《人工智能基礎(chǔ)與應(yīng)用》課件-實(shí)訓(xùn)任務(wù)18 構(gòu)建智能體

AI遇見(jiàn)應(yīng)用興趣引領(lǐng)未來(lái)人工智能基礎(chǔ)與應(yīng)用

構(gòu)建智能體實(shí)訓(xùn)實(shí)踐

18

目錄基本介紹你將學(xué)到什么？一、結(jié)構(gòu)化Prompt的寫(xiě)作方法二、基于LLM的智能體(AIAgent)三、智能體常用案例 構(gòu)建智能體實(shí)訓(xùn)實(shí)踐19Principlesand

ApplicationsofArtificialIntelligence人工智能基礎(chǔ)與應(yīng)用【基本介紹】

旨在通過(guò)基于大型語(yǔ)言模型（LLM）的技術(shù)，探討如何設(shè)計(jì)和實(shí)現(xiàn)具備自主決策與行動(dòng)能力的AI智能體。任務(wù)重點(diǎn)包括結(jié)構(gòu)化Prompt的寫(xiě)作方法，強(qiáng)調(diào)通過(guò)清晰的層級(jí)和模板化的結(jié)構(gòu)提升模型的理解和輸出表現(xiàn)；深入分析了智能體的核心模塊——大腦模塊、感知模塊和行動(dòng)模塊——如何在信息處理、環(huán)境感知和行動(dòng)執(zhí)行中協(xié)同工作；并比較了Prompt-tuning和Fine-tuning兩種模型調(diào)優(yōu)策略，分別在不同場(chǎng)景下的適用性?！灸銓W(xué)到什么？】在構(gòu)建智能體中，你將學(xué)到以下內(nèi)容：1.結(jié)構(gòu)化Prompt的編寫(xiě)技巧：掌握如何通過(guò)結(jié)構(gòu)化和模板化的Prompt編寫(xiě)方法，提升語(yǔ)言模型的理解和輸出質(zhì)量。2.AI智能體的核心模塊：深入理解智能體的三大核心模塊——大腦模塊（信息處理與決策）、感知模塊（多模態(tài)輸入處理）和行動(dòng)模塊（執(zhí)行與環(huán)境交互）的功能與協(xié)作。3.模型調(diào)優(yōu)策略：比較并理解Prompt-tuning與Fine-tuning兩種調(diào)優(yōu)策略的應(yīng)用場(chǎng)景、優(yōu)勢(shì)及選擇方法，學(xué)會(huì)如何根據(jù)任務(wù)需求優(yōu)化模型性能。4.智能體技術(shù)的實(shí)際應(yīng)用：了解單智能體、多智能體系統(tǒng)及智能體平臺(tái)的應(yīng)用場(chǎng)景，學(xué)習(xí)如何將智能體技術(shù)應(yīng)用于不同的實(shí)際任務(wù)中。結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法

結(jié)構(gòu)化的思想很普遍，結(jié)構(gòu)化內(nèi)容也很普遍，我們?nèi)粘?xiě)作的文章，看到的書(shū)籍都在使用標(biāo)題、子標(biāo)題、段落、句子等語(yǔ)法結(jié)構(gòu)。結(jié)構(gòu)化Prompt的思想通俗點(diǎn)來(lái)說(shuō)就是像寫(xiě)文章一樣寫(xiě)Prompt。

為了閱讀、表達(dá)的方便，我們?nèi)粘Ｓ懈鞣N寫(xiě)作的模板，用來(lái)控制內(nèi)容的組織呈現(xiàn)形式。例如古代的八股文、現(xiàn)代的簡(jiǎn)歷模板、學(xué)生實(shí)驗(yàn)報(bào)告模板、論文模板等等模板。

結(jié)構(gòu)化編寫(xiě)Prompt自然也有各種各樣優(yōu)質(zhì)的模板幫助你把Prompt寫(xiě)的更輕松、性能更好。結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法例如知名的CRISPE框架，CRISPE分別代表以下含義：CR：CapacityandRole（能力與角色）。你希望ChatGPT扮演怎樣的角色。I：Insight（洞察力），背景信息和上下文（坦率說(shuō)來(lái)我覺(jué)得用Context更好）。S：Statement（指令），你希望ChatGPT做什么。P：Personality（個(gè)性），你希望ChatGPT以什么風(fēng)格或方式回答你。E：Experiment（嘗試），要求ChatGPT為你提供多個(gè)答案。

結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法

這類思維框架只呈現(xiàn)了Prompt的內(nèi)容框架，但沒(méi)有提供模板化、結(jié)構(gòu)化的prompt形式。

而我們所提倡的結(jié)構(gòu)化、模板化Prompt，寫(xiě)出來(lái)是這樣的：#Role:詩(shī)人##Profile-Author:小孚AI-Version:0.1-Language:

中文-Description:詩(shī)人是創(chuàng)作詩(shī)歌的藝術(shù)家，擅長(zhǎng)通過(guò)詩(shī)歌來(lái)表達(dá)情感、描繪景象、講述故事，具有豐富的想象力和對(duì)文字的獨(dú)特駕馭能力。詩(shī)人創(chuàng)作的作品可以是紀(jì)事性的，描述人物或故事，如荷馬的史詩(shī)；也可以是比喻性的，隱含多種解讀的可能，如但丁的《神曲》、歌德的《浮士德》。結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法###擅長(zhǎng)寫(xiě)現(xiàn)代詩(shī)1.現(xiàn)代詩(shī)形式自由，意涵豐富，意象經(jīng)營(yíng)重于修辭運(yùn)用，是心靈的映現(xiàn)2.更加強(qiáng)調(diào)自由開(kāi)放和直率陳述與進(jìn)行“可感與不可感之間”的溝通。

###擅長(zhǎng)寫(xiě)七言律詩(shī)1.七言體是古代詩(shī)歌體裁2.全篇每句七字或以七字句為主的詩(shī)體3.它起于漢族民間歌謠###擅長(zhǎng)寫(xiě)五言詩(shī)1.全篇由五字句構(gòu)成的詩(shī)2.能夠更靈活細(xì)致地抒情和敘事3.在音節(jié)上，奇偶相配，富于音樂(lè)美結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法##Rules1.內(nèi)容健康，積極向上2.七言律詩(shī)和五言詩(shī)要押韻##Workflow1.讓用戶以"形式：[],主題：[]"的方式指定詩(shī)歌形式，主題。2.針對(duì)用戶給定的主題，創(chuàng)作詩(shī)歌，包括題目和詩(shī)句。##Initialization作為角色<Role>,嚴(yán)格遵守<Rules>,使用默認(rèn)<Language>與用戶對(duì)話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法基于上述詩(shī)人prompt例子，說(shuō)明結(jié)構(gòu)化prompt的幾個(gè)概念：

標(biāo)識(shí)符：#,<>

等符號(hào)(-,[]也是)，這兩個(gè)符號(hào)依次標(biāo)識(shí)標(biāo)題,變量，控制內(nèi)容層級(jí)，用于標(biāo)識(shí)層次結(jié)構(gòu)。這里采用了markdown語(yǔ)法，#是一級(jí)標(biāo)題##是二級(jí)標(biāo)題，Role用一級(jí)標(biāo)題是告訴模型，我之后的所有內(nèi)容都是描述你的，覆蓋范圍為全局，然后有幾個(gè)#就是幾級(jí)標(biāo)題，如二級(jí)三級(jí)標(biāo)題等等。

屬性詞：Role,Profile,Initialization等等，屬性詞包含語(yǔ)義，是對(duì)模塊下內(nèi)容的總結(jié)和提示，用于標(biāo)識(shí)語(yǔ)義結(jié)構(gòu)。

日常的文章結(jié)構(gòu)是通過(guò)字號(hào)大小、顏色、字體等樣式來(lái)標(biāo)識(shí)的，大模型接收的輸入沒(méi)有樣式，因此借鑒markdown，yaml這類標(biāo)記語(yǔ)言的方法或者json這類數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)prompt的結(jié)構(gòu)表達(dá)都可以，例如用標(biāo)識(shí)符#標(biāo)識(shí)一級(jí)標(biāo)題，##標(biāo)識(shí)二級(jí)標(biāo)題，以此類推。結(jié)構(gòu)化Prompt簡(jiǎn)介一、結(jié)構(gòu)化Prompt的寫(xiě)作方法

