8 Tips for Writing Effective Agent Instructions

8个编写高效代理指令的技巧 | Towards Data Science

智能代理

8个编写高效代理指令的技巧

快速实用的建议，助你编写更优质的代理指令

Payal Patel

2026年8月30日

9分钟阅读

照片由Mohamed Nohassi在Unsplash提供

AI代理被广泛应用于客户服务、人力资源、发票处理等多个行业。本质上，AI代理是基于大型语言模型（LLM）的软件程序，能够自主完成目标。它们通过分解复杂任务，并借助工具和知识库执行操作，无需人工逐步干预。

构建AI代理时有几个关键组件，包括：

• 大型语言模型（LLM）——这是AI代理的“大脑”或“处理器”。LLM用于处理信息、推理和做决策。

• 系统指令——即操作手册。指令定义了代理的目标、目标和行为。

• 工具——相当于代理的“双手”，即AI代理可以执行的操作。

• 短期聊天历史——这是在与AI代理进行实时对话时保留的上下文。可以将其想象成会议中用来记录想法的白板——在整个对话过程中可用，但后续新对话中不可用。

• 长期记忆——通过外部数据库（如用于RAG的Milvus）实现。可以将这些数据库想象成书架或图书馆，为AI代理提供额外的知识。

虽然所有这些组件对AI代理都很重要，但操作手册（即指令）是将它们整合在一起的关键。

没有良好的指令，你的代理将失去方向。无法将大脑、记忆和工具整合在一起，完成复杂任务并采取行动。

在编写代理指令时，团队常常难以做到易于阅读、修改和长期维护。以下是我总结的一些编写有效代理指令的建议。

建议1：先绘制流程图——创建业务流程和代理工作流程的图表

在开发代理并编写指令之前，首先要理解代理应增强或优化的业务流程。与业务利益相关者合作，了解当前的工作流程。然后创建流程图来定义高层次的步骤和组件。

你可能会想，流程图？真的吗？

是的，真的需要流程图。

在大型团队设计和开发代理时，创建流程图等可视化工具至关重要。流程图能带来诸多好处，包括：理解整体代理流程和应交互的不同工具和知识来源，能够映射回业务需求，帮助团队调试问题，标注决策点，最重要的是确保团队目标一致。

draw.io和Mermaid.js是创建这些可视化工具的优秀工具。下图展示了使用Mermaid.js创建的示例流程图草图。

作者图片：使用Mermaid.js创建的人力资源代理流程图。

建议2：使用AI开发工具辅助编写、优化和更新指令

无论你是创建单个代理还是多代理系统，使用AI开发工具（如IBM Bob）都能帮助加快编写、优化和更新代理指令的过程。类似于与同事协作的方式，AI工具能够帮助发现错误并确保一致性，尤其是在代理指令长度增加时。

这些AI工具在调试过程中也十分有用。如果你发现代理的表现与预期不符，可以尝试使用AI工具分析指令，以帮助检测潜在问题。在使用AI工具编写和更新指令时，在接受任何更改前请先审查输出结果。此外，还需为工具提供通用的指导原则和规则，说明指令应如何编写。例如，可以提示AI工具或提供一个包含具体规则的文件，供编写指令时参考。

你也可以使用这些工具来创建提示#1中提到的流程图。同样，这对调试和理解他人编写的指令都有帮助。我个人发现，IBM Bob是自动生成Mermaid.js图表的绝佳方式，无论是用于新代理还是现有代理。

提示#3：为失败、不确定性和边界进行设计

虽然代理能够自主处理任务，但需要记住，在现实世界中，代理并不总是会遇到“理想路径”。因此，设计代理指令时，必须确保它们能够处理失败和不确定性，并明确边界。当“理想路径”中断时，代理应该采取什么行动？

编写代理指令时，以下列表突出了一些需要考虑的问题和场景，以指导代理如何处理备用方案：

• 代理应如何处理工具故障？
• 当知识库或工具未返回预期信息或任何信息时，代理应如何应对？
• 代理应尝试多少次失败任务？
• 在什么情况下应升级问题？
• 当发生任何类型的错误时，会向用户返回哪些信息？

提示#4：为工具和知识库添加描述和明确指导

对于使用工具和知识库的代理，编写指令以帮助代理根据当前任务选择正确的工具或知识库。在代理的指令中，调用工具或知识库时请按名称引用。（理想情况下，在创建工具或知识库时，请提供描述性名称。这将为代理提供更多上下文信息，说明该工具或知识库的用途。）

