iT邦幫忙

2025 iThome 鐵人賽

DAY 23
0
自我挑戰組

AI Agentu相關研究系列 第 23

Agent Prompt Design:如何寫出好提示

  • 分享至 

  • xImage
  •  

AI Agent 的能力往往取決於「提示」(Prompt)的設計。雖然底層模型(LLM)本身具備強大的語言與推理能力,但若提示寫得不好,Agent 可能出現答非所問、流程混亂或效率低落的情況。Prompt 設計就像是給 Agent 下達「任務規則」與「思考框架」,影響其行為模式。
本文將介紹 Agent Prompt Design 的基本概念,並深入探討兩種經典提示模板:ReAct Prompt 與 Planner Prompt,解釋它們的核心邏輯、優缺點,以及在實際應用中的使用方式。

為什麼需要 Agent Prompt Design?

在傳統的 LLM 使用方式中,我們只會下單純指令(例如:「幫我寫一封英文求職信」)。但在 Agent 框架下,模型不僅要生成文字,還要 規劃、思考、行動、再反思。
這意味著 Prompt 需要更嚴謹,至少包含:
角色設定(Role Instruction):告訴 Agent 它是誰、要解決什麼問題。
任務流程(Task Flow):引導 Agent 如何拆解任務、規劃步驟。
互動規範(Interaction Protocol):告訴 Agent 什麼時候需要呼叫工具、什麼時候要回答。
輸出格式(Output Format):避免輸出雜亂,方便後續系統解析。
好的 Prompt 能讓 Agent 有條理地行動,避免隨機發揮。

常見的 Prompt 模板
ReAct Prompt
ReAct(Reason + Act)是一種將 推理(Reasoning) 與 行動(Action) 結合的提示設計。
它的核心精神是:
Agent 先「思考」(Reason),寫下它的推理過程。
再「行動」(Act),選擇要使用的工具或輸出答案。
最後進行「觀察」(Observation),並持續迭代。
Planner Prompt
Planner Prompt 側重於「計畫」階段。它要求 Agent 先規劃完整解題步驟,再逐一執行。與 ReAct 的「邊想邊做」不同,Planner 更像是「先寫企劃,再執行」。

寫出「好提示」的建議
明確規範輸出格式
用範例引導 Agent(例如「Final Answer: XXX」)。
避免模糊的「請幫我處理」這種模糊指令。
適度加入角色設定
例如「你是一位專案經理,負責制定計畫」→幫助模型鎖定行為風格。
設計迴圈與停止條件
在 ReAct Prompt 中避免無限迴圈,可以明確寫「最多嘗試 5 次工具調用」。
根據任務選擇範式
如果是需要逐步探索 → 用 ReAct。
如果是需要有全局規劃 → 用 Planner。


上一篇
AI Agent 與 Agent Workflow 設計
下一篇
AutoGPT 架構介紹
系列文
AI Agentu相關研究26
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言