技能介绍

要解决的具体问题

在构建 AI Agent 时，开发者常遇到提示词随意堆砌的问题：系统提示没有明确 role 与 scope，输出格式全靠模型即兴发挥；多步推理任务直接给结论，导致错误率高；工具调用只写“做什么”，不写“何时用”，模型要么不会调用要么乱调用；提示里塞入多个不相关任务，输出混乱。这些问题让 Agent 的表现不稳定，难以调试和复现。

技能如何工作

该技能提供一套可落地的提示词设计方法，核心能力包括：

结构化系统提示：按 role（角色）、scope（范围）、output format（输出格式）、constraints（约束）四个维度组织系统提示，明确列出模型不应做的事，避免模糊指令如“请尽力”。
思维链（Chain-of-Thought）：针对多步推理任务，要求模型展示中间步骤，强制逐步推导，提升推理准确性。
少样本示例（Few-Shot）：提供3-5个覆盖典型场景和边界情况的示例，让模型快速理解预期格式。
工具调用说明：编写工具描述时重点说明使用时机，而非仅描述功能，减少误用。
提示模板参数化：使用 {diff} 这类模板变量替代硬编码字符串，方便批量复用。

使用时按以下步骤操作：1. 为系统提示设定结构化框架；2. 对推理任务启用思维链；3. 补充少样本示例；4. 明确工具调用的触发条件；5. 将提示模板参数化；6. 用对抗输入测试提示效果。

适用边界与注意点

该技能适用于需要稳定输出的场景，如结构化数据处理、多步任务规划、工具调用型 Agent。对于纯创意生成任务，需降低约束强度，避免过度限制模型发散。提示模板需根据业务场景调整参数，不能直接套用。另外，要配合合理的 temperature 和 top_p 参数，推理任务建议降低温度，创意任务适当提高。