前言最近在做导购Agent工程侧已经开发完毕但调Prompt、做测评每一个都令我痛苦万分因为到处都是“翻车现场”要么“思维太发散”绕着用户的问题走要么“工具乱点”命中一个tool就一条道走到黑要么“跑不完”说着说着卡住了再没了下文…因此搜了一些Agent相关的论文、文章、视频企图从技术底层抱抱佛脚…正巧看到了Anthropic 8月1日在YouTube上发布了一个视频《Prompting for Agents | Code w/ Claude》详细讲了如何写好Agent 的 Prompt、如何测评。正好是我现在非常需要的内容因此今天的文章主要分享下该视频的观点。这支视频讲了啥速览版Agent 的正确定义不是“更聪明的聊天机器人”而是“在工具回路中自主推进任务的系统”给定目标→选择/调用工具→观察→决定下一步→直到达成停止条件。什么时候该用 Agent适合复杂、不确定路径、且高价值的任务能被固定流程吃掉的优先 Workflow。这个判断框架与 Anthropic 的工程文《Building effective agents》完全一致。如何写好提示词要写清目标与成功标准、工具选择原则、思考—行动—反思节奏、启发式预算/不可逆动作/停机条件、输出契约等否则只是在给模型加戏。测评从简单、小批量开始先把最小可用工具集跑通再逐步加复杂度。什么是AgentAgent 在一个循环回路中使用工具的模型。给定目标后它会自主地选择/调用合适工具 → 观察反馈 → 更新决策 → 继续推进直到满足停止条件。它所依赖的“环境”包括运行环境、可用工具清单、提示词任务与边界。Agent的组成目标与停止条件。工具回路Action–Observation每一步都基于工具返回更新计划。环境三件套运行环境 / 工具 / 系统提示明确“Agent要完成什么”。“越简单越好”提示与工具说明要清晰克制别给花里胡哨的语言描述。什么是“提示词工程prompt engineering”Anthropic AI团队成员Hannah认为“提示词工程是一种系统性改进用于大模型应用的提示词的方法——通过测试、评估、分析与对提示词及工具的优化用自然语言进行编程一个好的提示词工程是所需能力包含清晰、无歧义、精确的写作以科学思维制作评测不断测试产品化思维对你的产品来说理想的模型行为是什么理解大模型的倾向与局限汇总并分析失败模式并思考修复方法思考边界场景让提示在广泛输入下都稳健。写提示词 写操作流程Anthropic 的核心观点Prompt 不是文案是规则和流程。它要解决的不是“说得漂亮”而是如何让 Agent 在真实环境里把事办完。这份规程至少包含五部分角色与高层目标1–2 句话说清你是谁、为啥而来动态上下文检索到的资料、用户偏好、会话历史详细任务指令做什么、不做什么、成败标准示例 n-shot可选用于边界提醒不是“写死流程”重复关键指令长提示里尤其重要防遗忘一个示例你是一名AI 旅行顾问AI travel agent任务是根据用户输入创建一份个性化旅行行程。你的目标是产出一份有吸引力、结构清晰、切实可行的行程既符合用户偏好也匹配指定的目的地与出行天数。你将获得以下信息目的地、天数、用户偏好。在制定行程时请遵循以下指南调研目的地及其热门景点并结合用户偏好。为每一天规划活动确保观光—放松—本地体验之间的良好平衡。给出用餐建议考虑当地美食如用户提到饮食偏好请一并考虑。推荐住宿选项需与用户偏好与预算相匹配。提供实用信息如交通方式与预估花费。注意可用天数制定现实可行的时间安排。请按以下格式呈现你的行程以目的地的简要介绍开头。提供按天拆分的活动、用餐与住宿安排。以额外提示/出行建议结尾。现在请基于提供的目的地、天数和用户偏好创建一份个性化旅行行程。你的建议应当既有创意又充分详尽确保行程既体现用户兴趣也凸显目的地的独特之处。什么时候该用 Agent不是所有场景都需要 Agent很多时候反而不该用 Agent它最适合复杂且高价值的任务。人可以按“固定步骤”一步步做完的工作用工作流workflow可能更合适、更省资源。判断方法 1任务是否复杂到只知道终点不清楚具体怎么走、需要哪些信息与工具 2完成后是否“高价值”低价值流程别浪费 Agent 的资源 3工具与数据是否可用若给不了足够工具/信息就让它办成事那就先缩小范围 4容错与纠错成本难以发现/纠正的错误不适合让 Agent 全自动去跑。