从0到1学习AI Agent——提示词工程（Prompt Engineering）

✅速记复盘：提示词=角色+任务+要求+边界，牢记清晰、具体、引导三大原则，用好四大优化技巧，分场景定制指令，杜绝AI幻觉与输出跑偏！

在AI Agent智能体快速普及的当下，提示词工程已经成为玩转智能体、让AI精准执行任务的核心基本功。很多人觉得AI Agent输出混乱、答非所问、出现幻觉，根本原因不是模型能力不足，而是提示词没写对。提示词工程没有想象中高深，掌握核心原则、设计范式和优化技巧，就能轻松驾驭各类智能体场景，让AI乖乖听话、精准执行指令。本篇就从零开始，拆解AI Agent场景下提示词工程的核心知识点。

一、Prompt提示词定义：AI Agent的“行动指令手册”

首先要明确，针对AI Agent的提示词（Prompt），和普通ChatGPT的对话提示词有本质区别。普通对话提示词更偏向日常问答，而AI Agent提示词是给具备自主决策、工具调用、多轮对话能力的智能体下达的系统性指令，相当于智能体的行动纲领和工作手册，直接决定了智能体的行为逻辑、输出结果和任务完成质量。

简单来说，Prompt就是我们向AI Agent传递需求、设定边界、明确规则的文字载体，是连接人类需求和AI执行能力的桥梁。没有规范的提示词，再强大的AI Agent也会像无头苍蝇，要么输出模糊无用的内容，要么偏离任务目标，甚至出现虚构信息、错误调用工具的“幻觉问题”。

核心：写提示词，就是给AI Agent说清楚“你是谁、要做什么、怎么做、做到什么标准”。

二、Prompt基本框架与核心原则

1. 通用基础框架

AI Agent提示词有一个通用基础框架，按照这个结构写，基本不会出大错：角色设定 + 核心任务指令 + 执行要求 + 输出格式 + 边界限制。这个框架覆盖了智能体执行任务的全流程，从身份定位到结果输出全程规范，从根源减少输出偏差。

2. 三大核心原则（绝对不能违背）

这三大原则是提示词工程的底层逻辑，也是很多人容易忽略的点，违背任何一条，都可能会导致提示词失效：

• 清晰性：拒绝模棱两可的表述，不用“大概”“差不多”“尽量”这类模糊词汇，每一句指令都要直白易懂，让AI Agent一眼看懂需求，不用猜测意图。比如不说“帮我写个文章”，要说“帮我写一篇500字的AI Agent入门科普文章”。

• 具体性：细化任务细节、执行标准、输出要求，把模糊需求拆解成可落地的具体任务。模糊需求会让AI自由发挥，最终结果完全偏离预期；越具体的指令，智能体输出越精准，越贴合实际需求。

• 引导性：顺着AI Agent的理解逻辑，一步步引导它完成决策、推理或执行动作，尤其是针对复杂任务，不能只甩一个大需求，要拆分步骤、给出方向，引导智能体逐步推进，避免直接卡壳或跳步出错。

核心总结：写提示词的大忌就是“模糊笼统”，始终牢记“说人话、讲清楚、给标准”，这是从做好提示词工程的前提。

三、AI Agent场景下Prompt常用设计范式

设计范式是提示词工程的标准化写法模板，相当于AI Agent的“指令公式”，相比于随意编写提示词，套用成熟范式能大幅降低试错成本，让智能体快速理解指令逻辑、稳定输出结果。针对AI Agent自主决策、工具调用、多轮交互、长流程执行的核心特性，除了基础常用范式，还有适配复杂场景的进阶范式，总共八大高频范式全覆盖，可根据任务难度和场景直接套用，从基础到进阶循序渐进掌握。

这些范式并非孤立使用，实际应用中常两两组合甚至多重叠加，比如角色范式+思维链范式、指令范式+示例范式，适配更复杂的Agent任务，下面逐一拆解每个范式的核心逻辑、用法、适用场景及实操要点：

