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
<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
<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）
<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）
<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
<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
# 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
-
工具调用规范
- 每个工具需提供清晰示例：
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
- 每个工具需提供清晰示例：
-
防幻觉机制
- 设置否定性指令：
<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>
- 设置否定性指令：
-
多智能体协作
<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
-
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
-
动态工作流设计
<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> -
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 ：
<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
- Google Prompt工程白皮书（含中文译本）
- 微软CoT设计指南：Chain-of-Thought Prompting
- 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）。