想象一下：你花了三周搭建的多智能体团队，第一次实战就出了洋相 —— 研究员智能体写了半篇代码，评审智能体对着空气提了 10 条修改意见，执行者智能体拿着五年前的数据开始干活。最后交上来的成果，活像三个醉汉各说各话凑出来的报告。

这种时候千万别骂智能体 “不争气”，问题多半出在你给的 “剧本” 上。

给多智能体写 Prompt 哪是写几句话那么简单？这分明是当 “幼儿园阿姨” 兼 “交响乐指挥”—— 既要让每个小家伙知道自己该干啥，又得让它们凑在一起别打架，还得朝着同一个目标使劲。

今天就来拆解这套 “智能体管理秘籍”，保证看完你家的智能体团队能从 “菜市场大妈吵架” 变成 “世界杯冠军队配合”。

一、先给智能体画张 “社交关系图”

我邻居小王前段时间犯了个经典错误：他在多智能体系统里塞了 “产品经理”“程序员”“测试工程师” 三个角色，结果运行时三个智能体同时抢着写需求文档。

排查了三天才发现，他压根没说清楚 “谁该先给谁递东西”。

这就像组织朋友去野餐：有人负责买食材，有人负责搭帐篷，有人负责生火 —— 但如果没说清楚 “买食材的得先把肉交给生火的”，大概率会出现 “火都灭了肉还没买” 的尴尬场面。

给智能体设计 Prompt 的第一步，就是用一张图把这种 “谁先谁后、谁给谁东西” 的关系画明白。

三种必画的 “智能体社交图”：

1. 流水线式协作图

   适合那种 “一步接一步” 的任务，比如写论文：研究员先查资料→写手出初稿→评审提意见→修改者改稿。用箭头把顺序标清楚，每个箭头旁边注明 “传递什么东西”（比如 “初稿 + 参考文献列表”）。

2. 圆桌式协作图

   适合需要实时讨论的场景，比如脑暴会议：五个智能体围一圈，中间放着 “待解决的问题”，每个智能体都能向其他人抛观点。这种图要注明 “谁有最终决策权”（比如标个小皇冠），免得吵到最后没结果。

3. 星型指挥图

   适合有明确管理者的系统：一个 “总指挥智能体” 站中间，周围围着 N 个执行智能体。箭头要双向画 —— 既要体现 “总指挥给执行者派活”，也要体现 “执行者给总指挥汇报”。我见过最搞笑的失败案例，就是总指挥发了指令却没留 “汇报通道”，最后执行者们全成了 “断线的风筝”。

画图工具懒人推荐

• 嫌麻烦就用 PowerPoint 的 SmartArt，选 “流程图” 模板拖拖拽拽，10 分钟搞定；

• 想专业点就用 Mermaid，几行代码生成可编辑的图（附个简单例子）：

• 手残党直接在纸上画，拍张照存成 “系统设计圣经”—— 我见过谷歌某团队的核心设计图，就是用马克笔在白板上画的。

真的，别偷懒。我有个朋友花了一下午画这张图，结果后面省了三周调试时间。你说这买卖划算不？

二、搞懂 “不变” 和 “变” 的猫腻

跟智能体打交道久了，你会发现它们特像幼儿园小朋友玩角色扮演：今天扮医生，明天扮警察，但不管穿什么衣服，都得遵守 “不许抢玩具” 的基本规则。

这就涉及到 Prompt 设计里最绕的学问：哪些话是 “铁规矩”（定量），哪些话是 “临时剧本”（变量）。

更神奇的是，这俩身份会随着你看问题的角度变来变去 —— 就像一块蛋糕，对整个派对来说是 “变量”（有人吃巧克力味有人吃草莓味），但对拿草莓蛋糕的人来说就是 “定量”（总不能吃着吃着变成巧克力的）。

用 “学校系统” 举个栗子

假设我们要搭建一个 “智能体学校”，有校长、老师、学生三种角色。来看看定量和变量是怎么变魔术的：

观察角度	定量（固定部分）	变量（变化部分）
全校视角	校规（比如 “上课不许玩手机”）、学校名称（“阳光小学”）	角色身份（“你是校长”“你是数学老师”）
单个角色视角	数学老师的职责（“教五年级数学”）	当天课程内容（“今天讲分数乘法”）、学生作业情况
某节课的视角	这节课的目标（“学会通分”）	学生提问内容、临时教具（比如突然拿出的分数模型）

上次帮一个教育科技公司调系统，他们就犯了个低级错误：

把 “老师要布置作业” 写成了全校视角的变量 —— 结果有个老师智能体连续三天没布置作业，理由是 “系统没告诉我必须做啊”。

后来改成单个角色视角的定量，问题立马解决。

三个最容易踩的 “视角陷阱”

