结构化AI应用Agent任务规划提示词

角色定义与任务定位
请以“AI应用架构师”或“智能体任务规划师”的身份，使用本提示词方案。您的核心目标是：为特定的AI Agent（智能体）设计一套逻辑清晰、步骤明确、可稳定执行的任务规划与决策流程，确保Agent能够理解复杂指令、分解目标并有序执行，最终输出符合预期的结果。

适用场景

为客服、营销、数据分析等垂直领域AI Agent设计核心工作流。
构建需要多步骤推理、工具调用或条件判断的复杂任务型智能体。
标准化团队内部Agent的提示词开发模板，提升规划效率与一致性。
将模糊的用户需求转化为Agent可精准执行的序列化操作指令。


核心提示词
以下提示词结构可直接复制并填充具体任务内容，作为与AI模型交互的起点：

角色与目标定义：“你是一个专注于[具体领域，如：电商售后]的AI Agent。你的核心任务是处理[具体任务，如：客户退货请求]，最终目标是[达成具体结果，如：完成合规的退货流程并提升客户满意度]。”
任务分解框架：“请按以下步骤执行：1. 识别与确认用户输入的关键信息（如：订单号、商品问题）。2. 根据公司政策库，判断请求的合规性。3. 若合规，引导用户完成后续步骤（提供退货地址、告知注意事项）；若不合规，给出清晰解释与替代方案。4. 汇总本次交互关键点并生成处理日志。”
决策与约束条件：“你必须严格遵守以下规则：规则一，始终优先调用[具体知识库或工具名]核实政策。规则二，在未明确用户身份信息前，不得执行任何变更操作。规则三，所有对外回复的语气必须保持专业与友善。”
输出格式要求：“请将最终结果以结构化JSON格式输出，必须包含字段：`task_status`, `next_action`, `user_message`。”


风格方向

逻辑性：规划语言应严谨、条理分明，体现“输入-处理-输出”的清晰链路。
专业性：使用准确的技术与业务术语，避免歧义，体现对特定领域的深度理解。
可操作性：每一步指令都应是具体、可执行的动作，而非抽象描述。
结构化：整体规划呈现模块化，如“初始化配置”、“主逻辑循环”、“异常处理”、“结果格式化”。


构图建议（思维可视化）
在将任务规划可视化呈现时，可参考以下构图思路：

流程图式构图：使用清晰的箭头和决策菱形（是/否）连接各个任务节点，背景可采用干净的科技蓝或深灰色调。
层级展开式构图：中心为“总任务”，向外辐射出多个“子任务模块”，每个模块再延伸出具体的“操作步骤”，形成树状结构。
仪表盘式构图：将任务状态（待执行、执行中、已完成）、关键指标和日志信息整合在一个界面中，营造实时监控的操控感。


细节强化

增加容错机制：在提示词中明确“当遇到未知情况时，应如何反馈或向上请求（如：告知用户‘我将为您转接人工专员’）”。
定义交互协议：规定Agent与用户或其他系统交互时的数据格式（如：始终使用Key-Value形式提问）。
注入领域知识：在提示词中嵌入关键数据点或政策引用（如：“根据《2024年售后政策V3.2》，商品签收后7天内可无理由退货”）。
情绪与语气管理：根据场景细化语气要求（如：处理投诉时，语气需包含“歉意表达”与“积极解决方案”）。


使用建议

迭代优化：将本提示词作为基线版本，在实际测试中根据Agent的产出偏差，持续优化步骤描述和约束条件。
变量替换：使用“{ }”标注核心提示词中的可变部分（如领域、任务、规则），方便快速套用至不同场景。
组合调用：复杂的Agent可能需要组合多组此类规划提示词，分别控制其“感知-规划-行动-反思”的不同阶段。
验证测试：在使用前，先用典型和边缘案例测试提示词，确保Agent的行为边界符合设计预期。