目前選用的是Markdown標(biāo)記語(yǔ)法，一是因?yàn)轭怗PT網(wǎng)頁(yè)版本身就支持Markdown格式，二是希望對(duì)非程序員朋友使用更加友好。程序員朋友推薦使用yaml,json等進(jìn)行結(jié)構(gòu)化prompt開(kāi)發(fā)。屬性詞好理解，和學(xué)術(shù)論文中使用的摘要，方法，實(shí)驗(yàn)，結(jié)論的段落標(biāo)題起的作用一樣。標(biāo)識(shí)符，屬性詞都是可替換的，可以替換為你喜歡的符號(hào)和內(nèi)容。結(jié)構(gòu)化prompt直觀上和傳統(tǒng)的prompt方式差異就很大，那么為什么提倡結(jié)構(gòu)化方式編寫(xiě)Prompt呢？結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法模板化Prompt的性能好！這一點(diǎn)已經(jīng)在許多朋友的日常使用甚至商業(yè)應(yīng)用中得到證明。許多企業(yè)，乃至網(wǎng)易、字節(jié)這樣的互聯(lián)網(wǎng)大廠都在使用結(jié)構(gòu)化Prompt！此外結(jié)構(gòu)化、模板化Prompt還有許多優(yōu)勢(shì)，這些優(yōu)勢(shì)某種意義上又是其在實(shí)際使用時(shí)表現(xiàn)卓越的原因。優(yōu)勢(shì)一：層級(jí)結(jié)構(gòu)：內(nèi)容與形式統(tǒng)一結(jié)構(gòu)清晰，可讀性好結(jié)構(gòu)化方式編寫(xiě)出來(lái)的Prompt層級(jí)結(jié)構(gòu)十分清晰，將結(jié)構(gòu)在形式上和內(nèi)容上統(tǒng)一了起來(lái)，可讀性很好。Role(角色)作為Prompt標(biāo)題統(tǒng)攝全局內(nèi)容。Profile(簡(jiǎn)介)、Rules（規(guī)則）作為二級(jí)標(biāo)題統(tǒng)攝相應(yīng)的局部?jī)?nèi)容。Language、Description作為關(guān)鍵詞統(tǒng)攝相應(yīng)句子、段落。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)一：層級(jí)結(jié)構(gòu)：內(nèi)容與形式統(tǒng)一結(jié)構(gòu)豐富，表達(dá)性好結(jié)構(gòu)化prompt的結(jié)構(gòu)由形式控制，完全沒(méi)有記憶負(fù)擔(dān)。只要模型能力支持，可以做到二層，三層等更多、更豐富的層級(jí)結(jié)構(gòu)。這種方式寫(xiě)出來(lái)的Prompt符合人類的表達(dá)習(xí)慣，與我們?nèi)粘?xiě)文章時(shí)有標(biāo)題、段落、副標(biāo)題、子段落等豐富的層級(jí)結(jié)構(gòu)是一樣的。這種方式寫(xiě)出來(lái)的Prompt符合ChatGPT的認(rèn)知習(xí)慣，因?yàn)镃hatGPT正是在大量的文章、書(shū)籍中訓(xùn)練得到，其訓(xùn)練內(nèi)容的層級(jí)結(jié)構(gòu)本來(lái)就是十分豐富的。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)二：提升語(yǔ)義認(rèn)知結(jié)構(gòu)化表達(dá)同時(shí)降低了人和GPT模型的認(rèn)知負(fù)擔(dān)，大大提高了人和GPT模型對(duì)prompt的語(yǔ)義認(rèn)知。生成的初版Prompt足以應(yīng)對(duì)大部分日常場(chǎng)景，生產(chǎn)級(jí)應(yīng)用場(chǎng)景下的prompt也可以在這個(gè)初版prompt基礎(chǔ)上進(jìn)行迭代優(yōu)化得到，能夠大大降低編寫(xiě)prompt的任務(wù)量。對(duì)GPT模型來(lái)說(shuō)，標(biāo)識(shí)符標(biāo)識(shí)的層級(jí)結(jié)構(gòu)實(shí)現(xiàn)了聚攏相同語(yǔ)義，梳理語(yǔ)義的作用，降低了模型對(duì)Prompt的理解難度，便于模型理prompt語(yǔ)義。屬性詞實(shí)現(xiàn)了對(duì)prompt內(nèi)容的語(yǔ)義提示和歸納作用，緩解了Prompt中不當(dāng)內(nèi)容的干擾。使用屬性詞與prompt內(nèi)容相結(jié)合，實(shí)現(xiàn)了局部的總分結(jié)構(gòu)，便于模型提綱挈領(lǐng)的獲得prompt整體語(yǔ)義。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)三：定向喚醒大模型深度能力使用特定的屬性詞能夠確保定向喚醒模型的深層能力。實(shí)踐發(fā)現(xiàn)讓模型扮演某個(gè)角色其能大大提高模型表現(xiàn)，所以一級(jí)標(biāo)題設(shè)置的就是Role（角色）屬性詞，直接將Prompt固定為角色，確保定向喚醒模型的角色扮演能力。也可使用Expert（專家）,Master(大師)等提示詞替代Role，將Prompt固定為某一領(lǐng)域?qū)＜?。比如Rules，規(guī)定了模型必須盡力去遵守的規(guī)則。比如在這里添加不準(zhǔn)胡說(shuō)八道的規(guī)則，緩解大模型幻覺(jué)問(wèn)題。添加輸出內(nèi)容必須積極健康的規(guī)則，緩解模型輸出不良內(nèi)容等。用Constraints(約束)，中文的規(guī)則等詞替代也可。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)三：定向喚醒大模型深度能力下面是示例Prompt中使用到的一些屬性詞介紹：#Role:設(shè)置角色名稱，一級(jí)標(biāo)題，作用范圍為全局##Profile:設(shè)置角色簡(jiǎn)介，二級(jí)標(biāo)題，作用范圍為段落-Author:小孚AI設(shè)置Prompt作者名，保護(hù)Prompt原作權(quán)益-Version:1.0設(shè)置Prompt版本號(hào)，記錄迭代版本-Language:中文設(shè)置語(yǔ)言，中文還是English-Description:一兩句話簡(jiǎn)要描述角色設(shè)定，背景，技能等###Skill:設(shè)置技能，下面分點(diǎn)仔細(xì)描述1.xxx2.xxx結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)三：定向喚醒大模型深度能力##Rules設(shè)置規(guī)則，下面分點(diǎn)描述細(xì)節(jié)1.xxx2.xxx##Workflow設(shè)置工作流程，如何和用戶交流，交互1.讓用戶以"形式：[],主題：[]"的方式指定詩(shī)歌形式，主題。2.針對(duì)用戶給定的主題，創(chuàng)作詩(shī)歌，包括題目和詩(shī)句。##Initialization設(shè)置初始化步驟，強(qiáng)調(diào)prompt各內(nèi)容之間的作用和聯(lián)系，定義初始化行為。作為角色<Role>,嚴(yán)格遵守<Rules>,使用默認(rèn)<Language>與用戶對(duì)話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。好的屬性詞也很關(guān)鍵，你可以定義、添加、修改自己的屬性詞。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)四：像代碼開(kāi)發(fā)一樣構(gòu)建生產(chǎn)級(jí)Prompt代碼是調(diào)用機(jī)器能力的工具，Prompt是調(diào)用大模型能力的工具。Prompt越來(lái)越像新時(shí)代的編程語(yǔ)言。在生產(chǎn)級(jí)AIGC應(yīng)用的開(kāi)發(fā)中，結(jié)構(gòu)化prompt使得prompt的開(kāi)發(fā)也像代碼開(kāi)發(fā)一樣有規(guī)范。結(jié)構(gòu)化Prompt的規(guī)范可以多種多樣，用json，yaml實(shí)現(xiàn)都可以，結(jié)構(gòu)化Prompt的這些規(guī)范，這些模塊化設(shè)計(jì)，能夠大大便利于prompt后續(xù)的維護(hù)升級(jí)，便利于多人協(xié)同開(kāi)發(fā)設(shè)計(jì)。這一點(diǎn)程序員群體應(yīng)該深有感受。結(jié)構(gòu)化Prompt的優(yōu)勢(shì)一、結(jié)構(gòu)化Prompt的寫(xiě)作方法優(yōu)勢(shì)四：像代碼開(kāi)發(fā)一樣構(gòu)建生產(chǎn)級(jí)Prompt想象一下，你是某公司一名prompt工程師，某一個(gè)或多個(gè)prompt因?yàn)槟承┰颍ㄇ叭坞x職或調(diào)崗）需要你負(fù)責(zé)維護(hù)升級(jí)，你是更喜歡面對(duì)結(jié)構(gòu)化的Prompt還是非結(jié)構(gòu)化的Prompt呢？結(jié)構(gòu)化Prompt是自帶使用文檔的，十分清晰明了。像復(fù)用代碼一樣復(fù)用Prompt。對(duì)于某些常用的模塊，比如Rules是不是可以像復(fù)用代碼一樣實(shí)現(xiàn)Prompt的復(fù)用？是不是可以像面向?qū)ο蟮木幊桃粯訌?fù)用某些基礎(chǔ)角色？同時(shí)Prompt作為一種文本，也完全可以使用Git等工具像管理代碼一樣對(duì)prompt進(jìn)行版本管理。

如何寫(xiě)好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫(xiě)作方法當(dāng)我們構(gòu)建結(jié)構(gòu)化Prompt的時(shí)候，我們?cè)跇?gòu)建什么？什么是真正重要的事情？1）構(gòu)建全局思維鏈

對(duì)大模型的Prompt應(yīng)用CoT思維鏈方法的有效性是被研究和實(shí)踐廣泛證明了的。一個(gè)好的結(jié)構(gòu)化Prompt模板，某種意義上是構(gòu)建了一個(gè)好的全局思維鏈。展示的模板設(shè)計(jì)時(shí)就考慮了如下思維鏈：Role(角色)->Profile（角色簡(jiǎn)介）—>Profile下的skill(角色技能)->Rules(角色要遵守的規(guī)則)->Workflow(滿足上述條件的角色的工作流程)->Initialization(進(jìn)行正式開(kāi)始工作的初始化準(zhǔn)備)->開(kāi)始實(shí)際使用

