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
正在走向自律33 分钟前
MySQL兼容性深度实践:建表、增删改查与迁移避坑全记录
数据库·sql·mysql·信创·数据库迁移
隔窗听雨眠1 小时前
openGauss开源五年的内核演进与生态工程
数据库·opengauss·国产数据库
Decay__2 小时前
PostgreSQL 体系架构全解 —— 进程模型、共享内存、MVCC 与 WAL 预写日志深入
运维·数据库·sql·mysql·架构
伞伞悦读2 小时前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
老余说AI2 小时前
跨境电商、课程出海:六款多语言视频翻译工具选型指南
大数据·运维·人工智能
starzy19903 小时前
Structured Streaming 模块与编程模型:引擎内部到底由什么组成
大数据·hadoop·hdfs
Lansonli3 小时前
大数据Spark(九十二):Spark WebUI介绍
大数据·分布式·spark
沐知全栈开发3 小时前
基于ClinicalTrials公开数据的临床试验分析系统-毕业设计
数据库·课程设计
半杯咖啡半行码3 小时前
Qt 隐式共享(Implicit Sharing)深度解析:机制、陷阱与 Qt6迁移
开发语言·数据库·qt
Nturmoils4 小时前
空值、日期、字符串:业务 SQL 里的函数先跑一遍
数据库