提示词，不只是指令，更是认知的接口。在AI Agent时代，提示词框架决定了智能体的边界、角色与行为方式。本文将从结构化思维出发，拆解提示词的构建逻辑，帮助你理解如何通过语言塑造AI的“人格”与“能力”。

AI Agent是一个系统，其中LLM模型在连续、独立的循环中利用一组工具来完成给定任务。根据 Anthropic的专家的定义，Agent的核心组件是其环境（其运行位置）、工具（它可以调用的功能）以及定义其核心目标的简单系统提示。Agent自主工作，根据从其工具接收到的信息更新其决策，直到任务完成。

本文为设计Agent的决策者提供一个清晰的战略框架，以评估何时以及为何部署AI Agent，重点是如何实现价值最大化以及降低风险。

1.0 核心决策框架：何时使用 AI Agent

部署 AI Agent 是一项重要的工程资源投入，并非所有问题的合适解决方案。以下四个标准必须被视为强制性的准入机制，以确保此项投资的合理性。Agent 最适合处理既复杂又有价值的任务；绕过此严格评估将直接导致资源浪费和项目失败。

在承诺采用基于 Agent 的架构之前，团队必须根据此先决条件清单验证其用例。

1.1 任务复杂性分析

任务是否足够复杂，需要 Agent？

如果人类可以轻易规划出一个清晰的、逐步执行的流程来完成该任务，那么就不需要 Agent。在这种情况下，采用更简单、更可预测的基于工作流的方法更为合适且资源效率更高。Agent 的理想用例是最终目标明确，但实现该目标的具体路径不明确或不可预测的任务。这要求模型能够做出决策，根据新信息调整策略，并在模糊的路径中找到解决方案。

1.2 任务价值评估

任务的价值是否足以证明所需资源的投入是合理的？

Agent会比其他解决方法消耗更多的资源——包括计算资源和开发时间。因此，其部署应留给”高杠杆”的任务。高价值任务是指一旦实现自动化，能带来显著回报的任务。例如，直接产生收入的任务，或能为高技能员工节省大量时间，使他们能够专注于更高杠杆率工作的任务。

1.3 工具可行性评估

Agent 是否能够获得必要的工具和信息？

Agent 的有效性完全取决于其所获工具的质量和可用性。当经过前面的价值评估后，确定要使用Agent来解决问题时，一个不容商榷的先决条件是，必须清点并验证所有必要的工具和数据源是否能够全部提供给Agent使用。如果关键工具不可用或无法构建，则必须缩小项目范围，直到满足此条件。

1.4 错误成本与可恢复性分析

错误的成本是多少？检测和纠正错误的难易程度如何？

在决定授予 Agent 多大程度的自主权时，必须将潜在的错误风险作为核心考量。这需要仔细分析两种截然不同的情况：

• 高成本错误： 对于错误难以检测或纠正成本高昂的任务（例如，在无监督的情况下修改生产代码），完全独立的 Agent 并不适合。这些场景需要采用人为监督的方法，即由人员在关键节点审查并批准 Agent 的行动。
• 低成本错误： 对于错误易于恢复且成本不高的任务，则更适合让 Agent 独立工作。例如，网络搜索中的错误，可以通过尝试不同的查询或再次检查结果来轻松纠正。

2.0 Agent的实际使用场景示例

下图中表格内容是由 Anthropic 专家提供的几个真实案例。每个用例都展示了上述原则的组合，阐明了为何基于 Agent 的方法是战略上合理的。

理解这些成功的使用场景可以为实践奠定基础。下一节将详细阐述有效构建这些系统的指导原则。

3.0 Agent 的设计原则

构建可靠的 Agent 不仅仅是编写系统提示词；更需要塑造 Agent 的环境并引导其推理。

3.1 像 Agent 一样思考并提供启发式方法

对于开发者而言，最重要的原则是构建关于 Agent 环境与约束的心智模型。正如我们内部构建这些系统的专家经常说的：”如果人类都无法理解你设计的 Agent 应该做什么，AI 也将无法理解。”

这需要进行”概念工程”——为 Agent 提供合理的启发式方法来指导其行为，而不仅仅是僵化的文本指令。对此最有效的思维模式是将其视为管理一个”刚大学毕业的新实习生”。你必须明确说明他们应遵循的一般原则，以应对模糊性。有效的启发式方法示例包括：

