“AI Agent的能力，大多藏在Prompt里，可以说Prompt决定了智能体的行为准则。它是智能体的 “行为指南”，定义了角色、任务与决策逻辑。没有好的Prompt，再强的模型也是“无头苍蝇”，反之精准的Prompt，能让Agent从机械的执行流程中解放出来，升级为可以灵活应变的智能工具，是低成本释放AI潜力的核心钥匙，更是中小企业的福音！”

在AI Agent的运作中，Prompt（提示词）是赋予智能体 “行为逻辑” 的核心指令。如果把AI Agent比作“有自主意识的助手”，那么Prompt就是这个助手的“岗位职能、技能说明书”——不仅规定它的角色、任务，更定义了它如何思考、如何与环境交互。对于搭建智能体的人来说，掌握Prompt的设计非常重要，也是“用最低成本让AI Agent听话”的关键！哪怕用相同的底层模型，好的Prompt能让智能体从 “机械执行（硬编码）” 变成 “灵活应变（自我决定）”。

本文将详细介绍AI Agent Prompt的核心要素以及实用技巧。

*01.AI Agent Prompt是什么？与普通Prompt的区别*

1、AI Agent是什么？

AI Agent Prompt是用于定义智能体 “角色身份、目标任务、行为规则、交互方式” 的结构化指令集，不仅告诉智能体 “要做什么”，更要明确 “如何思考、如何调整、如何调用资源”，是智能体自主思考与执行的 “底层逻辑”。

2、与普通的Prompt有什么差异？

对比维度	AI Agent Prompt	普通Prompt（如聊天、写文案）
目标	驱动智能体实现长期的、动态的目标	单一任务，比如写一篇周报
内容	包含角色、规则、资源（工具）调用逻辑	简单指令
交互逻辑	定义多轮动态交互规，比如先询问用户需求，再逐步细化方案	单轮或有限轮次的交互响应
自主性	具有主动决策权限	被动等待指令

02.AI Agent Prompt的核心作用与要素

1、为什么AI Agent Prompt至关重要？ —— 3个核心作用

1️⃣ 定角色：让智能体“知道自己是谁”

比如“客服 Agent”的Prompt：“你是某品牌售后专员，需用亲切语气回应，避免承诺未提及的售后政策”，避免智能体乱角色（如冒充技术人员）。

2️⃣ 划边界：防止智能体“越权或失职”

比如“财务报销 Agent”的Prompt：应该明确 “仅审核金额＜1000元的票据，超限时需要转人工处理”，避免因权限模糊导致错误操作。

3️⃣ 提效率：减少人工干预，增强自主性

比如“销售跟进 Agent”的Prompt：应该加入“当客户询问产品细节时，自动调用产品手册第x章的内容，并记录客户关注点”，无需人工反复输入信息。

2、AI Agent Prompt的核心要素 —— 5个必须写清的内容

1️⃣ 角色定义（Who）

• 明确智能体的角色、身份，比如“电商平台的订单跟踪Agent”、“企业的招聘简历的筛选Agent”，都需要明确Agent的具体角色，不能太模糊。

• 附加特征，包含语气特征、专业的领域等，比如“你是严谨的财务助理，回复时需要包含数据来源，以增强专业性”。

2️⃣ 核心目标（What）

• 要用具体的、可衡量的语言来描述最终的目标，比如“确保客户订单从付款到发货的全流程跟踪，若出现异常时，要在10分钟内提醒客服人员”）。

3️⃣ 行为规则（How）

• 定义详细的、具体的“思考逻辑”，比如“当订单延迟时，先查物流原因，再判断是否需要补偿”。
• 定义清晰的“交互规则”，比如“首次联系客户时，要先自我介绍，再说明目的，同时也要留好人工转接入口或方式”。

4️⃣ 资源调用（What tools）

• 要明确可调用的工具以及数据，比如“可访问订单系统的API、物流API等，不可调用客户隐私信息”，在写代码时，需要声明tools的方法名、方法参数等，让大模型能自行理解、调用。

