随着大型语言模型（LLMs）能力的飞速发展，它们不再仅仅是简单的文本生成器，而是可以被赋予"智能体"（Agent）的能力，具备规划、工具调用、记忆、自主学习等复杂行为。然而，如何让这些智能体精准理解我们的意图，按计划高效执行任务，甚至在复杂环境中做出合理的决策，是一个巨大的工程化挑战。这正是Agent Prompt工程大显身手的领域。
本文将深入探讨Agent Prompt工程的核心理念、关键技术和实用技巧，目标是帮助您构建出更"听话"、更可靠、更智能的AI Agent。我们将从Prompt的基本结构、如何构建思维链（CoT）、工具使用、记忆机制到反馈与迭代，为您提供一个全面的Agent Prompt工程实践指南。
一、 Agent Prompt工程：核心理念与目标
什么是Agent Prompt工程？
Agent Prompt工程是指设计、优化和管理用于指导LLM Agent执行特定任务、遵循特定规则、利用特定工具或与特定环境交互的文本提示（Prompts）。它不仅仅是给LLM一个简单的指令，而是通过精心设计的Prompt，将其"引导"到一个期望的行为模式和能力空间。
核心目标：
明确指令与意图： 让Agent准确理解用户或系统的需求。
控制复杂行为： 引导Agent执行复杂的、多步骤的任务（如Planning, Reasoning, Acting）。
有效工具使用： 确保Agent能够正确选择、调用和解析工具的输入输出。
提升可靠性与准确性： 减少Agent的幻觉、误操作，输出更符合预期的结果。
增强可控性： 设定Agent的行为边界、输出格式、思考过程，使其"听话"。
优化效率： 提高Agent完成任务的成功率和效率。
二、 Agent Prompt的核心要素
一个典型的Agent Prompt通常包含以下几个关键要素：
角色设定 (Role Setting):
目的： 赋予Agent特定的身份、知识领域或行为风格。
示例： "你是一位经验丰富的软件工程师，专注于Python开发。" / "你是一名严谨的法律顾问，提供咨询服务。"
任务描述 (Task Description):
目的： 清晰、具体地阐述Agent需要完成的任务。
示例： "根据用户提供的需求，生成一段Python代码来解决问题。" / "分析以下合同条款，找出潜在的风险点。"
输入信息 (Input Information):
目的： 提供Agent完成任务所需的所有相关上下文、数据或用户输入。
示例： 用户提供的需求描述、原始数据、历史对话记录。
思考过程 (Thought Process / Reasoning):
目的： 引导Agent逐步思考，分解问题，推理决策。这是"让Agent更听话"的关键。
方法： 链式思考 (Chain-of-Thought, CoT)、思维树 (Tree-of-Thought, ToT) 等。
可用工具 (Tools / Action Space):
目的： 告知Agent它可以使用的外部工具，以及每个工具的名称、功能、输入参数和输出格式。
示例：
<JSON>
{ "name": "search", "description": "Searches the internet for general knowledge.", "parameters": { "type": "object", "properties": { "query": {"type": "string", "description": "The query to search for."} }, "required": \["query"
}
},
{
"name": "calculator",
"description": "Evaluates mathematical expressions.",
"parameters": {
"type": "object",
"properties": {
"expression": {"type": "string", "description": "The mathematical expression."}
},
"required": ["expression"]
}
}
]
输出格式 (Output Format):
目的： 规定Agent最终输出的格式（JSON, Markdown, 特定结构等），便于下游系统解析。
示例： "请以JSON格式输出，包含"thought", "action", "action_input", "observation" 字段。"
约束与规则 (Constraints & Rules):
目的： 设定Agent行为的边界，防止越界或不当行为。
示例： "不允许使用外部工具进行非事实性查询。" / "生成的代码必须是Python 3.9+兼容的。" / "回答不得超过1000个字符。"
三、 Agent Prompt 工程策略与技术
- 链式思考 (Chain-of-Thought, CoT) Prompting
核心思想： 鼓励LLM在回答问题前，输出一系列中间推理步骤。这大大提高了复杂推理任务（如算术、常识推理、符号操作）的准确性。
原始Prompt (No CoT): A + B * C = ?
CoT Prompt: A + B * C = ?
Thought: Let's break this down. The order of operations (PEMDAS/BODMAS) says we do multiplication before addition. So, first calculate B * C, then add A.
