Prompt是什么？

AI Agent 的 Prompt 理解成：给 Agent 定义角色、目标、行为规则、工具使用方式和任务执行流程的一套指令体系。 Agent Prompt 不只是“告诉 Agent 怎么做”，还要解决“什么时候做、能做什么、不能做什么、什么时候认为完成、失败后怎么办、如何利用上下文”。

它和普通 ChatGPT Prompt 有明显区别。普通 Prompt 更多是“让模型回答问题”，而 Agent Prompt 是“让模型在一个环境中持续完成任务”。

一个比较完整的 Agent Prompt，通常可以拆成：

AI Agent Prompt

│

├── 1. Role

│      我是谁？

│

├── 2. Goal

│      最终目标是什么？

│

├── 3. Task / Input

│      当前任务和输入是什么？

│

├── 4. Context

│      当前环境、项目、历史信息是什么？

│

├── 5. Rules

│      应该遵守什么行为规则？

│

├── 6. Tools

│      有哪些工具？

│

├── 7. Tool Policy

│      什么时候调用什么工具？

│

├── 8. Workflow

│      按什么流程执行？

│

├── 9. Constraints

│      有什么限制？

│

├── 10. Security

│       什么事情禁止执行？

│

├── 11. Validation

│       如何验证任务完成？

│

├── 12. Error Handling

│       失败以后怎么办？

│

├── 13. Reflection

│       如何自检、修正？

│

├── 14. Output

│       最终如何输出？

│

└── 15. Stop Condition

        什么时候停止？

一个好的 Agent Prompt 最重要的不是“写得长” 真正重要的是： ① 目标明确 ② 行为明确 ③ 工具明确(什么时候调用什么工具？）  ④ 约束明确 ⑤ 验证明确(怎么判断完成？) ⑥ 错误闭环明确(失败后怎么办？)

两种主流 Agent Prompt 范式

1.ReAct Prompt（最通用）

核心思想：Reason(思考) → Act(行动调用工具) → Observation(观察返回结果)，循环迭代。

2.Plan‑and‑Execute 

Prompt适合复杂长流程任务：先生成完整任务计划列表，再一步步执行子任务。

常见问题

缺少终止条件造成无限循环、工具描述模糊产生幻觉、缺少异常处理、Prompt 过长出现中间信息遗忘。除了 Prompt 约束，代码层也要加最大迭代次数等兜底防护。

Prompt编写注意点

全部逻辑写在一个大 System Prompt 会出现：Prompt 过长、Lost‑in‑the‑Middle 中间指令遗忘、新增业务要改底座、维护困难、Skill 无法热插拔。

Agent 不建议把全部逻辑写在同一个 System Prompt，采用四层分层策略。 

第一层 Base 静态底座，存放通用角色、安全、执行范式、通用约束，只定义怎么执行任务，不写业务； 

第二层运行时全局片段，注入全部可用工具定义和通用样例； 

第三层是可插拔 Skill 业务层，通过意图识别，只加载当前需要的 SKILL.md，里面存放业务目标、工具调用策略、业务工作流、校验规则，做到业务热插拔，不需要修改底座； 

第四层是每轮动态上下文，用户输入、会话历史、工具返回结果、RAG 资料。 

拼接顺序是底座在前，动态内容放在末尾。同时 Prompt 只是引导，代码层还要做最大迭代次数、 循环检测、硬性字数截断、 Skill过期清理等兜底。