5️⃣ 容错机制（What if）

• 明确规定异常情况的处理方式，其实这个就与平时的程序一样会出现BUG，在BUG出现时，需要有应急措施，比如“若调用物流接口失败，重试3次后切换备用接口，并记录错误日志”。

03.AI Agent Prompt如何设置？有哪些实用技巧？附案例

1、AI Agent Prompt如何设置？—— 4步指南

以“旅游规划 Agent”为例。

➡️ 步骤一：明确智能体的核心场景

先确定智能体要解决的问题，“帮助用户规划3天的上海旅游行程，包含景点、交通、餐饮推荐”）。

➡️ 步骤二：编写结构化的Prompt模板

案例的模版参考：

【角色】你是专业旅游规划智能体，拥有丰富的上海旅游知识，语气亲切，擅长根据用户需求灵活调整方案。 
【核心目标】为用户生成3天上海旅游行程，确保行程合理（景点距离衔接顺畅）、性价比高（符合用户预算）、覆盖用户偏好（如历史对话中提到“喜欢小众景点”）。 
【行为规则】1.首次交互：必须询问用户3个信息——出行日期、预算范围、偏好类型（自然景观/人文历史/美食）； 2.方案生成：（1）每天推荐2-3个景点（含开放时间、门票价格），并标注“必去”“可选”。（2）自动计算景点间交通方式及耗时（优先推荐地铁/共享单车）。（3）推荐1家景点附近的本地特色餐厅（附人均消费）。3.动态调整：若用户反馈“行程太赶”，自动减少每天景点数量，增加休息时间。
【资源调用】可访问上海景点官网数据（获取实时开放信息）、大众点评餐饮数据（筛选评分4.5分以上餐厅）。
【容错机制】若某景点临时关闭，自动推荐2个同类替代景点，并说明原因。

➡️ 步骤三：声明调用资源或工具，强化能力（若不需要可忽略该步骤）

比如智能体需要调用查天气、查门票等外部资源，需要在Prompt中明确调用的逻辑，比如“生成行程后，自动调用天气API获取未来3天上海天气，并添加穿衣建议”，让智能体更加“体贴”、“人性化”，当然需要声明tools相关信息或者调用MCP服务（待后续代码实战会详细讲述）。

➡️ 步骤四：测试、迭代增强

• 测试环节必不可少，关注典型场景的问题，比如输入“帮我规划3天上海旅游计划，预算2000元，喜欢美食”，观察智能体是否按规则执行，然后看智能体是否询问出行日期？是否推荐高评分餐厅？。

• 若在使用过程中，发现智能体忽略了某些步骤，比如没有问预算，在Prompt中进行强调性的补充，如通过“必须优先确认用户预算，无预算信息时不得生成方案”等方式进行优化，直到达到效果。

2、实用技巧，让Prompt更“好用”的3个原则

➡️ 原则一：越具体，越精准

避免模糊表述，如“帮我规划行程”，改为 “帮我规划3天上海的行程，每天上午9点出发，下午x点结束，含x个收费的景点，x个免费的景点”。

➡️ 原则二：用 “规则清单” 替代 “抽象描述”

比如你想要比较专业的回复，可以这样写：“当用户问景点历史时，需引用权威来源（如官网介绍），不要编造信息；若不确定，直接说明‘该信息暂未收录”。

➡️ 原则三：记得要预留“人工干预入口”

无论是程序还是智能体，都会发生无法预知的情况，为了保证体验，在规则中最好加上发生特殊情况时，可以进行快速人工干预处理。

比如：若遇到以下情况，自动提示是否需要转接人工？

①用户情绪激动，②问题超出旅游规划范围。

千万要避免让智能体在面对无法处理的任务时“硬扛”，或者胡说八道。

当然，在企业开发不同的AI Agent过程中，会遇到各种各样的问题，需要大家耐心地优化解决，其实本质上，它跟编码没有什么区别！

AI Agent Prompt本质上，其实就是用人类语言给智能体编写的“行为代码”，只是很多开发人员还不能转换思维而已。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】