如何寫(xiě)好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫(xiě)作方法

一個(gè)好的Prompt，內(nèi)容結(jié)構(gòu)上最好也是邏輯清晰連貫的。結(jié)構(gòu)化prompt方法將久經(jīng)考驗(yàn)的邏輯思維鏈路融入了結(jié)構(gòu)中，大大降低了思維鏈路的構(gòu)建難度。構(gòu)建Prompt時(shí)，不妨參考優(yōu)質(zhì)模板的全局思維鏈路，熟練掌握后，完全可以對(duì)其進(jìn)行增刪改留調(diào)整得到一個(gè)適合自己使用的模板。例如當(dāng)你需要控制輸出格式，尤其是需要格式化輸出時(shí)，完全可以增加Output或者OutputFormat。

如何寫(xiě)好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫(xiě)作方法2）保持上下文語(yǔ)義一致性

包含兩個(gè)方面，一個(gè)是格式語(yǔ)義一致性，一個(gè)是內(nèi)容語(yǔ)義一致性。

格式語(yǔ)義一致性是指標(biāo)識(shí)符的標(biāo)識(shí)功能前后一致。最好不要混用，比如#既用于標(biāo)識(shí)標(biāo)題，又用于標(biāo)識(shí)變量這種行為就造成了前后不一致，這會(huì)對(duì)模型識(shí)別Prompt的層級(jí)結(jié)構(gòu)造成干擾。

內(nèi)容語(yǔ)義一致性是指思維鏈路上的屬性詞語(yǔ)義合適。例如文中的Profile屬性詞，原來(lái)是Features，但實(shí)踐+思考后我更換為了Profile，使之功能更加明確：即角色的簡(jiǎn)歷。內(nèi)容語(yǔ)義一致性還包括屬性詞和相應(yīng)模塊內(nèi)容的語(yǔ)義一致。例如Rules部分是角色需要遵守規(guī)則，則不宜將角色技能、描述大量堆砌在此。

如何寫(xiě)好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫(xiě)作方法3）有機(jī)結(jié)合其他Prompt技巧

結(jié)構(gòu)化Prompt編寫(xiě)思想是一種方法，與其他例如CoT,ToT,Thinkstepbystep等技巧和方法并不沖突，構(gòu)建高質(zhì)量Prompt時(shí)，將這些方法結(jié)合使用，結(jié)構(gòu)化方式能夠更便于各個(gè)技巧間的協(xié)同組織，例如就將CoT方法融合到結(jié)構(gòu)化Prompt中編寫(xiě)提示詞。

從prompting的角度有哪些方法可以提高大模型在復(fù)雜任務(wù)上的性能表現(xiàn)呢？

如何寫(xiě)好結(jié)構(gòu)化Prompt?一、結(jié)構(gòu)化Prompt的寫(xiě)作方法3）有機(jī)結(jié)合其他Prompt技巧

匯總現(xiàn)有的一些方法：①

細(xì)節(jié)法：給出更清晰的指令，包含更多具體的細(xì)節(jié)②

分解法：將復(fù)雜的任務(wù)分解為更簡(jiǎn)單的子任務(wù)（Let'sthinkstepbystep,CoT，LangChain等思想）③

記憶法：構(gòu)建指令使模型時(shí)刻記住任務(wù)，確保不偏離任務(wù)解決路徑（system級(jí)prompt）④

解釋法：讓模型在回答之前進(jìn)行解釋，說(shuō)明理由（CoT等方法）⑤

投票法：讓模型給出多個(gè)結(jié)果，然后使用模型選擇最佳結(jié)果（ToT等方法）⑥

示例法：提供一個(gè)或多個(gè)具體例子，提供輸入輸出示例（one-shot,few-shot等方法）

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫(xiě)作方法#Role:詩(shī)人##Profile-Author:小孚AI-Version:0.1-Language:中文-Description:詩(shī)人是創(chuàng)作詩(shī)歌的藝術(shù)家，擅長(zhǎng)通過(guò)詩(shī)歌來(lái)表達(dá)情感、描繪景象、講述故事，具有豐富的想象力和對(duì)文字的獨(dú)特駕馭能力。詩(shī)人創(chuàng)作的作品可以是紀(jì)事性的，描述人物或故事，如荷馬的史詩(shī)；也可以是比喻性的，隱含多種解讀的可能，如但丁的《神曲》、歌德的《浮士德》。

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫(xiě)作方法##Rules1.內(nèi)容健康，積極向上2.七言律詩(shī)和五言詩(shī)要押韻##Workflow1.讓用戶以"形式：[],主題：[]"的方式指定詩(shī)歌形式，主題。2.針對(duì)用戶給定的主題，創(chuàng)作詩(shī)歌，包括題目和詩(shī)句。##Initialization作為角色<Role>,嚴(yán)格遵守<Rules>,使用默認(rèn)<Language>與用戶對(duì)話，友好的歡迎用戶。然后介紹自己，并告訴用戶<Workflow>。

結(jié)構(gòu)化Prompt示例一、結(jié)構(gòu)化Prompt的寫(xiě)作方法效果圖二、基于LLM的智能體(AIAgent)

智能體（AIAgent）是一種能夠自主行動(dòng)、感知環(huán)境、做出決策并與環(huán)境交互的計(jì)算機(jī)系統(tǒng)或?qū)嶓w，通常依賴大型語(yǔ)言模型作為其核心決策和處理單元，具備獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的能力。2024年智能體技術(shù)被納入《國(guó)家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)化體系建設(shè)指南（征求意見(jiàn)稿）》，在標(biāo)準(zhǔn)引領(lǐng)下未來(lái)智能體技術(shù)將高質(zhì)量發(fā)展并助推大模型加速賦能千行百業(yè)。二、基于LLM的智能體(AIAgent)

什么是智能體？1）智能體技術(shù)原理

大腦(Brain)：大腦主要由一個(gè)大型語(yǔ)言模型LLM組成，不僅存儲(chǔ)知識(shí)和記憶，還承擔(dān)著信息處理和決策等功能，并可以呈現(xiàn)推理和規(guī)劃的過(guò)程，能很好地應(yīng)對(duì)未知任務(wù)。

感知(Perception)：感知模塊的核心目的是將智能體的感知空間從純文字領(lǐng)域擴(kuò)展到包括文字、聽(tīng)覺(jué)和視覺(jué)模式在內(nèi)的多模態(tài)領(lǐng)域。

行動(dòng)(Action)：智能體的構(gòu)建過(guò)程中，行動(dòng)模塊接收大腦模塊發(fā)送的行動(dòng)序列，并執(zhí)行與環(huán)境互動(dòng)的行動(dòng)。二、基于LLM的智能體(AIAgent)

什么是智能體？

大腦模塊（Brain）是AI

Agent智能行為的核心，它是一個(gè)高度集成的系統(tǒng)，負(fù)責(zé)處理信息、做出決策和規(guī)劃行動(dòng)。這個(gè)模塊通?；诖笮驼Z(yǔ)言模型(如Llama或GPT)，這些模型在海量文本數(shù)據(jù)上進(jìn)行訓(xùn)練，賦予了Agent強(qiáng)大的自然語(yǔ)言理解和生成能力。大腦模塊不僅包含了豐富的語(yǔ)言知識(shí)，如詞法、句法、語(yǔ)義學(xué)和語(yǔ)用學(xué)，還融入了廣泛的常識(shí)知識(shí)，幫助Agent做出符合現(xiàn)實(shí)世界的合理決策。

大腦模塊還集成了特定領(lǐng)域的專業(yè)知識(shí)，使Agent能夠在專業(yè)領(lǐng)域內(nèi)執(zhí)行復(fù)雜任務(wù)。它具備記憶能力，能夠存儲(chǔ)和檢索過(guò)去的觀察、思考和行動(dòng)序列，這對(duì)于處理連續(xù)任務(wù)和解決復(fù)雜問(wèn)題至關(guān)重要二、基于LLM的智能體(AIAgent)

什么是智能體？

在接收到感知模塊處理過(guò)的信息后，大腦模塊首先會(huì)訪問(wèn)存儲(chǔ)系統(tǒng)，在那里檢索相關(guān)知識(shí)并從記憶中提取信息。這些步驟對(duì)于AIAgent來(lái)說(shuō)極其重要，因?yàn)樗鼈儙椭鶤gent制定計(jì)劃、進(jìn)行推理，并做出明智的決策。

此外，大腦模塊還能記錄Agent過(guò)去的觀察、思考和行動(dòng)，無(wú)論是以摘要形式、矢量還是其他數(shù)據(jù)結(jié)構(gòu)。同時(shí)，它也不斷更新常識(shí)和專業(yè)知識(shí)庫(kù)，以便未來(lái)使用?；诖笮驼Z(yǔ)言模型的AIAgent還具備出色的概括和遷移能力，使其能夠適應(yīng)新奇或陌生的場(chǎng)景。二、基于LLM的智能體(AIAgent)

什么是智能體？

感知模塊(Perception)

感知模塊的設(shè)計(jì)初衷在于極大地拓展Agent的感知視野，不僅僅局限于文字的范疇，而是邁向一個(gè)更為豐富多元的領(lǐng)域。這個(gè)領(lǐng)域融合了文字、聽(tīng)覺(jué)和視覺(jué)等多種模態(tài)，使得Agent能夠以一種更加接近人類的方式去感知和理解周圍的世界。二、基于LLM的智能體(AIAgent)

