Agent 提示词工程实战：从零构建高效技能链的避坑指南

1次阅读

共计 1815 个字符，预计需要花费 5 分钟才能阅读完成。

在当前的 Agent 开发中，提示词工程往往面临两大核心问题：

复用率低：很多开发者习惯为每个任务编写独立的提示词，导致大量重复劳动。例如，一个简单的客服 Agent 可能需要处理数十种相似问题，但每次都重新设计提示词。
效果不稳定：单一大提示词容易受到上下文干扰。测试发现，当提示词超过 500 字符时，GPT-3.5 的意图识别准确率会下降 15%-20%（数据来自 Google《Prompt Design for RLHF》2023）。

单一大提示词
优点：一次性完成复杂任务
缺点：调试困难、难以复用、容易产生幻觉
模块化技能链
优点：每个技能可独立测试，组合灵活
缺点：需要设计接口规范

输入规范
使用 Pydantic 定义数据结构
示例：强制要求用户问题必须包含产品名称
处理逻辑
核心提示词不超过 200 字符
采用思维链 (CoT) 设计
输出约束
限定 JSON 输出格式
设置置信度阈值
异常处理
捕获 API 超时
处理内容过滤

from pydantic import BaseModel
from typing import Optional

class ProductQueryInput(BaseModel):
    question: str
    product_id: int

class FAQSkill:
    def __init__(self, model="gpt-3.5-turbo"):
        self.model = model

    async def execute(self, input: ProductQueryInput) -> dict:
        """时间复杂度 O(1) 仅受 API 延迟影响"""
        prompt = f""" 你是一名客服助手，请用 20 字内回答关于产品 {input.product_id} 的问题：问题：{input.question}
回答要求：包含 '答案' 和 '置信度' 字段 """

        try:
            response = await call_openai(prompt)  # 假设的 API 调用
            return {"answer": response["choices"][0]["message"]["content"],
                "confidence": 0.9  # 模拟置信度
            }
        except Exception as e:
            return {"error": str(e)}

class SupportAgent:
    def __init__(self):
        self.faq = FAQSkill()
        self.sentiment = SentimentAnalysisSkill()

    async def handle_query(self, user_input: str):
        # 先分析情绪
        sentiment = await self.sentiment.execute(user_input)
        if sentiment["score"] < 0.3:
            return "检测到您不太满意，将转接人工"

        # 正常处理 FAQ
        return await self.faq.execute(
            ProductQueryInput(
                question=user_input,
                product_id=extract_product_id(user_input)
            )
        )

根据斯坦福《Efficient Prompting》2023 论文数据：

上下文长度(tokens)	延迟(ms)
500	1200
1000	1800
2000	3100

建议策略：
– 非必要上下文不传递
– 使用 max_tokens 精确控制

def sanitize_input(text: str) -> str:
    """防范提示词注入攻击"""
    forbidden = ["ignore", "override", "system"]
    for word in forbidden:
        text = text.replace(word, "[redacted]")
    return text[:500]  # 长度限制