下一步

PromptFlow 2025 新增 dynamic_switch，示例：讓 LLM 輸出下一步節(jié)點(diǎn)名。

- name: planner
  type: llm
  output_parser: json
  # 返回 {"next": "rag_node"}
- name: router
  type: dynamic_switch
  choice: ${planner.output.next}

4.2 緩存：省錢 70%

在節(jié)點(diǎn)上加一行即可：

enable_cache: true
cache_key: ${inputs.question}

PromptFlow 會(huì)自動(dòng)把「prompt + 參數(shù)」做 SHA256，命中即直接返回緩存結(jié)果。實(shí)測(cè) GPT-4o 1000 次調(diào)用費(fèi)用從 $18.4 降到 $5.2。

4.3 分布式批跑：100 萬條日志 10 分鐘完賽

pfazure run create \
  --flow ./sentiment_flow \
  --data ./logs_1m.jsonl \
  --runtime gpu-cluster-v100 \
  --instance-count 100

5. 實(shí)戰(zhàn)案例：從客服 FAQ 到多 Agent 協(xié)作

5.1 背景

某跨境電商每日 50 萬條客服 IM，需要：

1. 意圖識(shí)別（售前/售后/物流/退款）；
2. 售后節(jié)點(diǎn)再細(xì)分「僅退款」「退貨退款」「換貨」；
3. 最終讓不同 Agent（規(guī)則/LLM/人工）處理。

5.2 架構(gòu)圖

IM → IntentClassify → Router

                    ├─ PreSale → GPT-4o

                    ├─ AfterSale → RefundRouter

                    │             ├─ OnlyRefund → RuleAgent

                    │             ├─ Return → LLM+ERP

                    │             └─ Exchange → Human

                    └─ Logistics → RAG

5.3 PromptFlow 落地

1. 用 VS Code 拖出 12 個(gè)節(jié)點(diǎn)；
2. 把「退款規(guī)則」腳本化，Python 節(jié)點(diǎn)直接調(diào)用內(nèi)部 ERP API；
3. 利用 flow.as_func() 把整條鏈路導(dǎo)出為一個(gè) REST Endpoint：

from promptflow.entities import Flow
flow = Flow.from_yaml("flows/main.dag.yaml")
app = flow.as_func()

4. 通過 Azure Container Apps 部署，自動(dòng)縮容到 0，成本降低 83%。

6. 常見 7 個(gè)坑與一鍵自救腳本

7. 2025 下半年 Roadmap 搶先看

• PromptFlow Copilot：自然語言生成 DAG，預(yù)計(jì) 9 月公測(cè)；
• Runtime 熱升級(jí)：零停機(jī)滾動(dòng)更新；
• Marketplace：官方模板商店，一鍵導(dǎo)入「小紅書爆款文案」「財(cái)報(bào)問答」等 100+ Flow；
• 離線邊緣設(shè)備：樹莓派 5 + 量化 LLaMA-3-8B 可跑 5 TPS。

結(jié)語：把創(chuàng)造力還給人類，把重復(fù)勞動(dòng)交給 PromptFlow

2025 年，大模型不再是「黑盒咒語」，而是可以被編排、被測(cè)試、被持續(xù)集成的「軟件單元」。PromptFlow 用一套 30 MB 的 Python 包把 LLM 拉下了神壇，也讓弱 AI 腳本第一次擁有了「工業(yè)級(jí)」的尊嚴(yán)。

現(xiàn)在就打開終端，輸入：

pip install promptflow
pf flow init --template chat

下一個(gè)把 30 分鐘手動(dòng)測(cè)試變成 3 秒自動(dòng)批跑的人，就是屏幕前的你。

#你可能也喜歡這些API文章!

REST API命名規(guī)范的終極指南：清晰度和一致性的最佳實(shí)踐

【豆包大模型】-Python調(diào)用豆包大模型API及文本轉(zhuǎn)語音TTS

免費(fèi)IP地址查詢API接口推薦

DeepSeek R1 × 飛書多維表格賦能教育領(lǐng)域

全面解讀：REST API與OpenAPI的區(qū)別、應(yīng)用及最佳實(shí)踐指南

5款強(qiáng)大且高效的API漏洞掃描工具推薦

Twitter (x) API 介紹：在線使用和集成指南

DeepSeek+ima：打造高效個(gè)人知識(shí)庫，提升學(xué)習(xí)與工作效率

ComfyUI API是什么：深入探索ComfyUI的API接口與應(yīng)用