几种常用的Agent的Prompt格式

一、基础框架范式(Google推荐标准)

1. 角色与职能定义
复制代码
<Role_Definition>
你是"项目专家"(Project Pro),作为家居园艺零售商的首席AI助手,专注于家装改造领域。你的核心使命:
1. 协助客户精准选购商品
2. 解决园艺技术问题
3. 安排安装服务
4. 优先使用工具获取实时数据(非依赖内部知识库)
</Role_Definition>

关键要素:身份定位、核心目标、能力边界、工具使用优先级

2. 上下文注入
复制代码
<Context>
用户档案:
- 年龄:32岁
- 国籍:中国
- 偏好:极简风格/预算敏感
<Data>
近期热销商品:智能灌溉系统(销量增长40%)
</Data>
</Context>

作用:提供个性化服务依据,减少幻觉

3. 任务执行流程(COT思维链)
复制代码
<Execution_Steps>
1. 调用商品检索工具,获取符合用户需求的商品清单
2. 使用比价工具分析价格趋势
3. 进入<折扣计算>模块申请优惠
4. 生成Markdown格式的购买方案
</Execution_Steps>

设计技巧

  • 单步骤只做一件事
  • 明确工具调用顺序
  • 嵌入子模块(如<折扣计算>
4. 输出规范(含示例)
复制代码
<Output_Format>
| 商品名称 | 价格 | 折扣 | 推荐指数 |
|----------|------|------|----------|
| 智能花盆 | ¥299 | 8折  | ★★★★☆    |
---END-OF-RESPONSE---

强制要求:结构化数据 + 终止标识符

5. 硬性约束条款
复制代码
<Constraints>
- 绝对不承诺库存数量
- 折扣幅度严禁超过15%
- 不确定时必须声明"需要进一步确认"
</Constraints>

二、进阶设计框架

1. CO-STAR框架(政府级标准)
要素 说明 示例
Context 任务背景 "您正在处理客户投诉工单"
Objective 核心目标 "24小时内解决客户问题"
Style 语言风格 正式商务信函
Tone 语气基调 诚恳道歉+解决方案
Audience 受众特征 高端家电客户
Response 输出格式 JSON结构工单
2. 结构化模块设计
复制代码
# 输入信息区
<Input>
用户问题:{query}
历史记录:{chat_history}
</Input>

# 工具调用区
<Tools>
- product_search(品牌, 价格区间): 返回商品列表
- discount_calculator(原价, 会员等级): 计算折扣
</Tools>

# 流程控制区
<Workflow>
1. 识别用户意图 → 2. 调用工具 → 3. 验证结果 → 4. 格式化输出
</Workflow>

工程优势:模块解耦、便于迭代调试


三、关键设计技巧

  1. 工具调用规范

    • 每个工具需提供清晰示例:

      复制代码
      approve_discount(type:str, value:float, reason:str) 
      # 示例:approve_discount("seasonal", 0.1, "节假日促销")
    • 参数强制校验:严禁捏造未提供参数

  2. 防幻觉机制

    • 设置否定性指令:

      复制代码
      <Anti-Hallucination>
      - 禁止推荐库存未知的商品
      - 无法确认的信息必须声明"根据现有数据无法回答"
      </Anti-Hallucination>
  3. 多智能体协作

    复制代码
    <Multi-Agent>
    1. 请求[质检Agent]分析商品质量报告
    2. 移交[物流Agent]计算配送时间
    3. 汇总结果至[报告生成Agent]
    </Multi-Agent>

四、避坑指南

  1. 示例数量控制

    • 最佳实践:3-5个典型示例
    • 过多导致模型机械复制,过少降低准确性
  2. 动态工作流设计

    复制代码
    <Dynamic_Flow>
    IF 用户需要比价 THEN 激活[比价模块]
    ELIF 需要安装服务 THEN 调用[服务预约工具]
    </Dynamic_Flow>
  3. 版本迭代建议

    • 采用控制变量法调整Prompt
    • 每次只修改单个模块并记录效果变化

工业级提示 :对复杂任务(如客户投诉处理),必须设计反思环节

复制代码
<Reflection>
1. 检查方案是否满足所有约束条件
2. 验证工具返回数据的时效性
3. 生成备选方案(至少2个)
</Reflection>

权威学习资源

  1. Google Prompt工程白皮书(含中文译本)
  2. 微软CoT设计指南:Chain-of-Thought Prompting
  3. 多智能体框架:CAMEL: Communicative Agents

注:以上框架需结合具体场景调整,电商推荐场景建议优先采用Google范式+COSTAR组合 ,客服场景推荐动态工作流+反思机制。实际部署时,建议通过A/B测试验证不同模块效果(如工具调用示例数量对准确率的影响)。

相关推荐
m0_623955661 小时前
Oracle使用SQL一次性向表中插入多行数据
数据库·sql·oracle
二二孚日1 小时前
自用华为ICT云赛道Big Data第四章知识点-Flink流批一体分布式实时处理引擎
大数据·华为
阿蒙Amon2 小时前
C#读写文件:多种方式详解
开发语言·数据库·c#
东窗西篱梦2 小时前
Redis集群部署指南:高可用与分布式实践
数据库·redis·分布式
xufwind2 小时前
spark standlone 集群离线安装
大数据·分布式·spark
就是有点傻3 小时前
C#如何实现中英文快速切换
数据库·c#
AI数据皮皮侠3 小时前
中国区域10m空间分辨率楼高数据集(全国/分省/分市/免费数据)
大数据·人工智能·机器学习·分类·业界资讯
1024小神3 小时前
hono框架绑定cloudflare的d1数据库操作步骤
数据库
DeepSeek大模型官方教程4 小时前
NLP之文本纠错开源大模型:兼看语音大模型总结
大数据·人工智能·ai·自然语言处理·大模型·产品经理·大模型学习
KellenKellenHao5 小时前
MySQL数据库主从复制
数据库·mysql