Calculation: Let A=2, B=3, C=4. B * C = 3 * 4 = 12. Then A + 12 = 2 + 12 = 14.
Answer: 14
示例 (Agent Prompt中的CoT引导):
<TEXT>
You are a helpful assistant that needs to plan actions to fulfill user requests.
You have access to the following tools:
{tools}
When you are asked to do something, you should think step by step.
First, think about what you need to do. What tools do you need to call?
Second, decide the input for each tool.
Then, execute the tool and observe the output.
Finally, use the observation to answer the user or take the next step.
User: What is the weather in Paris and what is the current population of France?
Thought:
Okay, I need to find two pieces of information: the weather in Paris and the population of France.
I have two tools: 'search' and 'calculator'.
The 'search' tool seems appropriate for both queries.
First, I will search for the weather in Paris.
Then, I will search for the population of France.
Finally, I will combine the results and present them to the user.
Action:
```json
{{
"action": "search",
"action_input": {{
"query": "weather in Paris"
}}
}}
关键：
明确要求Agent"Think step by step"。
提供一个"Thought:"前缀，让Agent输出其思考过程。
然后是"Action:"前缀，引导Agent输出工具调用。
- 工具使用 (Tool Use / Function Calling)
Agent的强大在于其能够与外部世界交互，而工具就是这种交互的媒介。
Prompt的关键：
清晰的工具描述： 每个工具的name, description, parameters (及其type, properties, required) 必须准确无误。
示例： 描述 search 工具：
<JSON>
{
"name": "search",
"description": "Searches the internet for general knowledge.",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "The search query string."
}
},
"required": ["query"]
}
}
期望的API调用格式： LLM需要输出一个结构化的表示（如JSON），包含action（工具名）和action_input（工具参数）。
示例 (Agent Prompt结构)：
<TEXT>
You are an AI assistant with access to the following tools.
Tools:
{tool_code}
You are a helpful assistant. Respond to user questions by calling the actions from the tools.
You must use the JSON format for your response. The response must be in the following format:
{tool_call_format}
User: What is 2 plus 2?
Thought:
The user is asking for a simple calculation. I should use the calculator tool.
The expression to evaluate is "2 + 2".
Action:
```json
{{
"action": "calculator",
"action_input": {{
"expression": "2 + 2"
}}
}}
<TEXT>
**`{tool_code}` 和 `{tool_call_format}` 占位符** 会被你的Agent框架（如LangChain, LlamaIndex, AutoGen）动态填充。
3. 记忆机制 (Memory)
**痛点：** Agent无法记住长时期的对话历史或关键的中间决策。
**Prompt解决方案：**
* **短期记忆 (Short-term Memory):** 将最近的对话历史、Agent的思考过程、工具输出等信息添加到Prompt中。
* **长期记忆 (Long-term Memory) / 知识库：**
* **Vector Databases:** 将重要的信息（如关键决策、用户偏好、知识片段）嵌入（Embed）后存入向量数据库，通过相似性搜索检索相关信息，再加入Prompt。
* **Summary Memory:** 定期总结过长的对话历史，保留关键信息，减少Prompt的Token长度。
**示例 (加入短期记忆和总结记忆):**
System: You are an AI assistant.
User: Tell me about the capital of France.
Assistant: The capital of France is Paris. It's a beautiful city known for its art, fashion, and gastronomy.
User: Now tell me about its population.
Assistant (Memory Summary): User previously asked about the capital of France, which is Paris.
User: Now tell me about its population.
Thought:
The user is asking for the population of Paris. I know from the previous turn that:
Summary: User previously asked about the capital of France, which is Paris.
I have a 'search' tool that can help me find this information.
Action:
<JSON>
{{
"action": "search",
"action_input": {{
"query": "population of Paris"
}}
}}
<TEXT>
4. 反馈与迭代 (Feedback Loop)
**痛点：** Agent可能犯错，执行不准确。
**Prompt解决方案：**
* **自我修正 (Self-Correction):** 在Agent的思考流程中引入一个"Review"或"Self-Critique"步骤。
* **外部反馈：** 将Agent的输出结果提交给另一个LLM实例进行评估，或与已知事实比对，然后将评估结果反馈给Agent。
**示例 (加入自我反思步骤):**
User: Write a Python function to calculate the factorial of a number.
Thought:
User wants a Python function for factorial.
