面向 Agent 的 Prompt 工程：不只是写提示词

Agent Prompt 不等于 Chat Prompt

聊天场景的 Prompt 追求对话自然。Agent 场景的 Prompt 追求输出可控。

关键区别：

• Agent 需要结构化输出（JSON、函数调用）
• Agent 有工具可用，Prompt 要引导正确选择
• Agent 可能多轮执行，Prompt 要控制决策边界

System Prompt 结构模板

1. 身份：你是 XX 领域的专业 Agent
2. 能力：能做 A（使用 tool-a）、能做 B（使用 tool-b）、不能做 C
3. 规则：输出格式、查证要求、禁止行为
4. 示例：具体输入到输出的映射

Few-shot 策略

对于工具调用场景，示例比描述更有效：

示例 1 - 查天气： 用户问北京天气 -> 调用 weather(city=北京)

示例 2 - 多步推理： 用户对比上海和深圳房价 -> 两次调用 house_price

工具调用优化

• 在工具描述中写清楚什么时候用和什么时候不用
• 互斥工具要明确标注优先级
• 参数描述要包含类型和范围

防幻觉策略

1. 知识边界声明：你的知识截止到 YYYY 年
2. 溯源要求：每个事实必须附带来源
3. 不确定性表达：不确定时回答我需要查证

常见反模式

• Prompt 太长 -> Agent 抓不住重点
• 没有示例 -> Agent 猜测输出格式
• 过度约束 -> Agent 不敢做该做的事
• 忽略错误处理 -> Agent 在异常情况下失控