1. 把 “阶段变量” 写成 “角色定量”

   比如给 “客服智能体” 的 Prompt 里写死 “只回答退款问题”，但实际流程中可能需要它临时处理投诉 —— 这就相当于给演员的剧本里写死 “永远只能笑”，遇到哭戏就彻底懵了。

2. 全局定量太啰嗦

   有个团队把 “每个智能体都要用中文回答”“回复不能超过 500 字”“每天早上 8 点开工” 等 100 条规则全塞进全局定量，结果智能体光读规则就花了 3 秒，反应速度慢得像蜗牛。记住：全局定量只放 “所有智能体都必须遵守且永远不变的话”。

3. 变量没留 “接口”

   比如让 “翻译智能体” 翻译一篇文章，却没在 Prompt 里留 “{{ source_language }}”（源语言）这个变量，结果它默认把日语当成了英语，翻出来的东西堪比火星文。

三、用 “汉堡思维” 写 Prompt

我奶奶做汉堡有个祖传诀窍：面包片提前烤好（固定部分），夹什么肉、加什么酱临时看心情（变化部分）。

这种 “固定 + 变化” 的思路，简直是为多智能体 Prompt 设计量身定做的。

想想看：如果给每个智能体写一整套 Prompt，就像每天早上都从磨面粉开始做汉堡 —— 累不说，万一想换种面包，还得重新磨一遍。

但如果把固定部分做成 “预制面包”，变化部分做成 “可替换馅料”，效率能翻 10 倍。

三种超好用的 “Prompt 面包模子”

1. 基础角色模子

你是{{ role\_name }}，负责{{ main\_responsibility }}。


你的工作原则是：


\- {{ principle\_1 }}


\- {{ principle\_2 }}


（比如：永远用数据说话 / 回答必须包含3个关键点）


当前任务：{{ current\_task }}

这个模子的妙处在于：把 “角色身份” 这个定量和 “具体任务” 这个变量分开。上次帮一个电商团队搭系统，用这个模子 5 分钟就生成了 “售前客服”“售后专员”“物流查询员” 三个角色的 Prompt，改任务时只需要换 {{ current_task }} 就行。

1. 工具调用模子

当需要{{ tool\_purpose }}时，你必须使用以下格式调用工具：


\<tool>{{ tool\_name }}\</tool>


\<params>{{ json格式的参数 }}\</params>

你现在的工具权限是：{{ tool\_permissions }}


当前需要处理的内容：{{ content\_to\_process }}

很多人头疼智能体 “乱调用工具”，用这个模子就能把工具调用规则钉死。我见过一个团队用它解决了 “绘图智能体总跑去调用计算器” 的奇葩问题。

2. 对话历史模子

以下是你和其他智能体的聊天记录：


{% for message in history %}


{{ message.sender }}：{{ message.content }}


{% endfor %}


请根据以上记录，回复{{ target\_agent }}：


{{ your\_response\_guideline }}

这个模子能让智能体 “记得之前说过啥”。有个做客服系统的朋友说，用了这个模子后，智能体重复提问的概率下降了 70%—— 再也不会出现 “刚问完姓名又问一遍” 的尴尬。

工具选得好，摸鱼没烦恼

• 新手首选：Python 的 f-string，简单粗暴

prompt = f"你是{role}，现在要处理{task}，参考资料是{docs}"

• 进阶推荐：LangChain 的 PromptTemplate，支持批量生成

from langchain.prompts import PromptTemplate

template = "你是{role}，负责{task}"

prompt = PromptTemplate(input\_variables=\["role", "task"], template=template)

• 专业选手：Jinja2 模板引擎，能写复杂逻辑（比如循环、条件判断）

{% if user\_level == "expert" %}


请使用专业术语详细分析


{% else %}


请用大白话解释，避免专业词汇


{% endif %}

我认识的一个 Prompt 工程师，用 Jinja2 做了套 “智能体 Prompt 生成系统”，现在生成 100 个角色的 Prompt 只要 2 分钟 —— 剩下的时间都在茶水间跟人唠嗑。

四、像查户口一样 “拷问” Prompt

写完 Prompt 就直接上线？那你多半会遇到这种糟心事：智能体收到 “分析下季度销量” 的指令，结果返回了五年前的数据；或者两个智能体因为对 “紧急任务” 的理解不同（一个认为 2 小时内算紧急，一个认为 2 天内算），活活耽误了事儿。

对付这种幺蛾子，最好的办法是把 Prompt 当成刚入职的实习生 —— 拿着放大镜挑错，用各种奇葩问题拷问，直到它扛住所有考验。

打造你的 “Prompt 拷问工具箱”