2个适合Agent的例子写代码你知道目标是“把设计文档落实成 PR”但并不确定具体路径、要如何迭代修改——高价值、强杠杆适合 Agent。数据分析你清楚希望得到哪些洞见/可视化但数据形态、清洗过程并不确定——这类探索式任务非常适配 Agent。如何写好Agent的Prompt原则一像 Agent 那样思考模拟“Agent 身处的环境”——它能看到什么工具、工具会返回什么甚至可以在脑内模拟一遍如果你站在 Agent 的角度拿到这份工具说明你会不会困惑人类都看不懂的工作流模型更不可能做对。原则二赋予“合理的启发式Heuristics”提示工程不是“写字”而是决定模型该拥有哪些概念与行为准则。例如我们给 Agent 一个重要概念——“不可逆性irreversibility”避免做不可逆、可能伤害用户或环境的动作。再比如给“检索”Agent 设停止条件与预算找到答案就停简单问题5次工具调用复杂问题可到10或50不要为“完美来源”无限搜索。这类“合理启发式”都要在提示里清晰明确地写出来。原则三明确“何时用哪种工具”前沿模型一次能挂非常多的工具但模型并不知道在你的组织里哪个工具对哪个任务更关键。必须在提示中写出选择原则比如公司信息优先搜 Slack、代码问题查 GitHub/Sentry、业务报表走 DataDog……别只给一串简短描述就指望它自己悟透。原则四引导“思考—行动”的过程不要只“打开思考”而要具体引导让它先规划这个查询复杂度如何预期用几次工具优先查哪些来源如何判定成功在工具调用之间穿插反思网页结果不必然正确需要质量评估/二次求证/必要的免责声明。提前写上副作用与停止条件比如“若找不到完美来源最多 N 次搜索后停止”。原则五管理上下文窗口Agent 容易撞到上下文上限。做法包括压缩临近窗口上限时自动把上下文浓缩为高密度摘要交给新的会话继续跑。外部记忆把关键过程/状态写入外部文件需要时再读取。子Agent把搜索等“吃上下文”的工作分给子代理压缩后再交给主代理整合、撰写报告。原则六让 Claude 发挥所长 工具要“少而精”先用一套最小可用的提示和工具跑起来再逐步加复杂度。避免给一堆名字相似/职责重叠的工具例如 6 个“搜索”工具查不同库会让模型混淆——能合并就合并并把用途说清清楚楚。测评怎么做从“小而真”开始效果量越大样本越可小起步不需要上百条只要几条真实用例每次改 Prompt/工具文档都能看到显著变化。用真实任务评测尽量让评测题就像用户会问的那种且能用现有工具找到标准答案。LLM 评审 量表rubric 很有用只要规则清楚模型能胜任“打分官”。人评无法被完全替代每周都要有人“猛怼 手感校验 真实用户试用”人类最能摸到“硌手的边角”。评测都评什么结果 过程1结果向Outcome答案正确性用 LLM-judge 判定回答是否正确、是否覆盖关键点。最终状态达成看 Agent 是否到达正确的最终状态例如外部系统里确实发生了期望变更。2过程向Process工具使用正确性评估是否选对工具与参数以及遇错能否恢复图示中“从参数错误恢复”的示例。其他常见过程量化步骤数/时延、无效调用、异常与回退等——这些直接从对话与调用日志即可统计。LLM-as-judge 的最小做法给评审模型一份量表和结构化输出格式它就能稳定工作。示例量表要点是否满足硬性约束0/1/2证据质量与可追溯性0/1/2取舍与理由是否清晰0/1/2是否给出风险/不确定性0/1/2输出契约是否遵守0/1/2合计 0–10 分并给一句话短评测评起步流程选10–20 条真实任务样例最好能用现有工具找到明确答案/标准。为每条样例写明期望结果/最终状态方便做 τ-bench。准备一份rubric用LLM-as-judge打分必要处穿插人评抽检。观察结果 过程两套指标的变化对失败样例做回放定位是选择错工具、参数错误、步骤冗长还是停止条件/启发式不当。小改就复测每次只调整一个维度如 Prompt 的启发式或某个工具文档再跑同一小集合对比效果。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 Agent Prompt 调优太难？这套“设计-测评”闭环方法论，让你效率翻倍，建议收藏！！
