AI提示工程必知必会：从原理到PDF生成的最佳实践

共计 2434 个字符，预计需要花费 7 分钟才能阅读完成。

背景痛点分析

在使用大语言模型（LLM）生成 PDF 文档时，开发者常遇到以下典型问题：

• 格式混乱：LLM 输出的 Markdown/HTML 结构在不同解析器中表现不一致
• 多页分割困难：自动分页时出现表格断裂、标题悬空等现象
• 样式失控：字体、边距等打印样式需要反复调试
• 性能瓶颈：生成超过 50 页的文档时内存占用飙升

这些问题导致平均需要 3 - 5 次人工调整才能获得可用文档，严重拖累自动化流程效率。

技术方案选型对比

推荐组合方案：
1. 使用 Markdown 作为中间格式（兼容 LLM 输出）
2. 采用 WeasyPrint+ 自定义 CSS 处理转换
3. 用 PyPDF2 进行后期合并 / 加密

核心实现步骤

1. 设计提示模板

def build_prompt_template() -> str:
    return """ 请按以下 Markdown 格式生成技术文档：```markdown
# {title}

## 概述
{summary}

## 核心特性
{features}

## 参数说明
| 参数名 | 类型   | 说明          |
|--------|--------|-------------|
{params}

注意：
– 表格列数固定为 3
– 二级标题必须包含 ”## “ 前缀
– 避免使用 “` 代码块嵌套
“””

### 2. 内容结构化处理

```python
from typing import TypedDict

class DocSection(TypedDict):
    title: str
    content: str
    is_table: bool

def parse_markdown(raw: str) -> list[DocSection]:
    """将 LLM 输出的 Markdown 解析为结构化数据"""
    sections = []
    current_section = None

    for line in raw.split('\n'):
        if line.startswith('##'):
            if current_section:
                sections.append(current_section)
            current_section = {'title': line[3:],
                'content': '','is_table': False
            }
        elif '|-' in line and current_section:
            current_section['is_table'] = True
        elif current_section:
            current_section['content'] += line + '\n'

    if current_section:
        sections.append(current_section)
    return sections

3. PDF 生成实战

from weasyprint import HTML
from weasyprint.fonts import FontConfiguration

def generate_pdf(sections: list[DocSection], output_path: str):
    """将结构化内容转换为 PDF"""
    font_config = FontConfiguration()
    css = """
    @page {size: A4; margin: 2cm;}
    h2 {break-after: avoid;}
    table {break-inside: avoid;}
    body {font-family: "Noto Sans SC"}
    """html_content =""
    for section in sections:
        html_content += f"<h2>{section['title']}</h2>"
        html_content += section['content']

    HTML(string=html_content).write_pdf(
        output_path,
        stylesheets=[CSS(string=css)],
        font_config=font_config
    )

生产环境优化

内存管理技巧

1. 使用生成器处理大型文档：

   def chunked_generator(content: str, chunk_size=1000):
       for i in range(0, len(content), chunk_size):
           yield content[i:i+chunk_size]

2. 启用临时文件缓存：

   with tempfile.NamedTemporaryFile(suffix='.pdf') as tmp:
       generate_pdf(content, tmp.name)
       # 上传到云存储

字体处理方案

• 推荐使用开源字体（如思源系列）
• 商业字体需检查 Embedding 权限
• 通过 @font-face 引入自定义字体：

  @font-face {
    font-family: "CustomFont";
    src: url("file:///path/to/font.woff2");
  }

常见问题解决方案

中文换行异常

在 CSS 中添加：

p {
  word-wrap: break-word;
  word-break: keep-all;
}

图片嵌入规范

1. 使用绝对路径或 Base64 编码
2. 设置最大宽度防止溢出：

   img {
     max-width: 100%;
     height: auto;
   }

版本兼容性检查

• WeasyPrint ≥ 54.0（支持 CSS Grid）
• Python ≥ 3.8（类型注解支持）
• 验证 cairo 系统依赖版本

总结建议

经过多个项目的实践验证，这套方案能够将 PDF 生成效率提升 3 倍以上。关键成功因素包括：

1. 严格的 Markdown 输入规范
2. 中间结构化处理层设计
3. 打印优化的 CSS 样式表

未来可考虑集成到 CI/CD 流程，实现文档的自动版本化发布。对于更复杂的排版需求，可以尝试结合 LaTeX 引擎进行二次加工。