^__^ • 12 / 12
这是一套基于实际项目经验总结的系统化Prompt设计方法论。 核心思想：将大模型（LLM）视为一个可独立执行任务的Agent，并为其提供一套清晰的标准作业流程（SOP）。 Prompt = 角色(Role) + 上下文(Context) + SOP(Workflow) + 边界(Boundary) + 回答约束(Constraints) + 示例(Examples) 角色(Role)明确专业领域：如意图识别专家、问题分类专员单一职责原则：一个Agent只做一件事，复杂流程通过多个Agent协作完成避免角色冲突：不要让同一个Agent同时扮演客服和销售等冲突角色上下文(Context)状态显式传递：明确告知当前流程节点、循环次数、用户资格等关键状态分层加载：只加载当前节点相关的上下文，避免Prompt过长导致注意力分散结构化呈现：使用表格、列表等结构化方式组织上下文信息 SOP CoT思考链：强制模型输出思考过程，按识别状态 → 理解输入 → 判断行动 → 生成输出 顺序执行步骤编号：明确标注，让模型理解执行顺序决策树结构：使用"如果...则..."的条件分支，覆盖所有可能路径循环控制：根据循环次数动态调整策略边界(Boundary) 知识边界：明确知识来源，如"回答必须严格基于知识库" 职责边界：明确处理范围，如"只处理A，不回答B" 状态限制：基于用户状态限制可能的意图，如"新用户不可能是续费问题" 兜底策略：不确定时宁可返回不明确，也不要猜回答约束(Constraints) 格式刚性约束：严格定义XML/JSON结构，强调必填字段和可选字段提供完整示例：给出多个完整示例，覆盖各种场景字段语义化：使用中文描述（问题类型A）而非编号（类型1）语言风格统一：明确称呼、语气、句式细节示例(Examples) 双轨制示例：固定示例（人工编写典型case）+ 动态示例（向量检索相似问题）覆盖边界case：重点提供容易混淆的场景完整的输入输出：不只给输入，还要给完整的输出格式示例多轮对话示例：展示历史对话如何影响当前判断没有完美的Prompt，只有不断迭代的Agent。你学会了吗彦祖亦菲？