前言最近在做导购Agent工程侧已经开发完毕但调Prompt、做测评每一个都令我痛苦万分因为到处都是“翻车现场”要么“思维太发散”绕着用户的问题走要么“工具乱点”命中一个tool就一条道走到黑要么“跑不完”说着说着卡住了再没了下文…因此搜了一些Agent相关的论文、文章、视频企图从技术底层抱抱佛脚…正巧看到了Anthropic 8月1日在YouTube上发布了一个视频《Prompting for Agents | Code w/ Claude》详细讲了如何写好Agent 的 Prompt、如何测评。正好是我现在非常需要的内容因此今天的文章主要分享下该视频的观点。这支视频讲了啥速览版Agent 的正确定义不是“更聪明的聊天机器人”而是“在工具回路中自主推进任务的系统”给定目标→选择/调用工具→观察→决定下一步→直到达成停止条件。什么时候该用 Agent适合复杂、不确定路径、且高价值的任务能被固定流程吃掉的优先 Workflow。这个判断框架与 Anthropic 的工程文《Building effective agents》完全一致。如何写好提示词要写清目标与成功标准、工具选择原则、思考—行动—反思节奏、启发式预算/不可逆动作/停机条件、输出契约等否则只是在给模型加戏。测评从简单、小批量开始先把最小可用工具集跑通再逐步加复杂度。什么是AgentAgent 在一个循环回路中使用工具的模型。给定目标后它会自主地选择/调用合适工具 → 观察反馈 → 更新决策 → 继续推进直到满足停止条件。它所依赖的“环境”包括运行环境、可用工具清单、提示词任务与边界。Agent的组成目标与停止条件。工具回路Action–Observation每一步都基于工具返回更新计划。环境三件套运行环境 / 工具 / 系统提示明确“Agent要完成什么”。“越简单越好”提示与工具说明要清晰克制别给花里胡哨的语言描述。什么是“提示词工程prompt engineering”Anthropic AI团队成员Hannah认为“提示词工程是一种系统性改进用于大模型应用的提示词的方法——通过测试、评估、分析与对提示词及工具的优化用自然语言进行编程一个好的提示词工程是所需能力包含清晰、无歧义、精确的写作以科学思维制作评测不断测试产品化思维对你的产品来说理想的模型行为是什么理解大模型的倾向与局限汇总并分析失败模式并思考修复方法思考边界场景让提示在广泛输入下都稳健。写提示词 写操作流程Anthropic 的核心观点Prompt 不是文案是规则和流程。它要解决的不是“说得漂亮”而是如何让 Agent 在真实环境里把事办完。这份规程至少包含五部分角色与高层目标1–2 句话说清你是谁、为啥而来动态上下文检索到的资料、用户偏好、会话历史详细任务指令做什么、不做什么、成败标准示例 n-shot可选用于边界提醒不是“写死流程”重复关键指令长提示里尤其重要防遗忘一个示例你是一名AI 旅行顾问AI travel agent任务是根据用户输入创建一份个性化旅行行程。你的目标是产出一份有吸引力、结构清晰、切实可行的行程既符合用户偏好也匹配指定的目的地与出行天数。你将获得以下信息目的地、天数、用户偏好。在制定行程时请遵循以下指南调研目的地及其热门景点并结合用户偏好。为每一天规划活动确保观光—放松—本地体验之间的良好平衡。给出用餐建议考虑当地美食如用户提到饮食偏好请一并考虑。推荐住宿选项需与用户偏好与预算相匹配。提供实用信息如交通方式与预估花费。注意可用天数制定现实可行的时间安排。请按以下格式呈现你的行程以目的地的简要介绍开头。提供按天拆分的活动、用餐与住宿安排。以额外提示/出行建议结尾。现在请基于提供的目的地、天数和用户偏好创建一份个性化旅行行程。你的建议应当既有创意又充分详尽确保行程既体现用户兴趣也凸显目的地的独特之处。什么时候该用 Agent不是所有场景都需要 Agent很多时候反而不该用 Agent它最适合复杂且高价值的任务。人可以按“固定步骤”一步步做完的工作用工作流workflow可能更合适、更省资源。