Agent 提示词工程入门指南：从零构建高效对话系统

1次阅读

没有评论

共计 2437 个字符，预计需要花费 7 分钟才能阅读完成。

Agent 提示词工程 是指通过设计特定的文本提示（prompt），引导 AI 模型完成特定任务的技术。就像教一个新员工如何工作一样，我们需要用清晰的指令告诉 AI 该做什么、怎么做。

在实际应用中，它主要解决三个问题：

任务明确性：让 AI 清楚知道要完成什么任务
流程可控性：确保对话按照预设的路径进行
结果一致性：不同时间、不同场景下都能获得稳定的输出质量

常见应用场景包括：智能客服、内容生成助手、数据分析报告自动生成等。相比传统规则引擎，它的优势在于灵活性和自然语言理解能力。

刚开始尝试时，开发者经常会遇到这些问题：

提示词效果不稳定：同样的提示词，有时表现很好，有时完全跑偏
对话逻辑混乱：多轮对话后 AI 忘记之前的内容或偏离主题
响应质量参差不齐：简单问题处理得很好，复杂需求就胡言乱语
API 调用成本不可控：没注意 token 消耗，账单突然暴增

这些问题大多源于对提示词设计原理和对话管理机制理解不够深入。

一个典型的 Agent 系统包含三个核心模块：

输入处理器：清洗用户输入，识别意图
对话管理器：维护对话状态和历史记录
输出生成器：构造最终响应并格式化

建议采用分层设计，这样后期扩展功能（比如增加知识库查询）会更方便。

好的提示词应该包含这些要素：

角色定义：明确 AI 的身份（如 ” 你是一个专业的 IT 技术支持专家 ”）
任务说明：具体要完成的工作（如 ” 帮助用户解决 Python 编程问题 ”）
输出要求：格式、长度等限制（如 ” 用 Markdown 返回代码示例 ”）
示例演示（可选）：给出 1 - 2 个输入输出的样例

示例模板：

template = """
你是一个资深 Python 导师，任务是解答编程问题。要求：1. 先判断问题类型（语法 / 算法 / 库使用等）2. 给出解释和示例代码
3. 代码必须带注释且符合 PEP8
4. 如果问题描述不完整，礼貌要求补充信息

当前问题：{user_input}
"""

处理多轮对话时，推荐采用这些方法：

摘要压缩法：每 3 - 5 轮对话后，让 AI 自动总结对话要点
关键信息标记：对用户提供的特定数据（如订单号）做特殊标记
主动遗忘机制：当话题明显切换时，清空不相关的历史记录

下面是用 OpenAI API 实现的基础对话 Agent（Python）：

import openai
from typing import List, Dict

class ConversationAgent:
    def __init__(self, api_key: str):
        openai.api_key = api_key
        self.conversation_history: List[Dict] = []

    def add_system_message(self, content: str) -> None:
        """添加系统指令"""
        self.conversation_history.append({
            "role": "system",
            "content": content
        })

    def get_response(self, user_input: str) -> str:
        """获取 AI 响应"""
        try:
            # 添加用户输入到历史
            self.conversation_history.append({
                "role": "user",
                "content": user_input
            })

            # 调用 API
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=self.conversation_history,
                temperature=0.7,  # 控制创造性
                max_tokens=500    # 限制响应长度
            )

            # 提取回复内容
            ai_message = response.choices[0].message.content
            self.conversation_history.append({
                "role": "assistant",
                "content": ai_message
            })

            return ai_message

        except Exception as e:
            print(f"API 调用出错: {str(e)}")
            return "抱歉，服务暂时不可用，请稍后再试"

# 使用示例
if __name__ == "__main__":
    agent = ConversationAgent("your-api-key")
    agent.add_system_message("你是一个技术文档助手，用中文回答编程问题")

    while True:
        query = input("用户:")
        if query.lower() == "exit":
            break

        response = agent.get_response(query)
        print(f"AI: {response}")