应用高阶提示技巧,有助于设计能够引导AI智能体表现出一致行为的提示。一致的行为意味着智能体的行动是合乎逻辑的,推理是可靠的,能专注于其目标,并且其响应与其设定的角色和任务不断变化的情境保持一致。在复杂的多步骤智能体工作流程中,通过精心的提示设计来确保一致性,是获得可靠且有益结果的根本。让我们来看一个涉及“研究分析师”智能体的场景。这个智能体将负责研究特定主题,总结其发现,然后基于该研究提出未来潜在的投资方向。这样的任务要求智能体在多个步骤中保持专注,逻辑地处理信息,并以一致的方式呈现其结论。场景:AI研究分析师智能体假设您需要一个AI智能体来执行以下多步骤任务:扮演一个严谨的AI研究分析师角色。研究主题:“过去两年可生物降解塑料的突破性进展。”总结最重要的突破性进展。提出三个与这些突破相关的有前景的投资方向,并提供简要的理由。为了使这个智能体高效运行,其行为必须一致。它需要理解自己的角色,遵循任务顺序,确保总结准确反映研究内容,并且投资方案是根据总结逻辑推导出来的。任务1:定义智能体的角色和初始目标第一步是确立智能体的身份和总体目标。这有助于设定基调和操作范围。提示示例片段(初始设置):您是一名AI研究分析师。您的主要职责是进行详尽的研究,综合信息,并提供有见地的分析。您严谨、客观,语言专业且精确。 您当前的任务是调查“过去两年可生物降解塑料的突破性进展”,总结主要发现,然后提出三个与这些突破相关的有前景的投资方向。此提示明确指定了角色(“AI研究分析师”)并定义了总体目标。描述性词语(“严谨”、“客观”、“专业”、“精确”)有助于塑造智能体的响应风格。活动:修改角色。如果智能体是“环保活动家博主”而不是“AI研究分析师”,提示会如何变化?您会添加或修改哪些具体指令,以反映这个新角色的潜在倾向或沟通风格,同时仍然使其为既定目标提供一致的输出?任务2:通过思维链结构化连续研究步骤在研究阶段,我们需要引导智能体执行一系列动作。使用思维链(CoT)提示可以鼓励智能体清晰阐述其计划,使其过程更透明,通常也更有效。提示示例片段(CoT引导研究):要开始您关于“过去两年可生物降解塑料的突破性进展”的研究: 1. 逐步思考您将如何进行。首先,确定您将优先考虑的来源类型(例如,科学期刊、行业报告、专利数据库)。 2. 其次,概述您将使用的关键词和搜索查询。 3. 然后,描述您将如何筛选信息,以识别过去两年真正的突破性进展。 4. 最后,执行您的搜索计划。列出您已识别的5-7个不同的突破性进展,每个都附有1-2句的简要描述和来源。 [您稍后将被要求总结这些并提出投资建议。]此提示不仅告诉智能体什么要研究,还鼓励它思考如何进行研究。明确提及未来任务有助于智能体理解当前行动的情境。活动:假设智能体的初始搜索结果过多。设计一个后续提示片段,指示智能体完善其搜索或应用更严格的筛选条件,再次鼓励它解释其完善后的方法。任务3:通过少样本示例引导总结和综合研究阶段结束后,智能体需要总结其发现。提供少样本示例在引导智能体达成所需的总结格式和风格方面非常有效。提示示例片段(少样本总结):基于您在可生物降解塑料领域识别的突破性进展: 将这些信息综合成一个简明扼要的总结,突出3-4项最重要的进展。您的总结应适合非专业读者,但仍需保持技术准确性。 例如,一个好的总结点可能如下所示: “一项重要突破是PHA(聚羟基脂肪酸酯)塑料的开发,它来源于甲烷气体,为将温室气体转化为可生物降解材料提供了一条新途径。这一过程在可扩展性方面显示出前景(来源:《应用高分子科学杂志》,2023年)。” 现在,提供您的总结。少样本示例为智能体提供了预期输出的具体示例,提高了生成一致且风格适当的总结的可能性。活动:示例提供的是叙述风格。如果您希望总结是以项目符号列表的形式呈现,每个项目都详细说明一项突破及其主要影响,您将如何更改提示和少样本示例?任务4:通过自我纠正提出建议最后一步是智能体提出投资方向。这要求它在前一步骤(研究和总结)的基础上进行,并可能进行某种形式的自我纠正或完善。提示示例片段(包含自我纠正的投资建议):根据您对可生物降解塑料突破性进展的研究和总结: 提出三个独特且有前景的投资方向。对于每个方向,请提供: 1. 一个清晰的投资方向标题。 2. 2-3句的理由,解释其前景,并直接将其与已识别的突破性进展联系起来。 