• 不可逆性： 指示 Agent 避免可能导致不可逆损害的操作。这一原则对于开发 Claude Code 以保护用户环境免受意外损害至关重要。
• 停止条件： 明确告诉模型何时找到了足够好的答案，以免它不必要地持续搜索不存在的“完美”来源。
• 资源预算： 为 Agent 提供工具使用量的量化指导。例如，指示它对于简单查询应使用少于 5 次工具调用，而对于更复杂的查询，最多可使用 10 到 15 次。

3.2 战略性的工具设计与选择

工具的选择和设计至关重要。必须向 Agent 提供关于在公司上下文中为特定任务使用哪些工具的明确原则（例如，指示 Agent 默认搜索 Slack 以获取内部公司信息）。一个”好的工具”具有以下几个关键特征：

• 一个简单、准确的名称，能清晰反映其功能。
• 一个格式良好、描述清晰的说明，人类工程师能够轻松理解和使用。
• 功能区分明确，以避免混淆模型。例如，六个非常相似的搜索工具应合并为一个更强大的单一工具。

3.3 管理运营现实

Agent 比简单的工作流程更不可预测，可以理解为一个黑箱，微小提示词的更改可能会产生巨大的意外副作用。例如，让agent”找到尽可能高质量的来源”可能会导致 Agent 无限循环搜索，以至于大大浪费token。即使现在的claude已经可以提供20万token的上下文窗口，但能够很好的管理20 万token的上下文窗口仍然是处理长期运行任务的关键挑战。下面的策略有助于更好的利用上下文窗口特点并扩展 Agent 的有效记忆：

1. 压缩： 使用一个专用工具，当 Agent 接近其上下文限制时（通常在19万token左右）自动调用。该工具总结对话内容，并将一个密集的摘要传递给模型的新实例，使其能够在完整上下文的情况下继续任务。
2. 外部记忆： 允许模型将其“记忆”或中间思考写入外部文件。然后 Agent 可以根据需要参考该文件，从而有效地无限扩展其上下文窗口。
3. 子 Agent： 将特定的、上下文繁重的任务委托给专门的子 Agent。这些子 Agent 执行其任务，然后将压缩后的摘要结果返回给主导 Agent。此策略用于我们的高级研究功能，以管理复杂的多源查询，同时节省主导 Agent 的上下文窗口。

然而，这些实施原则只有在能够严格衡量其影响时才有效，这就引出了评估这一关键环节。

4.0 一种实用的评估方法

评估 Agent 性能比评估简单系统更复杂，但对于取得有意义的进展至关重要。没有系统性的评估，提示词工程就会变成代价高昂的猜测，而非工程。本节概述了一种务实的、迭代式的 Agent 性能衡量方法。

4.1 有效评估的核心原则

• 从小处着手： 不要一开始就构建一个庞大的、全自动的评估套件。一套小而一致的优质测试用例，即使最初是手动运行的，也能很好地指示更改是否在改进系统。
• 使用真实任务： 在反映其真实世界应用的任务上评估 Agent，而非任意或合成的问题。例如，编码 Agent 应在真实的工程问题上进行测试，而不仅仅是竞技编程挑战。
• 利用 LLM 作为评判者： 对于输出结构多样或不可预测的情况（如研究报告），使用另一个带有清晰、明确评分标准的大语言模型来评判 Agent 输出的质量和准确性。这比简单的字符串匹配更稳健。
• 优先进行人工评估： 最终，没有什么能完美替代人工手动测试系统。审查运行记录和观察 Agent 的行为对于深入了解其优势和劣势至关重要。

4.2 关键评估方法

下表总结了评估 Agent 性能的具体、实用方法。

持续应用这些评估方法是推动 Agent 性能迭代改进的关键。

5.0 结论与建议

成功部署 AI Agent 需要战略性、有纪律的方法。构建 Agent 的决策应基于对任务复杂性、价值、工具可行性和错误成本的四部分评估框架。一旦确定 Agent 是合适的解决方案，成功则取决于周密的实施，这需要清晰的启发式方法、精心设计的工具和稳健的评估来指导。

最终建议是采用所有产品与工程负责人熟悉的方法论：为您的 Agent 构建一个最小可行产品，并通过迭代开发周期进行改进。从一个简单的提示词和一套基础工具开始。观察系统在何处失败或行为异常，并将这些观察结果视为用户反馈。这些失败模式应为 Agent 下一迭代版本的”产品待办列表”提供信息，指导您对其提示词、工具和启发式方法进行改进。这种务实的方法——从简单开始，用真实任务进行测试，并根据观察到的行为系统地改进——是构建稳健且有价值的 AI Agent 的最有效途径。