什么是智能體？文本輸入AIAgent通過(guò)文本輸入與人類進(jìn)行交流，能夠理解用戶文本中明確的內(nèi)容以及隱含的信念、愿望和意圖。利用強(qiáng)化學(xué)習(xí)技術(shù)，Agent能夠感知并推斷用戶的偏好，實(shí)現(xiàn)個(gè)性化和準(zhǔn)確的回應(yīng)。此外，Agent展現(xiàn)出的零樣本學(xué)習(xí)能力使其能夠處理全新的任務(wù)，無(wú)需針對(duì)特定任務(wù)的微調(diào)。視覺(jué)輸入視覺(jué)輸入為AIAgent提供了豐富的環(huán)境信息，包括物體的屬性、空間關(guān)系和場(chǎng)景布局。Agent可以通過(guò)生成圖像的文本描述（圖像標(biāo)題）來(lái)理解圖像內(nèi)容。Transformer模型的應(yīng)用使得Agent能夠直接對(duì)視覺(jué)信息進(jìn)行編碼和整合，提高了視覺(jué)感知能力。通過(guò)在視覺(jué)編碼器和LLM之間添加可學(xué)習(xí)的接口層，Agent能夠更好地對(duì)齊視覺(jué)和語(yǔ)言信息。二、基于LLM的智能體(AIAgent)

什么是智能體？聽(tīng)覺(jué)輸入聽(tīng)覺(jué)輸入方面，AIAgent能夠利用LLMs作為控制中心，調(diào)用現(xiàn)有的音頻處理模型庫(kù)來(lái)感知音頻信息。通過(guò)音頻頻譜圖的轉(zhuǎn)換，Agent能夠?qū)⒁纛l信號(hào)的有效編碼，實(shí)現(xiàn)對(duì)音頻信息的理解和處理。其他輸入除了文本、視覺(jué)和聽(tīng)覺(jué)輸入，AIAgent還可能配備更豐富的感知模塊，如觸覺(jué)、嗅覺(jué)以及對(duì)環(huán)境溫濕度的感知能力。指向指令的引入使得Agent能夠通過(guò)用戶的手勢(shì)或光標(biāo)與圖像交互。此外，通過(guò)集成激光雷達(dá)、GPS、IMU等硬件設(shè)備，Agent能夠獲得更全面的三維空間和運(yùn)動(dòng)感知能力。二、基于LLM的智能體(AIAgent)

什么是智能體？

行動(dòng)模塊（Action）作為人工智能體系中的關(guān)鍵組成部分，扮演著類似于人類大腦在感知環(huán)境后的角色。它負(fù)責(zé)接收來(lái)自感知模塊的豐富信息，這些信息可能包括文字、聲音、圖像等多模態(tài)數(shù)據(jù)。正如人類大腦所做的，行動(dòng)模塊首先對(duì)這些信息進(jìn)行整合，構(gòu)建出一個(gè)全面的情境理解。

在這個(gè)整合的基礎(chǔ)上，行動(dòng)模塊進(jìn)一步分析信息，提煉出關(guān)鍵要素，進(jìn)行邏輯推理。它模擬人類大腦的決策過(guò)程，評(píng)估不同行動(dòng)方案的可行性和預(yù)期結(jié)果，從而選擇最優(yōu)的行動(dòng)路徑。這個(gè)過(guò)程涉及到復(fù)雜的算法和模型，包括但不限于決策樹(shù)、強(qiáng)化學(xué)習(xí)、規(guī)則引擎等。二、基于LLM的智能體(AIAgent)

什么是智能體？

行動(dòng)模塊（Action）

決策確定之后，行動(dòng)模塊則負(fù)責(zé)將決策轉(zhuǎn)化為具體的行動(dòng)指令。在人類中，這一過(guò)程由大腦通過(guò)神經(jīng)系統(tǒng)控制身體完成。而在人工智能系統(tǒng)中，行動(dòng)模塊則通過(guò)工具(Tools)，來(lái)驅(qū)動(dòng)機(jī)器人或虛擬角色進(jìn)行相應(yīng)的動(dòng)作。

這些行動(dòng)可以是適應(yīng)環(huán)境的反應(yīng)，如在導(dǎo)航模塊的輔助下躲避障礙物，確保行動(dòng)的順暢和安全，或是在社交互動(dòng)中發(fā)起交談，建立聯(lián)系。二、基于LLM的智能體(AIAgent)

什么是智能體？文本輸出LLM-basedAgent利用基于Transformer的語(yǔ)言生成模型，展現(xiàn)出卓越的文本生成能力，文本質(zhì)量在流暢性、相關(guān)性、多樣性和可控性方面都非常出色，使其成為強(qiáng)大的語(yǔ)言生成器。工具使用工具是使用者能力的延伸。在面對(duì)復(fù)雜任務(wù)時(shí)，人類會(huì)使用工具來(lái)簡(jiǎn)化任務(wù)的解決過(guò)程并提高效率，從而節(jié)省時(shí)間和資源。同樣，如果AIAgent也學(xué)會(huì)使用和利用工具，就有可能更高效、更高質(zhì)量地完成復(fù)雜任務(wù)。LLM-basedAgent在某些方面存在局限性，使用工具可以增強(qiáng)Agent的能力。二、基于LLM的智能體(AIAgent)

什么是智能體？使用工具：AIAgent學(xué)習(xí)使用工具的方法主要包括從demonstartion中學(xué)習(xí)和從reward中學(xué)習(xí)。這包括模仿人類專家的行為，以及了解其行為的后果，并根據(jù)從環(huán)境和人類獲得的反饋?zhàn)龀稣{(diào)整。環(huán)境反饋包括行動(dòng)是否成功完成任務(wù)的結(jié)果反饋和捕捉行動(dòng)引起的環(huán)境狀態(tài)變化的中間反饋；人類反饋包括顯性評(píng)價(jià)和隱性行為，如點(diǎn)擊鏈接。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能在追求人工通用智能（AGI）的征途中，具身Agent（EmbodiedAgent）正成為核心的研究范式，它強(qiáng)調(diào)將智能系統(tǒng)與物理世界的緊密結(jié)合。具身Agent的設(shè)計(jì)靈感源自人類智能的發(fā)展，認(rèn)為智能不僅僅是對(duì)預(yù)設(shè)數(shù)據(jù)的處理，更多地來(lái)自于與周遭環(huán)境的持續(xù)互動(dòng)和反饋。與傳統(tǒng)的深度學(xué)習(xí)模型相比，LLM-basedAgent不再局限于處理純文本信息或調(diào)用特定工具執(zhí)行任務(wù)，而是能夠主動(dòng)地感知和理解其所在的物理環(huán)境，進(jìn)而與其互動(dòng)。這些Agent利用其內(nèi)部豐富的知識(shí)庫(kù)，進(jìn)行決策并產(chǎn)生具體行動(dòng)，以此改變環(huán)境，這一系列的行為被稱為“具身行動(dòng)”。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能具身行動(dòng)的潛力在多個(gè)方面得到了驗(yàn)證。首先，它解決了傳統(tǒng)強(qiáng)化學(xué)習(xí)（RL）算法在數(shù)據(jù)效率、泛化能力以及處理復(fù)雜問(wèn)題時(shí)的局限性。LLM-basedAgent通過(guò)聯(lián)合訓(xùn)練機(jī)器人數(shù)據(jù)與視覺(jué)語(yǔ)言數(shù)據(jù)，實(shí)現(xiàn)了顯著的轉(zhuǎn)移能力，同時(shí)幾何輸入表示法提升了訓(xùn)練數(shù)據(jù)的利用效率。在行動(dòng)規(guī)劃方面，具身Agent采用了分層強(qiáng)化學(xué)習(xí)方法和新興的推理能力，使其能夠無(wú)縫應(yīng)對(duì)復(fù)雜任務(wù)，并根據(jù)環(huán)境反饋動(dòng)態(tài)調(diào)整行動(dòng)計(jì)劃。具身行動(dòng)主要包括觀察、操縱和導(dǎo)航，這些能力使Agent能夠獲取環(huán)境信息、執(zhí)行任務(wù)并動(dòng)態(tài)改變位置。二、基于LLM的智能體(AIAgent)

什么是智能體？具身智能具體來(lái)說(shuō)，觀察是AIAgent獲取環(huán)境信息的主要方式，而操縱任務(wù)如物體重新排列和桌面操作，需要AIAgent精確觀察和整合子目標(biāo)。導(dǎo)航能力則允許AIAgent根據(jù)環(huán)境反饋和內(nèi)部地圖動(dòng)態(tài)改變位置，進(jìn)行遠(yuǎn)距離操作。通過(guò)整合這些功能，具身Agent能夠完成復(fù)雜的任務(wù)，如自主探索環(huán)境并回答多模態(tài)問(wèn)題。它們?cè)谔囟〝?shù)據(jù)集上訓(xùn)練后，能夠生成高級(jí)策略命令，控制低級(jí)策略實(shí)現(xiàn)特定子目標(biāo)。二、基于LLM的智能體(AIAgent)

什么是智能體？2）智能體技術(shù)特點(diǎn)

大模型通常通過(guò)Prompt（提示）與用戶進(jìn)行交互，輸出效果受限于用戶提問(wèn)的清晰度。信息處理方面，僅處理靜態(tài)或流式數(shù)據(jù)輸入，不涉及直接的環(huán)境交互，不能自主地采取行動(dòng)。技術(shù)應(yīng)用方面，行業(yè)知識(shí)缺乏、易出現(xiàn)幻覺(jué)提示詞工程學(xué)習(xí)門檻高成為大模型破圈的阻礙。而基于大模型的智能體，其設(shè)計(jì)目標(biāo)是實(shí)現(xiàn)對(duì)環(huán)境的有效互動(dòng)，通過(guò)感知模塊收集環(huán)境信息，并通過(guò)行動(dòng)模塊來(lái)改變環(huán)境狀態(tài)，整合了感知、決策、行動(dòng)等多個(gè)環(huán)節(jié)，因而智能體在自主能力、決策能力、協(xié)作交互等方面展現(xiàn)出優(yōu)勢(shì)，彌補(bǔ)了大模型的不足，成為人工智能界的“行動(dòng)派”。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

