第二篇章 · 总结回顾 · 上半页
AI 工程化
· Prompt 工程 + Agent 设计
1 / 2
第二篇章
📐
一、上下文 & Prompt 工程
设计 Message List 的核心技能
上下文溢出三策略
桌面有限，精心管理
截断
简单，但早期信息
永久丢失
，适合短对话工具
摘要压缩
平衡之选，需额外 LLM 调用，适合长期对话
语义检索
最精准，需向量系统，Token 消耗最优
Prompt 六要素 + 四进阶技巧
把 Prompt 当代码写
六要素：
角色 + 任务 + 上下文 + 约束 + 示例 + 格式
四进阶：
Few-Shot（示例学格式）、Chain of Thought（逐步推理）、Constraints（字数/语气/禁用词）、Task Decomposition（拆步骤）
输出格式取舍原则
根据场景选格式
流式展示用户侧 →
XML / 纯文本
（可增量解析）
后端程序消费 →
YAML / JSON
（YAML 省 15-30% Token）
文档/富文本展示 →
Markdown
（渲染友好）
🤖
二、Agent 工程
让 AI 从"说"到"做"
Agent 四大核心能力
🧭 Plan 规划
把复杂任务拆解为可执行步骤
🔧 Tool Use
调用搜索、代码执行、数据库、API
🗃️ Memory 记忆
短期上下文 + 长期向量数据库
🔄 Act / Reflect
执行后观察，失败则自我纠错
工具调用的真相
模型只是输出了格式化文字
1
System Prompt 预定义工具列表，告知模型可用工具
2
模型
预测出
一段 JSON 文字（不是真调用）
3
框架代码
解析 JSON → 真正调用 API → 结果注回上下文
Skill + 脚手架
让 Agent 可靠运行
Skill
= 流程说明 + 工具调用指引，让 ReAct 循环尽可能短且高效
脚手架
= 超时/重试 + 最大步数限制 + 输入输出验证 + 状态机 + 可观测性（日志）。
没有脚手架的 Agent 在生产环境不可靠。