智能体开发Python脚本编写实战版提示词
这是一份专为智能体开发工程师设计的Python脚本编写实战提示词方案,聚焦Agent工作流与代码落地,帮助您快速生成可执行、可调试的智能体脚本骨架。
智能体开发
Python脚本编写
Agent工作流
提示词内容
可直接复制使用
角色定义 您应作为智能体开发工程师或AI Agent架构师,目标是为实际项目编写可运行的Python脚本,聚焦智能体的感知、决策与行动循环。您需要将抽象的智能体概念转化为具体的类、函数与工作流逻辑,输出可直接用于开发调试的提示词内容。 适用场景 构建基于ReAct模式的智能体(如工具调用、记忆管理、环境交互) 开发多Agent协作系统(如任务分配、消息传递、角色扮演) 编写自定义智能体工作流(如反思循环、子目标分解、异常重试) 集成LLM API与外部工具(如文件I/O、数据库查询、网络请求) 快速生成脚手架代码用于原型验证或内部工具开发 核心提示词 以下提示词可直接复制用于代码生成(以ChatGPT/Claude等工具为例): “请用Python编写一个实现ReAct逻辑的智能体类,包含 think(思考)、act(行动)、observe(观察)三个核心方法,支持注册自定义工具,并提供错误重试机制。” “创建一个基于异步消息队列的多Agent协调器,每个Agent拥有独立的上下文,可以发送/接收任务,并能在完成时返回结构化结果。” “给出一个智能体脚本模板,包含LLM调用、工具函数注册、短期记忆(list)和长期记忆(sqlite),并实现一个简单的问答循环。” “编写一个支持子任务拆解的智能体工作流:用户输入复杂目标,Agent自动分解为若干子步骤,逐步执行并汇总最终答案。” 风格方向 工程化风格:注重类型注解、异常处理、日志记录,代码风格符合PEP8。 模块化风格:每个功能封装为独立函数或类,便于测试和复用。 实战化风格:包含真实API调用示例(如OpenAI、Anthropic)、模拟环境(如简单虚拟世界)和输出样例。 可扩展风格:预留接口(如插槽、事件钩子),方便后期添加工具或记忆机制。 构图建议 若您需要通过图像表达脚本的架构或流程,建议采用以下视觉元素: 中心构图:Agent主循环(Observe-Think-Act)作为中心节点,四周发散连接LLM、工具库、记忆池。 时序图/流程图:展示用户输入→Agent解析→工具调用→结果合并的线性路径。 色彩方向:深灰背景 + 蓝色/青色高亮(代码逻辑线条),橙色标注核心决策点。 材质细节:使用毛玻璃效果表示记忆层,几何立方体表示工具模块,箭头带虚线表示异步通信。 细节强化 错误处理细节:在提示词中明确要求“当LLM返回格式错误时,自动重试最多3次,并记录错误日志”。 上下文管理细节:强调“使用字典维护每个会话的对话历史,超过max_tokens时自动裁剪旧消息”。 工具注册细节:要求“工具函数需包含名称、描述、参数schema和实际回调,支持热插拔”。 异步执行细节:若涉及网络调用,指定使用asyncio + aiohttp,并添加超时防护。 使用建议 优先使用“请生成一个…并包含…功能”的句式,明确列出必须包含的模块(如记忆、工具、重试)。 将提示词拆分为“基础骨架”和“功能扩展”两部分:先让AI生成最小可运行版本,再逐轮添加高级特性。 在生成后要求AI提供单元测试示例和执行流程注释,提升代码的可维护性。 若需要多Agent协作,请在提示词中注明通信协议(如JSON over Redis或gRPC),避免AI随意选择。