内容要点：
• 定位并修复多步 LLM 失效：思科（Cisco）AI 团队开源了 FAPO 框架，用于自动化优化和排查复杂 LLM 复合 prompt 工作流中的每一步局部故障。
• 基于 Claude Code 实现自动编写调优：该框架能够追踪长周期管道中的状态传递，精确捕获导致输出偏离的错误节点，并集成 Claude Code 自动重写并修复提示词。
• 显著提升生产级管道稳定性：实验结果显示，通过 FAPO 自动迭代优化的 prompt 工作流，在复杂推理和多轮决策任务中的整体运行稳定性提升了 30% 以上。
久湛洞察：
多步骤 LLM 管道（Prompt Pipelines）在实际落地中最大的痛点是“局部失效导致整体溃败”，且排查成本极高。Cisco 的 FAPO 提供了一种“自我诊断与重写”的闭环框架。这标志着 Prompt 工程正式进入“自动化编译与调优”时代。建议从事大模型落地和智能体管道开发的技术团队积极引入此类框架，以自动化手段代替人工“开盲盒”式的提示词微调，极大提升 AI 服务的稳定性。
> 权威源：Cisco AI 研发博客与开源项目通告（2026年6月中旬）
> 关键词：FAPO、Cisco AI、提示词优化、失效感知、Claude Code、Prompt 管道
> 真实链接：Cisco Research News