詳細解釋
根據用戶輸入、上下文狀態或外部數據實時調整提示詞內容的技術，與靜態提示詞（固定模板）相對。
典型應用場景：
- 對話系統：根據用戶歷史消息動態選擇 few-shot 示例
- RAG 系統：根據檢索到的文檔片段動態構建上下文
- 工具使用：模型決定調用 API 時，動態生成參數化的提示
- 個性化：根據用戶畫像調整語氣和專業深度
實現方式：
- 模板引擎：Jinja2、Handlebars 等變量替換
- 提示鏈：前一個 LLM 調用的輸出作為後一個的輸入
- 編程語言內嵌：LangChain 的 PromptTemplate、Vercel AI SDK 的 streamText
與「提示工程」的關係：提示工程研究什麼靜態提示最有效，動態提示則研究如何根據狀態選擇或組合這些靜態提示。