此外，在调用工具时，请明确说明调用工具所需的参数，以及代理应如何处理从工具输出中返回的信息。

同样地，对于代理可访问的任何知识库，在指令中说明应从知识库返回哪些内容，如何在后续工作流程中使用这些内容，以及在未返回任何输出时应采取什么措施。

提示#5：使指令清晰、具体且易于维护

在为代理编写指令时，有三个问题值得持续关注：第一，是否清晰？第二，是否具体？第三，是否易于维护？

为什么这很重要？

不够清晰和具体的指令会使代理更难进行推理和做出决策。

此外，随着时间的推移，工作流程和需求可能会发生变化。这意味着需要一种易于多人维护的方案。

以下是一些让代理指令清晰、具体且易于维护的方法：

• 避免冲突规则 – 这可能导致AI代理产生混淆。对于必须优先处理的规则，应在代理指令开头进行前置处理（例如：若需要基于自伤行为升级处理）

• 减少冗余文本 – 这有助于节省token上下文/数量。避免使用不必要的礼貌性填充语，因为这会增加长度并削弱代理的聚焦能力

• 避免复杂条件逻辑 – 不要过度设计提示中的逻辑。如果代理中存在大量条件逻辑块，可考虑其他替代方案，例如为代理开发专用工具

• 确保可读性和易更新性 – 将指令拆分为带标题的编号章节。这有助于后续阅读者快速定位并理解关键组件

• 定义不同工具和知识库的调用规则 – 与上述第4条建议呼应

• 定义约束条件 – 明确代理不应执行的操作

建议#6：提供具体示例

除了编写清晰、具体且易于维护的指令外，在复杂场景中提供具体示例也非常有帮助。

如果你的代理指令中使用了"通常"、"适当"、"准确"或"如适用"等模糊表述，这些正是引入单示例或少示例提示的绝佳机会。

下表展示了代理指令中单示例和少示例提示的高层概述：

| 单示例提示 | 少示例提示 | |---------|---------| | 含义 | 提供一个示例 | 提供多个示例 | | 使用场景 | 当关注输出形式但输入变化不大时使用 | 适合需要帮助代理理解规则、逻辑和例外情况的场景 | | 示例 | 工具输入结构始终采用相同的JSON格式 | 展示不同的自伤披露或升级场景，帮助代理识别不同规则适用的情形 |

建议#7：定义预期输出和格式

在代理指令中，应提供关于用户输出格式的指导。响应需要以项目符号还是表格形式呈现？需要向用户展示多少项内容？用户响应的长度应为多长？

输出格式的设计对用户体验至关重要！格式混乱的输出可能会影响用户与代理的互动时长，以及他们是否会升级或继续使用代理寻求帮助。

下图展示了格式混乱的代理响应示例和更结构化的代理响应示例：


建议#8：从小处着手 —— 迭代、测试与改进

在开发代理指令时，应从工作流程的一个小部分开始，逐步构建和扩展。锚点可以帮助你快速建立基准，减少开发人员和利益相关者的困惑。

在每次迭代时，务必进行测试！在调试或实现新功能时，测试小范围的更改比一次性测试多个更改更有帮助。这有助于你识别并理解更改的影响，尤其是由于大型语言模型（LLMs）高度敏感——即使是微小的更改或调整也可能产生显著影响。

在编写代理指令时，还需要考虑成功的定义。在代理开发之前以及每次迭代时，应与利益相关者合作，明确代理及业务流程中“成功”的定义。如果你不清楚自己正在优化什么，或者哪些指标对你的使用场景至关重要，可能会陷入感觉低效且模糊的测试循环中。

以下列表突出了一些用于定义代理成功的关键指标——所有指标都可能受到指令编写方式的影响：

• 响应时间/延迟：代理回复的速度有多快？
• 准确性与正确性：代理的响应准确率有多高？
• 幻觉率：代理编造响应的频率有多高？
• 转交率：用户对话转交给人工处理的频率有多高？
• 成本与令牌使用量：代理是否在预算范围内运行？代理消耗了多少令牌？
• 工具或知识库使用情况：代理是否能准确选择并调用合适的工具和知识库？

编写良好的指令是开发稳健且高性能代理的关键。下次编写代理指令时，请记住这些要点！

···

Payal 是一名数据与人工智能专家。在空闲时间，她喜欢阅读、旅行和写作。如果你喜欢她的作品，请关注或订阅她的列表，不错过任何故事！

上述文章仅代表个人观点，不一定反映 IBM 的立场、策略或意见。