提示Agent使用工具

在工具已定义并技术上可供Agent使用的情况下，让Agent的大语言模型（LLM）核心明白何时以及如何使用这些工具，是需要考虑的。LLM本身是语言大师，但它们天生并不了解已连接的计算器或网页搜索API等外部功能。因此，细致的提示词工程变得必要。提示词是提供给LLM的主要操作指南，它引导LLM的思考以及与这些新功能的协作。

让LLM理解工具

把LLM想象成一个能精确遵循指示的非常聪明的助手。如果您想让这个助手使用一个新工具，您首先需要告诉它这个工具存在，它有什么用，以及如何请求使用它。这些信息通常嵌入在您发送给LLM的主要提示词中。

列出可用工具

指导您的Agent使用工具的第一步是简单地在提示词中列出它们。这个列表就像一个可用动作的菜单。对于每个工具，您需要提供足够的信息，以便LLM能够做出明智的使用决定。

一种常见做法是在提示词中包含一个专门的部分，概述这些工具。例如：

您可以使用以下工具：

1.  **计算器**: 用于执行数学计算。
2.  **搜索引擎**: 用于查找您的知识库中没有的实时信息或事实。

编写清晰的工具描述

仅仅一个名字是不够的。LLM需要一个清晰简洁的描述，说明每个工具的作用，它期望什么样的输入，有时还需要说明它会产生什么样的输出。描述越好，LLM选择和使用工具就会越准确。

以我们的“计算器”工具为例。一个好的描述可能是：

• 工具名称: Calculator
• 描述: “当您需要执行数学计算时使用此工具，例如加法、减法、乘法、除法或更复杂的算术。输入应为标准数学表达式（例如，'2 + 2'，'15 * (9/3)'，'sqrt(16)'）。”

对于“搜索引擎”工具：

• 工具名称: SearchEngine
• 描述: “使用此工具查找训练数据中没有的当前信息、事实或细节。输入应为简洁的搜索查询（例如，'伦敦当前天气'，'AI最新进展'）。”

要点在于要足够具体，让LLM明白工具的用途，而不会用过多细节使其感到负担。您正在尝试给LLM足够的背景信息，以便它能将用户的请求（或其识别出的子任务）与合适的工具匹配起来。

指定Agent应如何请求使用工具

一旦LLM决定需要一个工具，它就需要一种方式将这个决定传达回Agent的底层代码，然后底层代码将执行该工具。这需要一个预定义的格式来表示工具调用。如果LLM只是说“我想我需要计算器”，您的程序将不知道接下来做什么或执行什么计算。

一种广泛使用的方法是指导LLM以结构化格式（最常见的是JSON）输出其使用工具的意图。这是因为JSON易于程序解析和理解。

您可以这样在提示词中添加指令：

当您决定使用工具时，您必须*只*以以下JSON对象格式响应：
{
  "tool_name": "要使用的工具名称",
  "tool_input": "工具的输入字符串"
}

如果您无需使用工具即可直接回答，请以纯文本形式提供您的答案。
如果您正在调用工具，请不要在JSON对象之前或之后包含任何其他文本或解释。

这条指令非常重要。它告诉LLM：

1. 使用什么格式: 一个JSON对象。
2. 要包含哪些字段: tool_name（指定哪个工具）和tool_input（为该工具提供必要的输入）。
3. 何时使用这种格式: 只有当它打算调用工具时。
4. 唯一性: 如果调用工具，JSON应该是它在该回合中输出的唯一内容。这可以避免歧义。