根據(jù)面向的對(duì)象、流程不同，智能體主要應(yīng)用在三種場(chǎng)景：（1）單智能體應(yīng)用

一個(gè)特定的環(huán)境中，僅有一個(gè)智能體進(jìn)行感知、學(xué)習(xí)和行動(dòng)，需要獨(dú)立地與環(huán)境進(jìn)行交互，并根據(jù)環(huán)境的反饋來(lái)優(yōu)化其行為策略，以實(shí)現(xiàn)預(yù)設(shè)的目標(biāo)?？蓱?yīng)用在交互性質(zhì)場(chǎng)景，如游戲AI（如圍棋、電子游戲等）、自動(dòng)駕駛汽車、機(jī)器人控制等。單智能體系統(tǒng)的復(fù)雜性相對(duì)較低，某些任務(wù)中更容易實(shí)現(xiàn)和部署。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

（2）多智能體系統(tǒng)

由多個(gè)智能體（軟件程序、機(jī)器人或其他具有自治性的實(shí)體）組成的復(fù)雜的分布式系統(tǒng)，每個(gè)智能體都具有自己的感知、決策和行動(dòng)能力，并且可以與其他智能體進(jìn)行通信、信息共享、交互和協(xié)作，以實(shí)現(xiàn)共同的目標(biāo)或任務(wù)通常后端設(shè)定不同角色的智能體，前端通過(guò)對(duì)話鏈協(xié)同工作，能夠完成單個(gè)智能體難以完成或無(wú)法完成的任務(wù)，具有更高的靈活性、可擴(kuò)展性和魯棒性。可應(yīng)用在分布式控制、智能交通、智能制造、自然語(yǔ)言處理等領(lǐng)域。二、基于LLM的智能體(AIAgent)

什么是智能體？3）智能體技術(shù)應(yīng)用

（3）智能體平臺(tái)

構(gòu)建智能體系統(tǒng)的集成化平臺(tái)，用戶在平臺(tái)上定義并部署各類智能體，平臺(tái)通過(guò)策略性流程，優(yōu)化智能體組合以適應(yīng)特定任務(wù)需求，各智能體可扮演不同專業(yè)角色，在任務(wù)協(xié)商和角色分配后，協(xié)同執(zhí)行任務(wù)并完成結(jié)果整合。適用于智能體開(kāi)發(fā)、企業(yè)定制化解決方案場(chǎng)景。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

在自然語(yǔ)言處理和AIAgent的開(kāi)發(fā)中，`Prompt-tuning`和`Fine-tuning`是兩種常用的模型訓(xùn)練策略，用于調(diào)整大型預(yù)訓(xùn)練模型（如GPT系列）以適應(yīng)特定任務(wù)。這兩種策略在實(shí)現(xiàn)方式和應(yīng)用場(chǎng)景上有所不同。

①

Fine-tuning定義與方法Fine-tuning是一種在預(yù)訓(xùn)練模型的基礎(chǔ)上進(jìn)行進(jìn)一步訓(xùn)練的方法。在這個(gè)過(guò)程中，使用特定任務(wù)的數(shù)據(jù)集對(duì)模型的所有參數(shù)進(jìn)行調(diào)整，以便模型更好地適應(yīng)這一任務(wù)。這種方法通常需要較大的標(biāo)注數(shù)據(jù)集和較多的計(jì)算資源，因?yàn)樗婕暗秸{(diào)整模型中的大量參數(shù)。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

①

Fine-tuning應(yīng)用優(yōu)勢(shì)：高度定制：Fine-tuning可以讓模型在特定任務(wù)上表現(xiàn)得更好，因?yàn)樗ㄟ^(guò)任務(wù)相關(guān)的數(shù)據(jù)訓(xùn)練來(lái)定制模型的行為。改善性能：通常能夠顯著提升模型在特定任務(wù)上的性能，特別是在任務(wù)與原始預(yù)訓(xùn)練數(shù)據(jù)差異較大時(shí)。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning定義與方法Prompt-tuning是一種只調(diào)整模型輸入的方式。它通過(guò)設(shè)計(jì)特定的輸入“提示”（prompt），在不改變模型內(nèi)部參數(shù)的前提下引導(dǎo)模型生成期望的輸出。Prompt-tuning不修改模型權(quán)重，只是在模型運(yùn)行時(shí)前加入一些特定的文本（如特定問(wèn)題的格式），利用預(yù)訓(xùn)練模型的知識(shí)來(lái)解決問(wèn)題。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning應(yīng)用優(yōu)勢(shì)：節(jié)省資源：因?yàn)椴恍枰{(diào)整和訓(xùn)練大量參數(shù)，所以計(jì)算成本較低。靈活性：可以快速適應(yīng)多種任務(wù)，只需更改輸入的提示即可，而無(wú)需重新訓(xùn)練模型。保持泛化能力：由于不改變內(nèi)部權(quán)重，模型保留了原有的泛化能力，可以在多種類型的任務(wù)上表現(xiàn)良好。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning

②

Prompt-tuning

對(duì)比與選擇數(shù)據(jù)和資源：如果資源和數(shù)據(jù)較少，Prompt-tuning可能更合適；如果有足夠的資源和數(shù)據(jù)來(lái)進(jìn)行定制化訓(xùn)練，F(xiàn)ine-tuning可能會(huì)提供更好的性能。任務(wù)特異性：Fine-tuning適合于高度特定的任務(wù)，特別是當(dāng)任務(wù)與預(yù)訓(xùn)練數(shù)據(jù)差異較大時(shí)；Prompt-tuning更適合于快速適應(yīng)多種不同的任務(wù)。實(shí)現(xiàn)速度：Prompt-tuning通常實(shí)現(xiàn)更快，適合于需要快速部署的應(yīng)用。綜合考慮資源、任務(wù)需求和性能目標(biāo)是選擇最佳策略的關(guān)鍵。二、基于LLM的智能體(AIAgent)

AIAgent——Prompt-tuningVSFine-tuning在之前的討論中，我們提到了AIAgent的三大核心組成部分，其中“大腦模塊”（Brain）扮演著至關(guān)重要的角色。而激活這個(gè)“大腦模塊”的關(guān)鍵之一就是Prompt。無(wú)論是在角色定義、知識(shí)處理還是邏輯規(guī)劃的每一個(gè)環(huán)節(jié)，Prompt都發(fā)揮著不可或缺的作用。

通過(guò)這些討論，你可能已經(jīng)明白為什么學(xué)習(xí)掌握Prompt技術(shù)如此重要——沒(méi)有它，你幾乎無(wú)法有效地操控一個(gè)AIAgent。二、基于LLM的智能體(AIAgent)

制作AIAgent的兩種方式圖

創(chuàng)建AIAgent的兩種手段二、基于LLM的智能體(AIAgent)

制作AIAgent的兩種方式

Prompt在激活和運(yùn)用AIAgent的“大腦模塊”中扮演著關(guān)鍵角色，但它并非沒(méi)有缺點(diǎn)。一個(gè)很直觀的問(wèn)題是：使用的Prompt越長(zhǎng)，消耗的Token也就越多。一個(gè)公眾人物公開(kāi)披露的個(gè)人信息（身份、言行等），轉(zhuǎn)換成Token數(shù)可能高達(dá)數(shù)百萬(wàn)。這還不考慮模型是否能夠處理這么多Token的問(wèn)題，僅僅是每次推理所需支付的成本——無(wú)論是金錢還是時(shí)間——都可能非常高昂。

通過(guò)Prompt來(lái)構(gòu)建大腦模塊（Prompt-tuning），一般適合“無(wú)趣的靈魂”，即擬人化不是那么重的情況。目前，針對(duì)"有趣的靈魂"最直接的解決方式就是通過(guò)微調(diào)一個(gè)定向模型來(lái)達(dá)到上述效果。與Prompt相比，基于微調(diào)的方法可以視為將信息直接“記憶”在AI的“大腦模塊”中。微調(diào)過(guò)程本質(zhì)上是一個(gè)信息壓縮和整合的過(guò)程，它能將例如三萬(wàn)條推特中的零散信息有效地整理并嵌入到大型模型的權(quán)重中，且權(quán)重占比不到1%。這種方法不僅提高了信息提取的效率，還減少了每次查詢或應(yīng)用時(shí)所需處理的數(shù)據(jù)量，從而優(yōu)化了性能和成本。"面對(duì)有趣的靈魂"，一般創(chuàng)建方式是兩種結(jié)合，即Prompt-tuning+Fine-tuning。二、基于LLM的智能體(AIAgent)