1. 角色范式（Role Prompting）：最基础也是AI Agent必备的核心范式，也是所有提示词的开篇核心。
   核心逻辑：通过给AI Agent绑定精准的专业身份，重塑它的知识调用范围、话术风格和行为准则，让它跳出通用AI的泛化回答，贴合对应岗位/领域的专业逻辑。
   实操要点：身份设定越具体越好，不要只写“你是专家”，要细化身份+职责+要求，比如“你是资深电商数据分析AI Agent，擅长销售数据复盘、异常指标定位，输出内容用数据说话，语言简洁专业，不做无依据推断”。
   适用场景：所有AI Agent场景通用，尤其是客服Agent、专业分析Agent、行业顾问Agent，是必用基础范式。

2. 指令范式（Instruction Prompting）：直接驱动型范式，主打简洁高效，适合轻量化任务。
   核心逻辑：用祈使动词开头，直接下达明确的执行动作指令，搭配任务目标、完成时限、质量标准，不给AI Agent模糊发挥的空间，聚焦单一核心任务。
   实操要点：剔除所有无关修饰语，遵循“动作+对象+要求”的结构，比如“提取这份文档中的客户联系方式，整理成Excel单列格式，剔除重复号码，标注无效信息”。
   适用场景：简单工具调用、信息提取、内容整理、格式转换等短平快任务，适合无需复杂推理的基础Agent执行动作。

3. 上下文范式（Context Prompting）：多轮交互与长流程任务核心，解决AI Agent“失忆”问题。
   核心逻辑：给智能体补充完整的任务背景、历史对话记录、参考资料、前置条件等上下文信息，让Agent基于给定的限定信息作答，而非依赖模型通用知识库，彻底杜绝脱离实际的回答。
   实操要点：上下文内容要精准提炼，避免冗余杂乱，明确标注“参考资料仅为以下内容”“历史对话见上文”，强制Agent锁定上下文范围，尤其适合多轮对话Agent、长文档分析Agent。
   适用场景：多轮对话交互、长文本处理、基于专属资料的问答、历史任务延续等场景，是解决Agent“断片儿”的关键范式。

4. 示例范式（Few-Shot Prompting）：少样本示例范式，零基础新手最易上手的“捷径范式”。
   核心逻辑：给AI Agent提供1-3个高质量的标准输出示例，明确告知输出格式、内容深度、语言风格，让Agent模仿示例执行任务，不用反复调整指令就能快速达标。
   实操要点：示例要贴合实际任务，格式统一、逻辑清晰，数量控制在3个以内，过多会增加Agent理解负担，比如让Agent写工作总结，先给1篇标准范文，标注核心模块要求。
   适用场景：格式要求严格、风格固定的任务，如报告撰写、文案生成、数据报表输出、标准化回复等，大幅降低指令调试成本。

5. 思维链范式（Chain-of-Thought，CoT）：复杂推理与决策Agent专属，破解AI“黑箱输出”问题。
   核心逻辑：引导AI Agent先拆解任务步骤、梳理推理逻辑、列出判断依据，再输出最终结论，而非直接给出结果，让整个决策过程可追溯、可校验，提升结果可信度。
   实操要点：在提示词中加入“请先分步思考，再给出结论”“第一步分析XX，第二步判断XX，第三步总结结果”等引导语，强制Agent展示推理过程。
   适用场景：需要逻辑推理、数据分析、方案决策、问题排查的复杂任务，比如智能决策Agent、故障排查Agent、逻辑分析Agent。

6. 零样本范式（Zero-Shot Prompting）：无示例极简范式，适合快速临时任务。
   核心逻辑：无需提供任何示例、上下文铺垫，直接下达清晰指令，依靠AI Agent自身的通用能力完成任务，是最简洁的范式，适合无前置资料的基础任务。
   实操要点：指令必须极致清晰具体，弥补无示例、无上下文的短板，比如“请把这段中文翻译成正式商务英语，保留专业术语，语句通顺”。
   适用场景：简单、临时、无特殊格式要求的基础任务，是日常快速调用Agent的常用范式，属于基础中的基础。

7. 自一致性范式（Self-Consistency）：进阶推理辅助范式，提升Agent结果准确性。
   核心逻辑：属于思维链范式的优化升级版，让AI Agent对同一复杂任务生成多条不同的推理路径，再通过投票、比对的方式，选出最一致、最合理的最终结果，规避单一推理路径的错误。
   实操要点：提示词中加入“请生成3种不同的推理思路，比对后给出最合理的结论，说明选择依据”，适合高风险、高要求的决策任务。
   适用场景：复杂数学计算、逻辑判断、风险评估、策略规划等高精度要求的决策推理场景，有效减少Agent推理失误。

