Agent 的版本管理：Prompt 改了算新版本吗？Agent 的版本号该怎么编排

有一次线上事故让我彻底改了工作习惯。一个调度 Agent 忽然开始拒绝正常任务，排查了代码、日志、环境变量，最后发现同事在系统提示词里加了一句“如果用户请求有歧义，直接拒绝并说明原因”。他以为只是调了个语气，结果整个 Agent 的决策边界全变了。

我问他：改 Prompt 之前，你知道这会改变行为吗？他说知道一点。我又问：那你为什么没发版本变更？他愣住了。

这事让我认真想了一个问题：Prompt 改了，到底算不算 Agent 的新版本？如果算，版本号该怎么编排？如果不算，那什么才算？

Agent 不是一段代码，是一锅随时会变浓的汤

传统软件的版本管理很简单：源码变了，编译产物就变，打个版本号。Agent 不一样。你在生产环境跑的 Agent，由至少四个独立变化的组件组合而成：

编排逻辑：决定 Agent 先做什么、后做什么的代码或流程图。
Prompt：系统提示词、few-shot 示例、输出格式规范。
模型：底层的大模型，以及具体是哪个快照（比如 gpt-4-0613）。
工具：Agent 能调用的函数、API Schema、工具描述。

再加上温度、top_p、max_tokens 这类推理参数，变量更多。

问题在于，这四个组件里任何一个发生变化，都可能改变 Agent 的输出分布。传统软件里，换个图片资源不会改变逻辑；Agent 里，换个措辞可能就改变了行为。这就是为什么你不能照搬 Git tag 的管理方式。

我最早把 Prompt 当配置，直到线上事故教我做人

刚做 Agent 平台的时候，我潜意识里觉得代码才是版本的主体。Prompt 嘛，顶多算个配置文件。于是我们给 Prompt 建了个在线编辑面板，改了就直接保存，不经过版本仓库。后来发生一件尴尬的事：客服 Agent 的输出质量突然下降，我们翻遍代码没找到异常，最后发现是产品经理在前一天通过面板微调了几个示例。

没有历史记录，没有 diff，没有任何人能说清线上跑的是哪一版 Prompt。我那时候才意识到：Prompt 不是配置，Prompt 是 Agent 的可执行逻辑的一部分。

为什么这么说？因为模型在没有 Prompt 的时候，是无差别的语言概率模型；有了 Prompt，它才变成“会客服的 Agent”。你往 Prompt 里加一句“先道歉再解释”，它就多了一个分支，这和代码里加一个 if 语句没有本质区别。

Prompt 算不算“新版本”？算，而且比代码改一行更算

你可能会想：代码是确定性的，Prompt 只是影响模型发挥。但事实是，Prompt 对行为的影响往往比代码更直接。OpenAI 的 Prompt Engineering 指南里反复强调：提示词的细微变化会显著改变模型的响应。一句“直接拒绝”可以让一个客服 Agent 从一个乐于助人的接线员变成防御式客服。

所以，修改 Prompt 绝对算版本变更。而且因为它的影响力常常超出直觉，你反而更应该在版本号上体现出来，至少让团队知道“Agent 的行为可能变了”。

把语义化版本搬到 Agent：MAJOR、MINOR、PATCH 分别对应什么

语义化版本规定：MAJOR 用于不兼容的 API 变更，MINOR 用于向后兼容的功能新增，PATCH 用于向后兼容的问题修复。这套规则搬到 Agent 上时，判断标准从“API 兼容性”换成“行为兼容性”。语义化版本规范中的数字含义依然成立。

变化范围	示例	版本段
行为不兼容	换模型（GPT-3.5 → GPT-4）、重构编排逻辑、改动 Agent 的核心角色设定（从客服改成销售）	MAJOR
功能新增（向后兼容）	新增工具调用、追加 few-shot 示例、在 Prompt 里增加新指令但不改变原有行为	MINOR
问题修复（向后兼容）	修正 Prompt 拼写、调整示例顺序、降低温度以减少随机性	PATCH

注意，这个映射的关键是：版本号的分寸不是由你改了什么决定的，而是由改动对行为的影响程度决定的。同一个 Prompt 修改，在不同任务里可能算 MINOR，也可能算 MAJOR。比如给客服 Agent 加一句“语气更亲切”，也许只是 PATCH；但如果让一个技术客服开始处理退款，这是行为不兼容，必须 MAJOR。

要做到这种判断，你需要一个回归测试集，至少要有一条覆盖关键场景的 Prompt 用例。没有测试集，你只能在出事后捶胸顿足。

光有版本号不够：用指纹锁定“线上这锅汤”

版本号是给人看的，但人记不住每个版本的组件清单。比如 v3.1.0 是“加了新工具”，但是模型也升级了，Prompt 也微调了，光靠版本号你没法精确复现。

所以我会建议在版本号之外，为每次发布生成一个Agent 指纹（fingerprint）：把代码 commit、Prompt 版本、模型标识、工具集版本、推理参数组合哈希。下面是我实际的记录格式：

{
  "fingerprint": "sha256:3f9a7c...",
  "semver": "3.1.0",
  "code_commit": "a1b2c3",
  "prompt_version": "p14",
  "model": "gpt-4-0613",
  "tools_version": "t3.2",
  "config": {"temperature": 0.2}
}

每次上线前生成并存入元数据。回滚时按指纹重建，而不是翻聊天记录找“当时用的哪个 Prompt”。

模型版本和 Prompt 版本都是组件版本，不是 Agent 版本。你可以把 gpt-4-0613 视作一个依赖，就像后端代码依赖某个库的版本。Agent 版本号应该反映这些依赖组合而成的整体行为。