如何取舍？當(dāng)你準(zhǔn)備在正式項(xiàng)目中部署一個(gè)AIAgent時(shí)，請(qǐng)牢記以下十條建議，并根據(jù)實(shí)際情況做出相應(yīng)的調(diào)整：1.嘗試使用提示：在考慮微調(diào)模型之前，首先嘗試使用提示來(lái)滿足需求。只有當(dāng)提示無(wú)法滿足質(zhì)量、性能或成本目標(biāo)時(shí)，再考慮進(jìn)行微調(diào)。2.編寫(xiě)并測(cè)試提示：通過(guò)編寫(xiě)和測(cè)試提示來(lái)驗(yàn)證任務(wù)的可行性，這可以作為微調(diào)的基線。如果提示已經(jīng)能夠達(dá)到要求，那么微調(diào)可能會(huì)進(jìn)一步提升效果；反之，則微調(diào)成功的可能性較低。3.關(guān)注數(shù)據(jù)質(zhì)量：始終檢查并確保數(shù)據(jù)質(zhì)量，必要時(shí)刪除或修正問(wèn)題數(shù)據(jù)。高質(zhì)量的數(shù)據(jù)是模型優(yōu)良表現(xiàn)的基礎(chǔ)。4.使用真實(shí)場(chǎng)景數(shù)據(jù)進(jìn)行微調(diào)：即使數(shù)據(jù)存在一些不完美，只要它們能夠代表真實(shí)場(chǎng)景下的整體分布，就可以用于微調(diào)。二、基于LLM的智能體(AIAgent)

如何取舍？5.保留測(cè)試集：確保不要將所有數(shù)據(jù)都用于訓(xùn)練，應(yīng)留出一部分作為測(cè)試集以評(píng)估模型性能。6.選擇適當(dāng)?shù)哪Ｐ鸵?guī)模：選擇與任務(wù)難度相匹配的模型規(guī)模。過(guò)大或過(guò)小的模型都可能影響效率和效果。7.設(shè)立快速評(píng)估指標(biāo)：制定可以快速計(jì)算的評(píng)估指標(biāo)，以便進(jìn)行多次日常評(píng)估和快速迭代。8.執(zhí)行完整評(píng)估：定期進(jìn)行全面評(píng)估，確保快速評(píng)估指標(biāo)與最終目標(biāo)指標(biāo)保持一致。9.持續(xù)優(yōu)化：不要僅僅滿足于一次性的訓(xùn)練結(jié)果。持續(xù)地優(yōu)化和更新模型及其相關(guān)流程是至關(guān)重要的。10.靈活應(yīng)變：以上建議并非鐵律。根據(jù)項(xiàng)目具體情況靈活調(diào)整策略，找到最適合自己項(xiàng)目需求的方法。二、基于LLM的智能體(AIAgent)

如何取舍？遵循這些原則將幫助你更有效地部署AIAgent，并最大化其在實(shí)際應(yīng)用中的價(jià)值和效果。然而，重要的是要理解，這些建議并不是一成不變的規(guī)則。每個(gè)項(xiàng)目都有其獨(dú)特的環(huán)境和需求，因此靈活性至關(guān)重要。只有通過(guò)根據(jù)項(xiàng)目的具體情況進(jìn)行調(diào)整和優(yōu)化，才能確保所部署的AIAgent能夠在特定場(chǎng)景下發(fā)揮最大的效能。實(shí)踐中可能會(huì)遇到各種預(yù)料之外的挑戰(zhàn)，這時(shí)候創(chuàng)造性地修改和適應(yīng)這些建議將是解決問(wèn)題的關(guān)鍵。三、智能體常用案例

在實(shí)際應(yīng)用中，我們經(jīng)常會(huì)利用一些個(gè)性化的生產(chǎn)力工具，這些工具通常由特定的Agent或者工作流組成，以滿足個(gè)人或團(tuán)隊(duì)的特定需求。在這一部分，我想向大家介紹一些與個(gè)人生產(chǎn)力系統(tǒng)相輔相成的案例。這些案例包括流程設(shè)計(jì)、單智能體，以及開(kāi)發(fā)的特定生產(chǎn)力工具中使用的提示詞。請(qǐng)注意，由于篇幅有限，將僅提供一些基本的常用案例提示詞。如果大家希望更有效地使用這些工具，建議親自動(dòng)手實(shí)踐。畢竟思路可以借鑒，但經(jīng)驗(yàn)是無(wú)法簡(jiǎn)單復(fù)制。通過(guò)親身嘗試和探索，你可以更好地創(chuàng)建適合自己的生產(chǎn)力工具。三、智能體常用案例

文章寫(xiě)作在常用案例的第一部分，我想向大家介紹的是文章寫(xiě)作。盡管這是一個(gè)被廣泛討論的話題，許多人都曾分享過(guò)自己的見(jiàn)解和方法，但文章寫(xiě)作依然是一項(xiàng)充滿挑戰(zhàn)的技能。它聽(tīng)起來(lái)簡(jiǎn)單，但實(shí)際操作起來(lái)卻涉及到許多復(fù)雜的步驟和細(xì)節(jié)。文章寫(xiě)作可以分解為多個(gè)詳細(xì)的工作步驟，我們可以逐一攻克每個(gè)環(huán)節(jié)。這包括但不限于：大綱撰寫(xiě)：在動(dòng)筆之前，構(gòu)建文章的框架和主要觀點(diǎn)，確保文章有清晰的邏輯結(jié)構(gòu)。內(nèi)容展開(kāi)：根據(jù)大綱填充內(nèi)容，詳細(xì)闡述每個(gè)部分的論點(diǎn)和論據(jù)。文章潤(rùn)色：完成初稿后，進(jìn)行語(yǔ)言的潤(rùn)色和校對(duì)，提升文章的可讀性和說(shuō)服力。不同的人對(duì)于文章寫(xiě)作有不同的理解和方法。在這里，我想分享我自己的理解和經(jīng)驗(yàn)，希望能夠激發(fā)大家的思考，拋磚引玉，引發(fā)更多的討論和創(chuàng)意。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作

在文章寫(xiě)作的初期階段，大綱的編寫(xiě)是一個(gè)關(guān)鍵步驟。對(duì)于中長(zhǎng)篇文章的創(chuàng)作者來(lái)說(shuō)，這個(gè)過(guò)程通常需要多次迭代和深思熟慮。你需要將你的想法、創(chuàng)意和思路進(jìn)行系統(tǒng)的整理，這是一個(gè)反復(fù)推敲和不斷優(yōu)化的過(guò)程。

在這個(gè)階段，我們希望不僅僅是簡(jiǎn)單地應(yīng)用一個(gè)工作流，而是在每個(gè)環(huán)節(jié)上進(jìn)行深入的思考和對(duì)話。這個(gè)過(guò)程可能需要多次停留和回顧，通過(guò)持續(xù)的迭代，最終形成一個(gè)清晰、有邏輯的大綱，為后續(xù)的寫(xiě)作工作打下堅(jiān)實(shí)的基礎(chǔ)。

因此，采用多Agent模式在這種情況下顯得尤為合適。多Agent模式允許不同的Agent在創(chuàng)作過(guò)程中扮演不同的角色，支持反復(fù)迭代和深入探討。每個(gè)智能體可以負(fù)責(zé)不同的任務(wù)，比如資料搜集、創(chuàng)意構(gòu)思、邏輯梳理等，它們之間的協(xié)作可以帶來(lái)更豐富的視角和更深入的思考。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程規(guī)劃

在上方的流程圖中，你可以清楚的看到大綱寫(xiě)作的所有環(huán)節(jié)，它從捕捉一個(gè)初步想法開(kāi)始。這個(gè)初步想法的階段被稱為“背景增強(qiáng)”,這是寫(xiě)作旅程的第一步。在這個(gè)階段，我們收集和整合與主題相關(guān)的所有信息和知識(shí)，為后續(xù)的大綱制作打下堅(jiān)實(shí)的基礎(chǔ)。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程規(guī)劃

完成背景增強(qiáng)后，我們將這些內(nèi)容推送給下一個(gè)環(huán)節(jié)——大綱生成。這個(gè)環(huán)節(jié)負(fù)責(zé)將收集到的背景信息轉(zhuǎn)化為一個(gè)具體的大綱草案。這個(gè)過(guò)程可能包括識(shí)別主要論點(diǎn)、安排文章結(jié)構(gòu)、以及確定每個(gè)部分的關(guān)鍵內(nèi)容。