3. 提及与此投资方向相关的任何潜在挑战或风险。 在最终确定您的建议之前,请批判性地审阅它们。问自己: * 这些建议是否直接由我的研究结果支持? * 它们之间是否足够独特? * 我是否考虑了潜力和挑战? 如果您发现任何不足,请相应地修改您的提案。 提交您最终的三个投资提案。此提示明确要求智能体使用之前的信息(“您的研究和总结”),并通过提示智能体根据既定标准审阅自己的提案,从而包含了一个自我纠正循环。活动:为投资提案添加一个限制。例如,指示智能体所有提议的投资方向都必须具有6级或更高的技术成熟度(TRL)(这意味着它们已通过基础研究并呈现了原型)。您将如何修改提示以包含此限制,并确保智能体在提案和自我纠正阶段考虑它?提示驱动工作流程的可视化上面描述的交互并非单一提示,而是一个序列。每个步骤都以前一步为基础,提示旨在确保智能体在任务的不同阶段之间平稳过渡。我们可以将此流程可视化:digraph AgentWorkflow { rankdir=TB; node [shape=box, style="filled,rounded", fontname="sans-serif", fillcolor="#e9ecef", color="#adb5bd"]; edge [fontname="sans-serif", color="#495057"]; Start [label="用户目标: 可生物降解塑料的 研究与投资建议", shape=ellipse, fillcolor="#a5d8ff"]; P1 [label="提示1: 定义角色(AI分析师) 与总任务", fillcolor="#d0bfff"]; A1 [label="智能体行动1: 确认角色与任务", fillcolor="#ffec99"]; P2 [label="提示2: 引导研究(CoT) - 来源策略 - 关键词 - 筛选", fillcolor="#d0bfff"]; A2 [label="智能体行动2: 概述研究计划 与呈现发现", fillcolor="#ffec99"]; P3 [label="提示3: 引导总结 (少样本示例)", fillcolor="#d0bfff"]; A3 [label="智能体行动3: 提供综合总结", fillcolor="#ffec99"]; P4 [label="提示4: 提出建议 (自我纠正提示)", fillcolor="#d0bfff"]; A4 [label="智能体行动4: 提出与论证 投资方向", fillcolor="#ffec99"]; End [label="智能体输出: 一致的研究总结 与投资提案", shape=ellipse, fillcolor="#a5d8ff"]; Start -> P1; P1 -> A1; A1 -> P2 [label="用户提供情境 (智能体先前输出)"]; P2 -> A2; A2 -> P3 [label="用户提供情境"]; P3 -> A3; A3 -> P4 [label="用户提供情境"]; P4 -> A4; A4 -> End; }此图表呈现了研究分析师场景中提示和智能体行动的简化流程。每个提示都以前面交互建立的情境为基础,引导智能体获得一致的最终输出。反思与进一步实践为一致的智能体行为设计提示是一个迭代过程。上述示例提供了一个起点。在使用AI智能体时,请注意以下几点:持续实践: 措辞、结构或包含示例的微小变化都可能显著影响智能体行为。使用实际大型语言模型进行测试: 如果您有条件,请测试您的提示。观察智能体的响应。一致性在哪里中断?分析失败原因: 当智能体行为不一致时(例如,忘记目标,提供矛盾信息,在任务中途改变角色),分析导致该失败的提示序列。是指令不清楚?情境不够充分?还是角色没有得到加强?迭代完善提示: 根据您的观察,完善您的提示。增加清晰度,提供更好的示例,或引入明确指令以进行自我纠正或状态管理。思考“原因”: 始终问自己,本章中的特定提示结构或技术(如角色设定、CoT或少样本示例)为什么会在您的特定使用场景中促进或削弱一致行为。通过实践这些技术,您将培养出如何设计提示的良好直觉,这些提示能让AI智能体更可预测、更可靠、更一致地处理复杂的多步骤工作流程。