📚 课程目录第4章 Prompt工程基础

4、Prompt工程基础：System Prompt设计原则、User Prompt结构化技巧、Few-shot示例注入

说到AutoGPT，很多人第一反应是“给它一个目标，它就能自己干活”。这话没错，但有个前提——你得会跟它对话。说白了，Prompt就是你和AI之间的翻译官。你表达得越清楚，它执行得越精准。

我在做第一个AutoGPT项目时，就吃过这个亏。当时我写了个很随意的Prompt：“帮我分析一下用户数据”。结果它给我跑了一堆无关的SQL，还自己调了好几个不存在的API。嗯，从那以后，我再也不敢小看Prompt工程了。

  核心观点： Prompt不是“问问题”，而是“写指令”。在AutoGPT中，你写的每一行Prompt，都在定义Agent的思考边界和行为规则。

4.1 System Prompt设计原则

System Prompt是Agent的“宪法”。它决定了Agent的角色、能力边界、行为准则。我习惯把它分成三个层次：身份定义、行为约束、输出规范。

层次	作用	示例
身份定义	告诉Agent它是什么角色	你是一名资深数据分析师
行为约束	限制Agent能做什么、不能做什么	禁止调用外部API，除非明确授权
输出规范	规定输出格式和风格	所有回答必须包含数据来源和置信度

我建议你遵循这几个原则：

明确角色：不要只说“你是一个助手”，要说“你是一个专注于电商数据分析的AI Agent，熟悉Python、SQL和Tableau”。
设定边界：明确告诉Agent哪些操作需要人类确认。比如“当需要删除数据时，必须先向我确认”。
控制长度：System Prompt不是越长越好。我见过有人写了2000字的System Prompt，结果Agent反而迷失了重点。控制在300-500字以内，精炼。
优先级排序：把最重要的规则放在最前面。Agent对Prompt的开头部分更敏感。

我的习惯： 我会在System Prompt末尾加一句“如果你不确定，请先问我”。这能避免Agent自作主张，尤其是在生产环境中。

4.2 User Prompt结构化技巧

User Prompt是Agent的“任务书”。很多人写User Prompt就像发微信——想到哪写到哪。这在AutoGPT里行不通。Agent需要结构化的指令，才能拆解成可执行的子任务。

我总结了一个“四段式”结构：

任务背景：一句话说明当前场景。比如“我们正在分析Q3的销售数据”。
具体目标：明确你要什么结果。比如“找出销售额下降超过10%的产品类别”。
约束条件：限制范围、时间、资源。比如“只分析2024年7月到9月的数据，使用Python处理”。
输出格式：规定Agent怎么给你结果。比如“用表格展示，每行包含产品类别、下降百分比、建议措施”。

举个例子，对比一下：

❌ 不好的写法：
“帮我看看销售数据，找找问题。”

✅ 好的写法：
【任务背景】我们正在分析Q3销售数据，发现整体下滑。
【具体目标】找出销售额下降超过10%的产品类别，并分析可能原因。
【约束条件】只分析2024年7月-9月数据，使用Python的pandas库。
【输出格式】用Markdown表格展示，每行包含：产品类别、Q3销售额、环比下降率、可能原因、建议措施。

为什么会这样？因为Agent在处理结构化信息时，会按顺序解析。你把背景、目标、约束、格式分开，它就能精准地理解你的意图，而不是靠猜。

避坑指南： 我曾经在User Prompt里同时给了两个目标，结果Agent只完成了第一个，第二个完全忽略了。后来我改成一次只给一个明确目标，效果好了很多。记住：Agent不是多线程的，它一次只能专注一件事。

4.3 Few-shot示例注入

Few-shot，说白了就是给Agent“打个样”。你给它几个输入输出的例子，它就能模仿你的风格和逻辑。这在AutoGPT中特别有用，尤其是当你需要Agent执行特定格式的任务时。

我习惯把Few-shot分成两种：

格式示例：告诉Agent输出长什么样。比如“请按这个格式输出：{产品名} | {销售额} | {增长率}”。
推理示例：告诉Agent怎么思考。比如“先分析数据，再找异常，最后给建议”。

来看一个实际案例。假设我需要Agent帮我写周报：

System Prompt:
你是一名项目经理，负责输出周报。请严格按照以下格式输出。

User Prompt:
请根据本周数据生成周报。

Few-shot示例：
输入：本周完成3个需求，延期1个，新增2个Bug。
输出：
【本周完成】3个需求
【延期事项】1个（原因：依赖方未按时交付）
【质量问题】新增2个Bug，已修复1个
【下周计划】完成剩余需求，推进依赖方交付

输入：本周完成5个需求，无延期，新增0个Bug。
输出：
【本周完成】5个需求
【延期事项】无
【质量问题】无
【下周计划】进入新迭代开发

你看，有了这两个示例，Agent就知道：输出要分四个部分，延期要写原因，质量问题要写修复情况。这就是Few-shot的力量。

我的经验： Few-shot示例不要超过5个。太多会让Agent混淆，太少又不够。3个刚刚好——一个正常情况，一个异常情况，一个边界情况。这样Agent就能覆盖大部分场景。

4.4 三者如何协同

System Prompt、User Prompt、Few-shot不是孤立的。它们是一个完整的指令体系。我画了张图，帮你理解它们的关系：

你看，从上到下，从抽象到具体。System Prompt定基调，User Prompt下任务，Few-shot给示范。三层缺一不可。

我在实际项目中，会把这三层写在一个配置文件中，方便复用。比如：

{
  "system_prompt": "你是一名资深数据分析师...",
  "user_prompt_template": "【任务背景】{背景}\n【具体目标】{目标}\n...",
  "few_shot_examples": [
    {"input": "...", "output": "..."},
    {"input": "...", "output": "..."}
  ]
}

这样每次调用Agent时，只需要替换User Prompt里的变量，System Prompt和Few-shot保持不变。既保证了稳定性，又提高了效率。

  总结一下： System Prompt是骨架，User Prompt是血肉，Few-shot是灵魂。三者结合，才能让AutoGPT真正理解你的意图，执行你的指令。