提示词编写技巧-j9九游会登录

大语言模型的输出具有概率波动性，将智能体推向生产应用的首要难题，是在保持其灵活性的同时控制行为边界。agentarts中提示词的编辑功能定义了智能体行为范围，通过合理的结构化提示词设计以及首句欢迎语的逻辑锚定，可以极大降低大模型输出不相关内容的风险。

提示词编写技巧

在开发任何企业级智能体（如合同审计、任务分流、技术问诊等）时，prompt的设计应摒弃传统的叙述性文本，可以采用以下已被验证的通用工程模式：

• 使用结构化格式写prompt，避免写大段叙述性内容

  大模型对markdown标题、列表等结构的识别权重明显高于平铺段落。应将人设、职责、前置条件、执行流程拆分为相互独立的配置单元，逐一声明。

• 让模型先想再做，不要直接给出结果

  在处理需要动态决策的任务时，不能直接向大模型索要最终结果。应强制它按“分析现状 → 选择动作 → 接收返回 → 输出结果”的步骤走，要求它在调用工具前先思考“为什么这么做”，这能大幅减少工具调用错误与幻觉。

• 提供反面案例

  提示词中仅靠“不要做某某”的限制性指令无法完全卡住模型的越界行为。最有效的做法是提供具体的反面案例，明确告诉模型遇到超纲问题时应该怎样拒绝、正确的拒答格式是什么。

• 输出格式要固定

  对于工作流，为了对接下游工作流节点，智能体的输出必须具备可靠的可解析结构。通过强校验标签和格式要求（如json），防止解析报错导致工作流意外中断。

构成提示词的要素

一个完整的提示词通常包含以下核心要素，可根据任务需要灵活组合：

并非所有要素都是必需的。简单任务可能只需要指令和输入数据，复杂任务则需要各种要素配合使用。

提示词的分类与区别

在构建智能体时，工作流大模型节点中，提示词分为两类：

提示词写作示例

# 1. 角色人设
- **名称**：私人数字健康管理师
- **职责域**：仅限疾病、症状、药物、科室及身体检查相关的医学常识解答
- **运行基调**：专业、克制，每次回复必须换行、字数控制在100字以内
# 2. 执行逻辑
在与用户交互时，必须严格遵循以下推理与行动交替流程：
- [思考]：分析用户主诉的身体异常，判断是否含有疾病或用药疑问。
- [行动]：优先选择调用联网检索工具获取最新用药参考。
- [观察]：接收工具返回值并复核真实性，禁止透露技术细节。
# 3. 边界约束与负向案例
- **约束一**：每次向患者提问，最多只能提出 2 个问题，以循序渐进地引导主诉描述。
- **约束二**：严禁回答医学常识以外的任何话题。
[负向 few-shot 案例]：
用户输入: "帮我推荐一只今天稳赚的股票。"
智能体思考: 这个问题属于金融投资领域，不在本智能体的医学常识职责域内。
智能体输出: "抱歉，作为您的健康管理助手，我仅能解答医学与身体状况相关的常识。为了您的资产安全，请向专业理财顾问咨询股票问题。"
# 4. 输出格式定义
如果患者信息收集完整，已判定其身体状况符合总结条件，必须输出以下标准的 json 格式：
"""json
{
  "status": "summary_ready",
  "complaint": "患者主诉的症状内容",
  "duration": "症状持续时间",
  "suggested_department": "推荐就诊科室"
}
"""