I need to define a function that takes an integer, calculates its factorial, and returns it.
I can implement this recursively or iteratively. Iterative is often more efficient and avoids recursion depth limits for large numbers.
I will use an iterative approach.
Action:
<JSON>
{{
"action": "python_interpreter",
"action_input": {{
"code": "def factorial(n):\n if n < 0:\n return 'Factorial not defined for negative numbers'\n elif n == 0:\n return 1\n else:\n result = 1\n for i in range(1, n + 1):\n result *= i\n return result\nprint(factorial(5))"
}}
}}
Observation:
120
Thought:
The previous step was to execute the factorial function with input 5.
The output was 120, which is the correct factorial of 5.
The code handles non-negative integers correctly.
However, it might be good to add some docstrings to the function for better usability and to explicitly mention that it returns an error message for negative input.
I should output the function definition with docstrings.
Action:
<JSON>
{{
"action": "python_interpreter",
"action_input": {{
"code": "def factorial(n):\n '''Calculates the factorial of a non-negative integer iteratively.'''\n if n < 0:\n return 'Factorial not defined for negative numbers'\n elif n == 0:\n return 1\n else:\n result = 1\n for i in range(1, n + 1):\n result *= i\n return result\n\nprint(factorial(5)) # Example usage"
}}
}}
关键：
在Thought:步骤中引入"Review", "Self-Critique"等字眼。
让Agent根据Observation来决定下一步是"Answer"（结束）还是"Action"（继续执行或修正）。
四、 组织Agent Prompt：模板与框架
为了更好地管理和复用Agent Prompt，通常需要借助Prompt模板和Agent框架。
Prompt Templates: 将Prompt结构化，使用占位符（如{user_input}, {tools}, {memory}, {instructions}）来动态填充内容。
Agent Frameworks:
LangChain: 提供了一套完整的Agent开发框架，包括AgentExecutor、Tool wrappers、Memory modules、Prompt templates，极大简化了Agent的开发流程。
LlamaIndex: 侧重于数据索引和检索，也提供了Agent构建能力。
AutoGen: 一个更加通用的多Agent协作框架，每个Agent可以有自己的Prompt和工具。
示例 (LangChain Agent Prompt Template 概念):
<PYTHON>
from langchain_core.prompts import PromptTemplate
template = """
You are a helpful AI assistant. You have access to the following tools:
{tools}
Use the following format:
User: the input question you must answer
Thought: I need to use a tool to help me answer the question.
Action: The action to take, should be one of [{tool_names}]
Action Input: The input to the action
Observation: The result of the action
... (this Thought/Action/Tool Input/Observation can repeat N times)
Thought: I now have enough information to answer the question.
Final Answer: the final answer to the user
{agent_scratchpad}
"""
prompt = PromptTemplate.from_template(template)
agent_scratchpad will be filled by the AgentExecutor with previous thoughts and actions.
五、 Agent Prompt工程的进阶技巧
Few-shot Prompting: 在Prompt中提供几个高质量的输入-输出示例，让LLM学习期望的行为模式。
Constitutional AI: 定义一套AI行为原则（Constitutions），Agent在输出前会检查是否违反这些原则，如果违反则进行修正。
Prompt Chaining / Graph: 将Agent的任务分解成一系列相互依赖的Prompt，形成一个任务图。
Tool Augmentation: 结合检索增强生成 (RAG) 技术，让Agent在调用工具前先通过检索获取信息。
Agent Orchestration: 设计多个Agent协作完成复杂任务，每个Agent负责一部分。
六、 提升Agent"听话度"的总结
要让AI Agent更"听话"，核心在于清晰、结构化、多维度地沟通你的指令和期望：
明确角色： 定义Agent的身份和能力边界。
分解任务： 将复杂任务拆解，引导Agent逐步思考，使用CoT。
详述工具： 提供准确、完整的工具描述，并指定输出格式。
构建记忆： 确保Agent能记住关键信息，必要时使用长期记忆。
引入反馈： 让Agent能够自我检查、自我修正，或接受外部反馈。
使用模板和框架： 提高Prompt的复用性和管理效率。
持续迭代： 根据Agent的表现，不断优化Prompt。
Agent Prompt工程是一门艺术，也是一门科学。通过不断的实践和实验，你会发现如何用最有效的Prompt，解锁AI Agent的无限潜能。