AI Agent学习系列：Agent角色指令设计

在AI Agent的实战应用中，角色指令是决定智能体行为与输出效果的核心要素。它本质上是一套“行为说明书”——告诉AI该以什么身份、在什么场景下、用哪些工具、遵守什么规则，最终输出符合预期的结果。可以毫不夸张地说，角色指令设计得越好，Agent的表现就越接近一个训练有素的“专家”，而非一个泛泛而谈的聊天机器人。

Agent角色指令的概念

1、角色指令的定义

角色指令直接决定了AI智能体干什么、怎么干、干到什么程度。它不只是简单的“你是谁”的设定，而是把场景、工具、限制、输出样式全部打包成一个清晰的任务框架。具体来说：

• 决定AI智能体的行为：指令告诉AI具体该做什么，不该做什么。
• 决定AI智能体的输出效果：指令的精细程度直接影响回答的质量和风格。
• 匹配场景使用：同样的AI，可以因为指令不同，在客服、翻译、数据分析等场景间无缝切换。

2、角色指令的万能公式

从大量实践中可以提炼出一个非常实用的公式：

• 角色设定
  ：给Agent一个明确的身份标签，比如“资深理财顾问”或“技术支持工程师”。也可以补充一些期望它具备的能力，比如“使用通俗易懂的语言解释复杂概念”。

• 使用场景 + 工具
  ：描述具体的应用背景，比如“在一个在线购物网站的客服场景中”。同时给出该场景下可用的工具，比如“查询订单状态工具”、“商品信息检索工具”。这样大模型可以在更精确的语境下调用正确工具。

• 限制
  ：明确什么情况下输出什么。比如“当用户询问价格时，必须给出含税价，并注明有效期”。限制越具体，答案越精准，越少出现“答非所问”。

• 输出样式
  ：指定风格和格式，比如“以表格形式输出，每条结果单独一行”。附上示例可以进一步消除歧义，让大模型完全理解你的预期。

角色指令的优化策略

1、角色设定策略

角色设定要尽可能清晰简短，直接写角色名称，比如“律师”、“营养师”。如果觉得不够，可以把期望能力用一两个短语补充，比如“律师：熟悉民法典，语言犀利”。切忌长篇大论地描述背景故事，这会挤占指令的核心表达空间。

2、工具选择

Agent与大模型的最大区别就在于能调用外部工具。工具的种类相当丰富：

• 插件
  ：几乎什么都能干——搜索、查新闻、看天气、做计算……插件生态越丰富，Agent的能力边界越宽。

• 图像流
  ：基于大模型生成图片，比如绘图、设计草图、图表。

• 知识问答-知识库检索
  ：大模型会基于你上传的知识文档回答问题。可以直接上传PDF、Word，也可以直接选择已有的知识集合。这在企业内部知识问答场景中特别常用。

需要强调的是：工具不是越多越好。每个任务只给最匹配的工具，否则Agent会“选择困难”，甚至用错工具。

3、场景工具策略

• 尽可能一一对应
  ：每个场景只配置该场景下最必要的工具，避免工具池太大导致模型误调用。

• 做出描述
  ：简要说明每个工具的用途和边界，比如“搜索工具只能用于查询实时新闻，不能用于计算”。

• 简洁、直接
  ：工具描述越短、越明确，模型理解得越快。

4、限制

• 尽可能一一对应
  ：每条限制对应一个具体的用户输入或参数条件，不要写笼统的通用规则。

• 描述越具体越好
  ：与其说“不要泄露用户隐私”，不如说“当用户问及其他用户信息时，必须回复‘抱歉，我无权查看其他用户的数据’”。

5、输出样式策略

• 清晰明了
  ：告诉AI你希望它用自然语言、表格、列表还是代码块输出。

• 提出具体的要求
  ：比如“每条回答不超过100字”、“使用第二人称‘您’”、“每段之间空一行”。

• 可以加字号、样式要求
  ：比如“标题用加粗，关键数据标红”。

6、给出示例

示例是消除歧义的超级武器。当你需要Agent有特定回复格式时，直接给出一条“提问”和“期望答复”的完整样例。比如：

提问：“我的订单号是12345，请帮我查物流。”
期望答复：“订单12345的物流状态为【已发货】，预计3天内到达。快递公司：顺丰，单号：SF987654321。”

有了示例，大模型几乎不会跑偏。