8. 约束式范式（Constraint Prompting）：边界限定范式，杜绝AI幻觉与违规输出。
   核心逻辑：给AI Agent明确划定行为边界、内容禁区、输出限制，提前规避幻觉、违规、偏离任务等问题，强制Agent在限定范围内执行指令，属于风控型范式。
   实操要点：清晰列出禁止项和要求项，比如“禁止编造未提及的数据、禁止超出参考资料回答、禁止使用情绪化语言、输出长度控制在300字以内”。
   适用场景：所有需要规范输出的场景，尤其是工具调用、数据汇报、合规问答等场景，和角色范式搭配使用效果最佳。

范式使用小贴士：优先掌握角色范式、指令范式、零样本范式三大基础款，熟练后叠加示例范式、上下文范式应对常规任务，进阶复杂任务再搭配思维链、自一致性、约束式范式，灵活组合就能适配绝大多数AI Agent场景。

四、Prompt核心优化技巧：解决幻觉、输出偏离的杀手锏

写提示词最常遇到两大问题：一是模型幻觉（AI虚构信息、编造数据），二是输出偏离（答非所问、格式混乱）。掌握以下4个优化技巧，就能针对性解决这些痛点，大幅提升提示词质量：

1. 指令优化：砍掉废话，直击核心

把冗长的需求精简成核心指令，去掉无关修饰，每一句话都服务于任务目标。优化前后对比：模糊指令“帮我看看这个数据有没有问题”，优化后“作为数据核查智能体，帮我逐一核查这份销售数据的数值准确性，标记异常数据并说明原因”。指令越聚焦，智能体执行越精准。

2. 上下文控制：划定边界，防止跑偏

明确告诉AI Agent“只能基于给定信息作答”“不能超出XX范围”“禁止编造未提及的内容”，严格限制它的发挥边界，尤其在工具调用、信息检索场景，必须锁定上下文，避免智能体脱离参考资料自由发挥，从根源杜绝幻觉问题。

3. 错误修正：提前预设，规避失误

提前在提示词里加入纠错规则，比如“如果信息不足，直接说明‘缺少XX信息，无法完成’，禁止编造”“如果工具调用失败，重新核对参数后重试，不输出错误结果”，主动规避常见错误，让智能体具备自我校验的意识，减少无效输出。

4. 角色设定强化：深化身份，规范行为

不只是简单设定角色，还要补充角色的工作准则、话术风格、执行底线，比如“你是专业的客服AI Agent，语气亲切耐心，只解答产品相关问题，不闲聊无关内容，不承诺超出权限的服务”，强化角色认知后，智能体的行为会更贴合场景需求。

五、场景适配：针对AI Agent核心场景定制Prompt

AI Agent的应用场景不同，提示词的侧重点完全不一样，不能用一套提示词适配所有场景，必须针对性设计，这也是提示词工程的核心进阶点：

• Agent对话场景：侧重角色设定、语气控制、上下文连贯，适合多轮互动，提示词要保留历史对话记忆，要求智能体承接上文、自然回应，避免对话断层。

• 工具调用场景：侧重指令精准、参数明确、步骤清晰，告诉智能体调用什么工具、输入什么参数、如何解析返回结果，禁止随意调用工具，保证工具调用的准确性。

• 决策推理场景：侧重思维链引导、逻辑校验、依据说明，要求智能体先梳理推理步骤，再给出决策结论，所有判断必须有依据，杜绝无逻辑的盲目决策。

六、总结

提示词工程，核心就是抓原则、套框架、练技巧、适配场景。我们可以从简单的角色+指令式提示词练起，慢慢优化迭代，就能逐步解决AI输出混乱、幻觉、偏离的问题。

提示词工程本质是“和AI Agent的高效沟通术”，练好了这项技能，不管是后续学习智能体搭建、工具集成，还是实际落地办公、创作、分析等场景，都能事半功倍，真正让AI Agent成为自己的高效助手。