Agent 提示词入门指南：从零构建你的第一个智能代理

1次阅读

没有评论

共计 1275 个字符，预计需要花费 4 分钟才能阅读完成。

首先，我们需要明确什么是 Agent。与传统程序不同，Agent 不是简单地执行预设指令，而是能够根据环境动态调整行为。你可以把它想象成一个有自主决策能力的助手。

与传统程序的本质区别 ：
传统程序：输入固定，输出可预测
Agent：能够处理模糊输入，做出合理推断
具备上下文记忆能力
可以主动提出问题澄清需求

好的提示词是 Agent 表现优异的关键。以下是三个核心原则：

明确性 ：
避免歧义表述
明确指定输出格式
示例：” 请用 JSON 格式返回结果，包含 ’title’ 和 ’content’ 两个字段 ”
上下文控制 ：
合理设置对话历史长度
使用明确的角色定义
示例：” 你是一个专业的客服助手，用简洁的语言回答问题 ”
容错机制 ：
预设备用回复路径
处理用户输入不完整的情况
示例：” 如果无法确定用户意图，请要求提供更多细节 ”

下面我们用 Python 构建一个简单的对话型 Agent。这个例子展示了如何动态构建提示词：

# 初始化 Agent
class SimpleAgent:
    def __init__(self):
        self.conversation_history = []

    def generate_prompt(self, user_input):
        """
        动态构建提示词
        :param user_input: 用户当前输入
        :return: 完整的提示词字符串
        """
        # 保留最近 3 轮对话作为上下文
        context = self.conversation_history[-3:] if len(self.conversation_history) > 3 else self.conversation_history

        prompt = """ 你是一个有帮助的 AI 助手。以下是对话历史：{history}
        用户最新提问：{input}
        请用友好、专业的语气回答。如果问题不清楚，可以请求澄清。""".format(history='\n'.join(context),
            input=user_input
        )

        # 更新对话历史
        self.conversation_history.append(f"用户：{user_input}")
        return prompt

随着 Agent 复杂度提升，性能优化变得重要。以下是两个关键点：