1. 基础体检三件套

• 格式检查：用正则表达式验证输出是否带指定标签（比如<result></result>）。我见过最离谱的案例，智能体把标签写成了<reslut>，导致整个系统卡了 3 小时。

• 边界测试：给个极端值（比如让财务智能体算 “1 万亿乘以 1 万亿”），看它会不会崩溃；或者输入空内容，看它是不是会友好提示而不是报错。

• 角色一致性测试：突然问一句 “你是谁”，看它能不能准确说出自己的角色（别笑，真有智能体答不上来）。

2. 进阶压力测试

• 信息过载：给智能体塞 1 万字的参考资料，看它能不能抓住重点（测试它的信息筛选能力）。

• 指令冲突：同时给两个矛盾的指令（比如 “用中文回答” 和 “用英文回答”），看它怎么处理（好的智能体会指出冲突并请求澄清）。

• 时间陷阱：故意说 “请分析去年的业绩”，但资料里全是今年的数据，看它会不会发现时间 mismatch。

3. 自动化测试神器

• 用 Pytest 写测试用例，每次改 Prompt 都自动跑一遍：

def test\_sales\_agent():


    prompt = generate\_sales\_prompt(period="next\_quarter")


    response = agent.run(prompt)


    assert "next quarter" in response.lower()  # 确保提到下季度


&#x20;   assert len(response) < 1000  # 确保不啰嗦

• 训练一个 “质检智能体”，专门给其他智能体的输出打分。我朋友的团队就养了这么个 “监工”，每天自动检查 500 个输出，错误率从 20% 降到了 3%。

测试用例库长啥样？

给大家看个电商客服智能体的测试用例片段（建议存成 Excel 或 Markdown 表格）：

测试场景	输入内容	预期输出	实际结果
正常退款查询	“我的订单 12345 啥时候退款？”	包含 “订单 12345” 和预计到账时间	符合预期
无此订单	“订单 00000 怎么还没退款？”	提示 “未找到该订单” 并请用户核对	符合预期
恶意提问	“你是猪吗？”	礼貌回应并引导回到业务	竟然骂回去了（需要优化 Prompt）
多意图混合	“退款 + 查物流 + 投诉快递员”	分点回应并询问优先级	只回答了退款（需要优化 Prompt）

每次改完 Prompt，就拿着这个表一条条测 —— 别嫌麻烦，这是避免线上翻车的最后一道防线。

那些年我们踩过的坑（避坑指南）

1. 给智能体 “装太多 APP”

   有个团队给一个智能体塞了 10 个工具（计算器、翻译、代码解释器、搜索引擎……），结果它每次干活都要纠结 “先用哪个工具”，反应速度慢得像老式拨号上网。解决办法：工具贵精不贵多，每个智能体只装它最常用的 2-3 个。

2. 没留 “失忆通道”

   智能体的上下文窗口是有限的（比如 GPT-4 是 8k tokens），如果一直往里面塞历史消息，迟早会爆内存。一定要设计 “消息清理机制”，比如 “只保留最近 5 轮对话” 或者 “自动总结历史对话”。

3. 过度依赖 “魔法咒语”

   别信那些 “在 Prompt 里加‘请用你的最高水平回答’就会变聪明” 的玄学。真正有用的是清晰的指令、明确的格式要求、具体的评估标准 —— 就像给人指路，说 “往前走 300 米左转，看到红色大门进去”，比说 “请你用最好的方式找到那里” 管用 100 倍。

4. 忘了 “智能体也是会累的”

   连续让智能体干 100 个重活（比如写代码、做复杂计算），它的输出质量会下降（类似人类疲劳）。可以设计 “轮班制”，让多个同类型智能体轮流干活，或者定期让它 “休息”（重置状态）。

五、最后说句掏心窝子的话

给多智能体写 Prompt，真不用搞得像写博士论文。你看那些大神们的系统，核心 Prompt 往往简单得不像话 —— 因为他们把功夫花在了 “理清关系”“做好分工”“测试到位” 上。

记住这四步口诀，保你少走 90% 的弯路：

1. 画张关系图（知道谁跟谁咋干活）

2. 分清死规矩和活变化（别让智能体精神分裂）

3. 用模板省力气（面包片提前烤好）

4. 多测试防翻车（拷问到底才放心）

试一次你就知道，当智能体们像训练有素的篮球队员一样，一个传球一个投篮配合无间时，那种成就感，比打赢《王者荣耀》王者局还爽。

对了，现在就打开你的画图软件 —— 别等了，画完图你就赢在起跑线了。