生成大綱后，我們的模型會(huì)將這些內(nèi)容進(jìn)行整合并輸出。但請(qǐng)注意，這并不是終點(diǎn)。在輸出完成后，我們還需要對(duì)大綱進(jìn)行進(jìn)一步的審視和修改。如果需要進(jìn)一步的修訂，我們將在這個(gè)基礎(chǔ)上繼續(xù)進(jìn)行循環(huán)和迭代，這是一個(gè)多輪次的流程，直到我們對(duì)整個(gè)大綱感到滿意為止。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞A.背景增強(qiáng)#Role:背景增強(qiáng)大師##Profile:Author:小孚AIVersion:1.0。Language:中文。Description:這個(gè)智能體的職責(zé)是接收用戶的創(chuàng)意，并輔助用戶進(jìn)行進(jìn)一步的問(wèn)題澄清，直到用戶的想法得到充分理解和明確##Constraints—必須深刻理解用戶的創(chuàng)意和需求，避免任何誤解。—在用戶說(shuō)不明白時(shí)，需要不斷地詢問(wèn)和澄清，直到內(nèi)容清晰為止?！峁┑男畔⒈仨殰?zhǔn)確無(wú)誤，杜絕錯(cuò)誤和誤導(dǎo)性信息。—每次交互都要以尊重和耐心為前提，確保用戶感到被理解和支持。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞A.背景增強(qiáng)##Background背景增強(qiáng)大師是一個(gè)智能體角色，專注于幫助用戶明確其創(chuàng)意和想法。無(wú)論用戶是想寫(xiě)文章、創(chuàng)作故事、設(shè)計(jì)項(xiàng)目，背景增強(qiáng)大師都會(huì)通過(guò)細(xì)致的詢問(wèn)和澄清，幫助用戶理清思路，確保他們的創(chuàng)意得到充分表達(dá)和理解。##GoaLs:—目標(biāo):幫助用戶明確和澄清他們的創(chuàng)意，確保他們的想法得到準(zhǔn)確表達(dá)和記錄。-任務(wù):通過(guò)不斷詢問(wèn)和澄清，幫助用戶梳理和細(xì)化他們的創(chuàng)意，直到不再需要進(jìn)一步澄清為止。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞A.背景增強(qiáng)##SkilLsList:—深度理解:具備深入理解用戶需求和創(chuàng)意的能力。—溝通技巧:能有效地與用戶溝通，提出有針對(duì)性的問(wèn)題?！托暮图?xì)致:在與用戶互動(dòng)時(shí)保持耐心和細(xì)致，確保每一個(gè)細(xì)節(jié)都得到充分討論和澄清?！涗浐驼?能夠準(zhǔn)確記錄和整理用戶的創(chuàng)意和想法。##Workflow:—接收創(chuàng)意:首先，接收用戶的初步創(chuàng)意或想法，無(wú)論是寫(xiě)文章、創(chuàng)作故事還是設(shè)計(jì)項(xiàng)目?！岢鰡?wèn)題:根據(jù)用戶的描述，提出相關(guān)的問(wèn)題，以便更好地理解他們的創(chuàng)意。—澄清細(xì)節(jié):當(dāng)用戶的描述不夠清晰時(shí)，通過(guò)提問(wèn)和反復(fù)澄清，幫助用戶進(jìn)一步細(xì)化他們的想法。—記錄和整理:將用戶的創(chuàng)意和澄清后的內(nèi)容進(jìn)行準(zhǔn)確的記錄和整理，確保所有細(xì)節(jié)都得到正確的表達(dá)。-最終確認(rèn):在用戶確認(rèn)所有內(nèi)容清晰明了后，結(jié)束澄清過(guò)程。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞A.背景增強(qiáng)##Example正向示例:-用戶：我想寫(xiě)一篇關(guān)于環(huán)保的文章。-智能體：好的，您能具體說(shuō)明一下這篇文章的主題嗎?比如您想重點(diǎn)討論哪些方面的環(huán)保問(wèn)題?-用戶：我想討論一下塑料污染的問(wèn)題。-智能體：了解。您是想從哪些角度來(lái)討論塑料污染呢?比如，您是想談?wù)撍鼘?duì)環(huán)境的危害，還是想介紹一些減少塑料污染的方法？-用戶：我想介紹一些減少塑料污染的方法。-智能體：非常好。您能再具體一點(diǎn)嗎?比如您想介紹哪些具體的方法?三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞A.背景增強(qiáng)##Example反向示例:-用戶：我想寫(xiě)一篇關(guān)于環(huán)保的文章。-智能體：好的，您寫(xiě)吧。-用戶：我不知道怎么寫(xiě)。-智能體：那您再想想。

在背景增強(qiáng)階段，為了豐富內(nèi)容和拓寬思路，可以為Agent配備一些實(shí)用的插件。例如，集成聯(lián)網(wǎng)搜索插件可以幫助Agent訪問(wèn)互聯(lián)網(wǎng)上的廣泛信息，而熱點(diǎn)追蹤插件則能夠讓Agent捕捉到當(dāng)前的熱門話題和趨勢(shì)。這些工具的輔助將為收集靈感和資料提供強(qiáng)有力的支持，進(jìn)而有助于Agent更有效地完成大綱的初步構(gòu)建。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作#RoLe:文章大綱寫(xiě)作大師##Profile：Author:小孚AIVersion:1.0Language:中文。Description:這個(gè)智能體的職責(zé)是根據(jù)用戶的想法和收集到的信息，創(chuàng)作一個(gè)合適的文章大綱，并與用戶一起迭代修改，直到大綱完成。##Constraints—必須準(zhǔn)確理解用戶的想法和需求，避免任何誤解—提供的信息和建議必須準(zhǔn)確、具體，并且與用戶的創(chuàng)意保持一致?！谂c用戶進(jìn)行迭代修改時(shí)，保持耐心和細(xì)致，確保每一個(gè)細(xì)節(jié)都得到充分討論和完善—確保最終的大綱符合用戶的預(yù)期和要求—按<Example>中的預(yù)設(shè)格式，使用Markdown格式輸出。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作##Background文章大綱寫(xiě)作大師是一個(gè)智能體角色，專注于幫助用戶創(chuàng)作和完善文章大綱。無(wú)論用戶是寫(xiě)學(xué)術(shù)論文、小說(shuō)還是博客文章，文章大綱寫(xiě)作大師都會(huì)根據(jù)用戶的想法和收集到的信息，提出具體的大綱建議，并與用戶一起迭代修改，直到大綱達(dá)到用戶的預(yù)期。##Goals—*目標(biāo):幫助用戶創(chuàng)作一個(gè)詳細(xì)、邏輯清晰的文章大綱，確保其符合用戶的想法和需求?！蝿?wù):根據(jù)用戶的初步想法，提出大綱建議，并與用戶一起進(jìn)行迭代修改，直到大綱完善。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作##WorkfLow:—理解與分析:具備深入理解和分析用戶需求和想法的能力—大綱寫(xiě)作:能夠根據(jù)用戶的創(chuàng)意，創(chuàng)作出結(jié)構(gòu)清晰、邏輯合理的文章大綱—溝通與協(xié)作:在與用戶進(jìn)行迭代修改時(shí)，能夠有效溝通，并提出有針對(duì)性的修改建議。—耐心與細(xì)致*:在修改過(guò)程中保持耐心和細(xì)致，確保每一個(gè)細(xì)節(jié)都得到充分討論和完善。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作##SkilLsList:—接收想法:首先，接收用戶的初步想法和相關(guān)信息—初步大綱:根據(jù)用戶的描述，創(chuàng)作一個(gè)初步的文章大綱—反饋與修改:將初步大綱提供給用戶，收集用戶的反饋，并根據(jù)反饋進(jìn)行修改?！晟?與用戶一起進(jìn)行多次迭代修改，逐步完善文章大綱最終確認(rèn):在用戶確認(rèn)所有內(nèi)容符臺(tái)預(yù)期后，完成大綱創(chuàng)作。三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作##Example:—正向示例:-用戶：我想寫(xiě)一篇關(guān)于氣候變化的文章。-智能體：好的，您能具體說(shuō)明一下這篇文章的主題和主要內(nèi)容嗎？-用戶：我想討論XXXX。-智能體：了解。以下是一個(gè)初步的大綱建議：'''#文章名稱：XXXX#第一大點(diǎn)-第一大點(diǎn)描述##一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述##二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述##第二大點(diǎn)--第二大點(diǎn)描述###一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述####二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述##第三大點(diǎn)--第三大點(diǎn)描述###一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述###二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述...'''三、智能體常用案例

文章寫(xiě)作1）大綱寫(xiě)作流程提示詞B.文章大綱寫(xiě)作##Example:—正向示例:-用戶：我想寫(xiě)一篇關(guān)于氣候變化的文章。-智能體：好的，您能具體說(shuō)明一下這篇文章的主題和主要內(nèi)容嗎？-用戶：我想討論XXXX。-智能體：了解。以下是一個(gè)初步的大綱建議：'''#文章名稱：XXXX#第一大點(diǎn)-第一大點(diǎn)描述##一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述##二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述##第二大點(diǎn)--第二大點(diǎn)描述###一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述####二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述##第三大點(diǎn)--第三大點(diǎn)描述###一級(jí)分點(diǎn)-一級(jí)分點(diǎn)描述###二級(jí)分點(diǎn)-二級(jí)分點(diǎn)描述...'''-用戶：我覺(jué)得第二大點(diǎn)和第三大點(diǎn)可以再細(xì)化一下-智能體：好的，我們可以在這些部分增加更多具體的分點(diǎn)和細(xì)節(jié)。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)當(dāng)我們將文章大綱編寫(xiě)完成后，接下來(lái)的任務(wù)便是進(jìn)行文章的擴(kuò)寫(xiě)。擴(kuò)寫(xiě)過(guò)程可能看似簡(jiǎn)單，通常我們會(huì)發(fā)出一個(gè)指令，例如：“請(qǐng)幫我根據(jù)這個(gè)大綱擴(kuò)寫(xiě)整篇文章。”然而，我們常常會(huì)發(fā)現(xiàn)，初次擴(kuò)寫(xiě)的內(nèi)容可能并不豐富，甚至顯得有些空洞。在這種情況下，我們需要思考如何以一種流程化的方法來(lái)擴(kuò)寫(xiě)文章。擴(kuò)寫(xiě)不僅僅是填充大綱，而是一個(gè)需要精心設(shè)計(jì)和構(gòu)建的過(guò)程。這個(gè)過(guò)程涉及到對(duì)大綱中每個(gè)點(diǎn)的深入挖掘，確保每個(gè)部分都得到充分的展開(kāi)和詳細(xì)的闡釋。我們需要不斷地補(bǔ)充細(xì)節(jié)，豐富內(nèi)容，使文章更加完整和立體。在擴(kuò)寫(xiě)的過(guò)程中，我們可能會(huì)遇到內(nèi)容不夠豐富或者表達(dá)不夠精準(zhǔn)的問(wèn)題。這時(shí)，我們需要不斷地回顧和審視自己的工作，通過(guò)反復(fù)的修訂和調(diào)整，逐步提升文章的質(zhì)量。這是一個(gè)需要耐心和細(xì)致的過(guò)程，但也是確保文章最終能夠達(dá)到預(yù)期效果的關(guān)鍵步驟。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)流程規(guī)劃

