用途：把 LangChain 1.0 项目中的提示词当作代码管理，解决提示词散落、版本不可追溯、回滚需重新部署、A/B 测试成本高等问题，并修复四类常见提示词层缺陷（P57、P58、P53、P03）。
主要能力：将分散的 f-string 提示词整合为 prompts/ 模块，每个逻辑提示词一个文件并导出 ChatPromptTemplate；通过 LangSmith 提示词中心 push_prompt / pull_prompt 做版本管理，生产环境按 8 位短提交哈希固定，开发按标签拉取；对包含用户自由文本的模板改用 template_format="jinja2"，避免用户输入中的 { 触发 KeyError；按 Claude 约定使用 <document>、<example>、<context> 标签，并把人设放在顶层 system 字段；用 SemanticSimilarityExampleSelector 或 MaxMarginalRelevanceExampleSelector 做动态少样本选择（k 建议 3–10）；用特性开关按租户路由两个提交哈希实现提示词 A/B 测试，并在 LangSmith 追踪中打 variant 标签；抽取模式使用 ConfigDict(extra="ignore") 与判别联合，替代 Optional[list[X]]。
使用方式：需 Python 3.10+、langchain-core >= 1.0 < 2.0、langsmith >= 0.1.99，以及至少一个提供方包（如 pip install langchain-anthropic langchain-openai）；配置 LANGSMITH_API_KEY、LANGSMITH_TRACING=true，可选 LANGSMITH_PROJECT，以及 ANTHROPIC_API_KEY 或 OPENAI_API_KEY。按步骤先整合提示词模块，再推送/拉取，切换 jinja2，应用 XML 标签，接入少样本选择器，最后做 A/B 测试与抽取模式加固。
适用场景：LangChain 1.0 生产项目的提示词治理、多环境发布、Claude 抽取与问答、需要动态少样本的领域分类，以及结构化输出抽取。
限制：资料未提供具体收费、价格与效果数据；部分行为（如 XML 标签对 GPT-4o、Gemini 的收益差异）为资料中的经验性描述，未给出量化基准；示例中的特性开关、向量库等依赖需自行实现或另行配置。