判断方法 1任务是否复杂到只知道终点不清楚具体怎么走、需要哪些信息与工具 2完成后是否“高价值”低价值流程别浪费 Agent 的资源 3工具与数据是否可用若给不了足够工具/信息就让它办成事那就先缩小范围 4容错与纠错成本难以发现/纠正的错误不适合让 Agent 全自动去跑。2个适合Agent的例子写代码你知道目标是“把设计文档落实成 PR”但并不确定具体路径、要如何迭代修改——高价值、强杠杆适合 Agent。数据分析你清楚希望得到哪些洞见/可视化但数据形态、清洗过程并不确定——这类探索式任务非常适配 Agent。如何写好Agent的Prompt原则一像 Agent 那样思考模拟“Agent 身处的环境”——它能看到什么工具、工具会返回什么甚至可以在脑内模拟一遍如果你站在 Agent 的角度拿到这份工具说明你会不会困惑人类都看不懂的工作流模型更不可能做对。原则二赋予“合理的启发式Heuristics”提示工程不是“写字”而是决定模型该拥有哪些概念与行为准则。例如我们给 Agent 一个重要概念——“不可逆性irreversibility”避免做不可逆、可能伤害用户或环境的动作。再比如给“检索”Agent 设停止条件与预算找到答案就停简单问题5次工具调用复杂问题可到10或50不要为“完美来源”无限搜索。这类“合理启发式”都要在提示里清晰明确地写出来。原则三明确“何时用哪种工具”前沿模型一次能挂非常多的工具但模型并不知道在你的组织里哪个工具对哪个任务更关键。必须在提示中写出选择原则比如公司信息优先搜 Slack、代码问题查 GitHub/Sentry、业务报表走 DataDog……别只给一串简短描述就指望它自己悟透。原则四引导“思考—行动”的过程不要只“打开思考”而要具体引导让它先规划这个查询复杂度如何预期用几次工具优先查哪些来源如何判定成功在工具调用之间穿插反思网页结果不必然正确需要质量评估/二次求证/必要的免责声明。提前写上副作用与停止条件比如“若找不到完美来源最多 N 次搜索后停止”。原则五管理上下文窗口Agent 容易撞到上下文上限。做法包括压缩临近窗口上限时自动把上下文浓缩为高密度摘要交给新的会话继续跑。外部记忆把关键过程/状态写入外部文件需要时再读取。子Agent把搜索等“吃上下文”的工作分给子代理压缩后再交给主代理整合、撰写报告。原则六让 Claude 发挥所长 工具要“少而精”先用一套最小可用的提示和工具跑起来再逐步加复杂度。避免给一堆名字相似/职责重叠的工具例如 6 个“搜索”工具查不同库会让模型混淆——能合并就合并并把用途说清清楚楚。测评怎么做从“小而真”开始效果量越大样本越可小起步不需要上百条只要几条真实用例每次改 Prompt/工具文档都能看到显著变化。用真实任务评测尽量让评测题就像用户会问的那种且能用现有工具找到标准答案。LLM 评审 量表rubric 很有用只要规则清楚模型能胜任“打分官”。人评无法被完全替代每周都要有人“猛怼 手感校验 真实用户试用”人类最能摸到“硌手的边角”。评测都评什么结果 过程1结果向Outcome答案正确性用 LLM-judge 判定回答是否正确、是否覆盖关键点。最终状态达成看 Agent 是否到达正确的最终状态例如外部系统里确实发生了期望变更。2过程向Process工具使用正确性评估是否选对工具与参数以及遇错能否恢复图示中“从参数错误恢复”的示例。其他常见过程量化步骤数/时延、无效调用、异常与回退等——这些直接从对话与调用日志即可统计。LLM-as-judge 的最小做法给评审模型一份量表和结构化输出格式它就能稳定工作。示例量表要点是否满足硬性约束0/1/2证据质量与可追溯性0/1/2取舍与理由是否清晰0/1/2是否给出风险/不确定性0/1/2输出契约是否遵守0/1/2合计 0–10 分并给一句话短评测评起步流程选10–20 条真实任务样例最好能用现有工具找到明确答案/标准。为每条样例写明期望结果/最终状态方便做 τ-bench。准备一份rubric用LLM-as-judge打分必要处穿插人评抽检。观察结果 过程两套指标的变化对失败样例做回放定位是选择错工具、参数错误、步骤冗长还是停止条件/启发式不当。小改就复测每次只调整一个维度如 Prompt 的启发式或某个工具文档再跑同一小集合对比效果。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】