在文章擴(kuò)寫(xiě)的流程圖中，我們首先需要接收文章的大綱。在大綱接收完畢后，接下來(lái)的步驟是確定文章的擴(kuò)寫(xiě)風(fēng)格。選定擴(kuò)寫(xiě)風(fēng)格之后，我們將開(kāi)始進(jìn)行遞歸式的擴(kuò)寫(xiě)工作。在進(jìn)行遞歸式擴(kuò)寫(xiě)時(shí)，我們必須考慮擴(kuò)寫(xiě)的順序。首先，我們需要決定從哪個(gè)層級(jí)開(kāi)始擴(kuò)寫(xiě)，然后依次向下進(jìn)行。例如，我們可以先從L1層級(jí)開(kāi)始，接著是L2,再到L3。在這個(gè)過(guò)程中，我們有多種擴(kuò)寫(xiě)方法可供選擇。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)流程規(guī)劃每次擴(kuò)寫(xiě)后，我們需要將內(nèi)容進(jìn)行保存和合并。此外，我們還需要考慮其他相關(guān)問(wèn)題，比如選擇哪種模型來(lái)進(jìn)行擴(kuò)寫(xiě)，以及確保所選模型的命令遵從性。完成擴(kuò)寫(xiě)后，我們將結(jié)束整個(gè)擴(kuò)寫(xiě)流程。這個(gè)過(guò)程需要精心規(guī)劃和細(xì)致執(zhí)行，以確保最終的文章既符合大綱的要求，又具有豐富的內(nèi)容和清晰的結(jié)構(gòu)。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)提示詞在逐級(jí)擴(kuò)寫(xiě)過(guò)程中，采用多Agent模式能夠確保每個(gè)層級(jí)的獨(dú)立性和結(jié)構(gòu)的清晰度。我們可以為每個(gè)擴(kuò)寫(xiě)層級(jí)配置專門的智能體，例如：第一層級(jí)的擴(kuò)寫(xiě)由一個(gè)專門負(fù)責(zé)該層級(jí)的Agent來(lái)處理。第二層級(jí)的擴(kuò)寫(xiě)則由另一個(gè)專注于該層級(jí)任務(wù)的Agent來(lái)執(zhí)行。通過(guò)這種方式，每個(gè)Agent都專注于處理特定部分的內(nèi)容，這不僅保證了擴(kuò)寫(xiě)工作的獨(dú)立性，還有助于維持整個(gè)文章結(jié)構(gòu)的條理性和邏輯性。每個(gè)Agent都能夠集中精力細(xì)化和豐富自己負(fù)責(zé)的部分，從而提高整體寫(xiě)作的效率和質(zhì)量。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)提示詞#Role:文章擴(kuò)寫(xiě)大師##Profile：Author:小孚AIVersion:1.0。Language:中文。Description:這個(gè)智能體的職責(zé)是根據(jù)用戶提供的文章大綱，逐層級(jí)地?cái)U(kuò)寫(xiě)文章，并在每個(gè)層級(jí)提供相應(yīng)的指導(dǎo)和指令。##Constraints—必須準(zhǔn)確理解和分析用戶提供的文章大綱?！跀U(kuò)寫(xiě)過(guò)程中，提供具體且有針對(duì)性的指令，幫助用戶逐層級(jí)擴(kuò)寫(xiě)文章—提供的信息和建議必須準(zhǔn)確、具體，并且與用戶的創(chuàng)意保持一致—在與用戶進(jìn)行迭代修改時(shí)，保持耐心和細(xì)致，確保每一個(gè)細(xì)節(jié)都得到充分討論和完善—確保最終的文章符合用戶的預(yù)期和要求。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)提示詞##Background:文章擴(kuò)寫(xiě)大師是一個(gè)智能體角色，專注于幫助用戶根據(jù)提供的文章大綱逐層級(jí)地?cái)U(kuò)寫(xiě)文章。無(wú)論用戶是寫(xiě)學(xué)術(shù)論文、小說(shuō)還是博客文章，文章擴(kuò)寫(xiě)大師都會(huì)根據(jù)用戶提供的大綱，進(jìn)行逐層級(jí)的分析和擴(kuò)寫(xiě)，確保文章的內(nèi)容豐富且邏輯清晰。##GoaLs：—目標(biāo):幫助用戶根據(jù)文章大綱逐層級(jí)擴(kuò)寫(xiě)文章，確保文章內(nèi)容豐富且邏輯清晰?！蝿?wù):根據(jù)用戶提供的文章大綱，進(jìn)行逐層級(jí)分析，并提供相應(yīng)的擴(kuò)寫(xiě)指導(dǎo)和指令，逐步完成文章的擴(kuò)寫(xiě)。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)提示詞##SkillsList:—理解與分析:具備深入理解和分析用戶提供的文章大綱的能力—文章擴(kuò)寫(xiě):能夠根據(jù)大綱內(nèi)容，逐層級(jí)地?cái)U(kuò)寫(xiě)文章，確保內(nèi)容豐富且邏輯清晰?！笇?dǎo)與指令:在擴(kuò)寫(xiě)過(guò)程中，能夠提供具體且有針對(duì)性的指導(dǎo)和指令，幫助用戶逐層級(jí)完成擴(kuò)寫(xiě)?！托呐c細(xì)致*:在與用戶互動(dòng)和迭代修改過(guò)程中保持耐心和細(xì)致，確保每一個(gè)細(xì)節(jié)都得到充分討論和完善。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)##Workflow:—接收大綱:首先，接收用戶提供的文章大綱?！獙蛹?jí)分析:對(duì)文章大綱進(jìn)行逐層級(jí)分析，確定各個(gè)層級(jí)的內(nèi)容和結(jié)構(gòu)。—提供指令:根據(jù)分析結(jié)果，向用戶提供相應(yīng)的擴(kuò)寫(xiě)指令，幫助用戶逐層級(jí)擴(kuò)寫(xiě)文章?！患?jí)標(biāo)題擴(kuò)寫(xiě):提供指導(dǎo)和建議，幫助用戶擴(kuò)寫(xiě)一級(jí)標(biāo)題部分的內(nèi)容?！?jí)標(biāo)題擴(kuò)寫(xiě):提供指導(dǎo)和建議，幫助用戶擴(kuò)寫(xiě)二級(jí)標(biāo)題部分的內(nèi)容?！?jí)標(biāo)題擴(kuò)寫(xiě):提供指導(dǎo)和建議，幫助用戶擴(kuò)寫(xiě)三級(jí)標(biāo)題部分的內(nèi)容?！募?jí)標(biāo)題擴(kuò)寫(xiě):提供指導(dǎo)和建議，幫助用戶擴(kuò)寫(xiě)四級(jí)標(biāo)題部分的內(nèi)容?！答伵c修改:收集用戶的反饋，并根據(jù)反饋進(jìn)行相應(yīng)的修改和完善。—迭代完善:與用戶一起進(jìn)行多次迭代修改，逐步完善文章內(nèi)容?！罱K確認(rèn):在用戶確認(rèn)所有內(nèi)容符合預(yù)期后，完成文章擴(kuò)寫(xiě)。三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)##Example:—正向示例:-用戶：我已經(jīng)準(zhǔn)備好了文章大綱，想擴(kuò)寫(xiě)成一篇完整的文章。-智能體：好的，好的，請(qǐng)?zhí)峁┠奈恼麓缶V-用戶：這是我的文章大綱'''#文章名稱：XXXX##第一大點(diǎn)####一級(jí)分點(diǎn)#######二級(jí)分點(diǎn)######第二大點(diǎn)#####一級(jí)分點(diǎn)并#######二級(jí)分點(diǎn)######第三大點(diǎn)#####一級(jí)分點(diǎn)#######二級(jí)分點(diǎn)####'''三、智能體常用案例

文章寫(xiě)作2）逐級(jí)擴(kuò)寫(xiě)##Example:—智能體：了解。您提供的大綱有四個(gè)層級(jí)。我們將逐層級(jí)進(jìn)行擴(kuò)寫(xiě)。首先，請(qǐng)按照以下指令擴(kuò)寫(xiě)第一大點(diǎn)的內(nèi)容：1.在第一大點(diǎn)中詳細(xì)描述主要內(nèi)容和背景信息。2.在每個(gè)一級(jí)分點(diǎn)中，擴(kuò)展具體的論點(diǎn)和支持信息。3.在每個(gè)二級(jí)分點(diǎn)中，進(jìn)一步細(xì)化論點(diǎn)，提供具體的例子和詳細(xì)解釋。—用戶：已經(jīng)擴(kuò)寫(xiě)了第一大點(diǎn)。請(qǐng)幫我繼續(xù)擴(kuò)寫(xiě)第二大點(diǎn)?！悄荏w：以下是擴(kuò)寫(xiě)第二大點(diǎn)的指令1.在第二大點(diǎn)中詳細(xì)描述相關(guān)內(nèi)容和背景信息。2.在每個(gè)一級(jí)分點(diǎn)中，擴(kuò)展具體的論點(diǎn)和支持信息3.在每個(gè)二級(jí)分點(diǎn)中，進(jìn)一步細(xì)化論