Prompt 工程在本阶段的价值，体现在把「可被后端与编排层执行」与「可被模型稳定遵守」这两件事通过文本来对齐——包括字段义务、域边界、多轮许可、Insight 契约与格式化卫生。三条可复用原则：其一，凡是影响工具参数合法性的规则必须写进子域指南而不是仅存在于口头约定；其二，凡是可能让模型误读的历史措辞需要被显式覆盖而不是假设模型会综合理解；其三，预制模板既要约束输出形状也要约束诚实性与缺失数据处

本阶段我没有继续写父 Agent 的意图识别和调度，而是把工作重点放在子 Agent Prompt 的具体执行规则上，主要解决“进入某个业务域之后，模型如何选择 operation、抽取 arguments、处理缺失字段”的问题。整理了 nutrition 子 Agent 的五类 operation：新增、修改、删除、查询汇总、食物估算。整理了 training 子 Agent 的五类 opera

本阶段我完成的不是一个独立的聊天功能，而是 MetalCat 项目 AI 层的初始化底座：使用 LangChain 把自然语言理解、Prompt 编排、结构化输出和异常回退整理成一条可解释的处理链。这个工作与任务书中“对话即执行”的产品方向是一致的，也与我在团队中负责 Prompt 工程、优化执行链路和提升任务拆解准确度的职责相对应。先使用 LangChain 固定单次请求处理链，而不是在项目启动

本阶段我完成的不是一个独立的聊天功能，而是 MetalCat 项目 AI 层的初始化底座：使用 LangChain 把自然语言理解、Prompt 编排、结构化输出和异常回退整理成一条可解释的处理链。这个工作与任务书中“对话即执行”的产品方向是一致的，也与我在团队中负责 Prompt 工程、优化执行链路和提升任务拆解准确度的职责相对应。先使用 LangChain 固定单次请求处理链，而不是在项目启动