如果没有这种结构化格式，您将不得不尝试从LLM的自然语言响应中猜测其意图，这对于自动化系统来说可靠性要低得多。

工具使用的一个实际提示词示例

让我们将这些元素组合成一个更完整的提示词，用于具有简单计算器工具的Agent。

想象一下，这个Agent的总体目标是成为一个有用的助手。

您是一个乐于助人的AI助手。您可以回答问题并执行任务。
如果您能直接回答，请直接回答。

You可以使用以下工具：
- **工具名称**: 计算器
  - **描述**: 用于执行数学计算。输入应为数学表达式（例如，'2+2'，'10*5'）。

如果您需要使用计算器工具，您必须*只*以以下JSON对象格式响应：
{
  "tool_name": "Calculator",
  "tool_input": "数学表达式"
}

如果您正在使用工具，请不要添加任何额外的评论或文本。
如果您没有使用工具，请直接以文本形式提供您的答案。

用户的请求将紧随其后。

现在，如果用户问“125乘以34是多少？”，LLM在受此提示词引导下，理想情况下应回应：

{
  "tool_name": "Calculator",
  "tool_input": "125 * 34"
}

您的Agent代码随后将解析此JSON，使用输入"125 * 34"执行Calculator工具，获得结果（例如4250），然后将此结果在后续步骤中反馈给LLM，以形成给用户的最终答案（例如，“125乘以34是4250。”）。

LLM如何处理与工具相关的提示词

当LLM收到用户的查询，以及您精心编写的包含工具信息的提示词时，它会经历一个思考过程。尽管确切的内部工作机制很复杂，但您可以将其视为如下过程：

1. 理解目标: LLM首先分析用户的请求或当前任务。
2. 检查内部知识: 它判断是否可以使用自己训练过的知识来满足请求。
3. 查阅工具列表: 如果它不能直接回答，或者请求暗示了它无法执行的操作（例如计算或查找实时数据），它会查看您在提示词中提供的工具列表。
4. 将工具与任务匹配: 它会阅读可用工具的描述，看看是否有任何工具可以帮助实现目标或其某个子部分。
5. 决定并格式化:
   • 如果找到了合适的工具，LLM将尝试根据您指定的工具调用指令（例如JSON格式）来格式化其响应。
   • 如果没有合适的工具，或者它可以直接回答，它将生成一个标准文本响应。

以下图表说明了受您的提示词影响的决策流程：

该图显示了用户的查询，结合您在提示词中提供的工具描述和使用说明，如何让LLM决定是直接回答，还是格式化请求以让Agent系统使用工具。工具的结果通常随后会反馈给LLM。

编写有效工具使用提示词的建议

编写能够可靠引导LLM有效使用工具的提示词，通常需要一些迭代：

• 清晰明确: 您的工具描述和调用指令应尽可能清晰。避免LLM可能误解的行话或模糊措辞。
• 明确说明工具输入要求: 如果工具期望特定格式的输入（例如，网页抓取器的URL，天气工具的城市名称），请在工具描述中提及这一点。
• 提供示例（如有必要）: 有时，在工具描述中包含一个简单的tool_input格式示例对LLM非常有帮助。例如，对于日期格式化工具：“输入应为日期字符串，如‘明天’或‘下周五’。”
• 指导何时不使用工具: 有时，LLM可能过于急切地使用工具。您可能需要添加诸如“仅在严格必要且您无法用自身知识回答问题时才使用工具”的短语。
• 迭代和测试: 您的第一个提示词版本可能无法完美运行。使用各种输入进行测试。如果LLM在应该使用工具时未能使用，或者使用不正确，请优化您的工具描述或调用指令。提示词工程通常是一个实验性过程。
• 保持简洁: 尽管您需要清晰，但过长的提示词有时会混淆LLM或超出其上下文窗口限制。在工具定义中，努力在完整性和简洁性之间取得平衡。

通过深思熟虑地设计您的提示词，您为LLM提供了运用外部工具所需的知识和结构化通信路径。这显著增加了您的Agent能完成的事情，使其从一个纯文本生成器转变为一个能与环境互动并采取行动，或者至少与您连接的数字系统互动的更强大的系统。下一步是理解Agent如何使用逻辑来更可靠地进行这些工具选择。