Agent化提示词教程：把复杂任务拆给AI分步执行

学习目标

完成本教程后，你将能够：

• 理解Agent提示词与单次提示词的区别：从「一问一答」到「目标驱动的多步执行」
• 设计任务分解提示词：把模糊目标拆成可验证的子步骤
• 约束工具调用：防止模型乱用工具或陷入死循环
• 加入自我校验与回滚：提升Agent的可靠性
• 评估Agent提示词的成败：用可观测的中间产物调试

一、Agent提示词的核心要素

单次提示词只给「指令」，Agent提示词还要给「执行纪律」：

【目标】
{用户最终想要的结果}

【可用工具】
- search：联网检索
- code：执行Python代码
- file：读写本地文件
（明确列出，未列出的禁止调用）

【执行流程】
1. 将目标拆为≤5个子任务，逐个完成
2. 每完成一个子任务，输出【进度】小结
3. 遇到工具失败，重试一次；仍失败则换路径并说明
4. 全部完成后输出【最终交付】

【约束】
- 不跳过子任务
- 不编造工具返回结果
- 每步说明「为什么这么做」

二、ReAct式提示模板

ReAct（推理+行动）让模型交替「思考」与「行动」：

你是一个研究助手，使用「思考-行动-观察」循环完成任务。

格式严格要求：
思考：{下一步计划与理由}
行动：{工具名(参数)}
观察：{工具返回}
（重复直到完成）
最终答案：{结论}

任务：{用户目标}
工具：{列表}
停止条件：{何时算完成}

要点：强制模型在「行动」前先「思考」，可显著减少盲目调用。

三、子任务编排技巧

技巧1：验收标准前置

每个子任务都要有可判断的完成标准，避免「做了但没做对」。

子任务3：清洗数据
完成标准：输出CSV含列 [日期, 地区, 销量]，无空行，行数=原始行数

技巧2：状态显式化

要求Agent维护一个「工作记忆」字段，便于你中途介入：

每步结尾更新：
【状态】已完成：1,2 | 进行中：3 | 待办：4,5
【阻塞】无 / {具体阻塞}

技巧3：错误回滚

若某子任务结果明显错误：
1. 标注错误原因
2. 回到上一个稳定检查点重做
3. 最多回滚2次，仍失败则向用户求助并附已得产物

四、常见误区

❌ 错误做法

• 给一个宏大的开放目标就指望Agent全自动跑完（如「帮我做份行业报告」却不给范围）
• 不限制工具，模型可能调用未授权接口
• 没有停止条件，Agent无限循环直至超时
• 忽略中间输出，无法定位哪一步出错

✅ 正确做法

• 目标拆到「单步可验证」
• 工具白名单 + 参数约束
• 显式进度与回滚机制
• 先小范围试跑，再放大任务

五、调试方法

当Agent提示词效果差时，按以下顺序排查：

1. 看思考链：模型是否在错误步骤反复横跳？
2. 看工具调用：是否调用了禁止工具、参数是否错误？
3. 看验收标准：子任务完成标准是否模糊导致误判？
4. 缩小范围：先用单个子任务验证提示词，再组合

实践作业

设计一个「竞品分析Agent」提示词：

• 目标：对比3款产品的定价与功能
• 工具：search、file
• 要求输出：对比表 + 来源链接 + 进度日志
• 加入回滚与停止条件，并在小样本中测试

来源：综合ReAct、Agent提示工程与主流Agent框架（如LangChain、AutoGPT类）实践