在一个智能体中，提示词应该有那几个模块组成？ 原创

“ 为了引导提升大模型输出质量，因此输入大模型的提示词需要有特定的模板。”

在前面的文章中说过大模型的应用开发，本质上就是对提示词对封装，那么在一个大模型应用中，提示词应该有那几个模块呢？

下面，我们以智能体开发为例，阐述一下提示词应该有那几个模块组成。

智能体中的提示词模块

1、System Prompt（系统提示）

作用：

• 为大模型定义角色、风格、边界和全局目标。
• 常包含：

     a.智能体身份（如“你是一个智能项目工单生成智能体”）

     b.行为原则（准确、简洁、先澄清再回答）

     c.输出风格（是否 JSON / Markdown / 严格格式）

     d.禁止事项（不要编造、不要提供法律建议等）

2 、Tools / Functions Schema（工具或函数描述模块）

作用：

• 告诉模型当前可用的工具和如何调用
• 通常包含：

     a.工具名称

     b.工具用途描述（对模型而非用户）

     c.参数名称、类型、含义（JSON Schema）

在 LangGraph / LangChain智能体中，每次推理都需要注入，以便大模型调用合适工具。

3、Chat History（对话历史）

作用：

• 让大模型在当前对话中“有记忆”，知道用户已说过什么
• 避免重复澄清问题
• 支持多轮连续上下文理解

在 LangChain / LangGraph 中使用：
MessagesPlaceholder(variable_name="chat_history")

来动态注入完整或摘要化的对话历史。

四、User Input（用户输入）

作用：

• 本次用户真实问题 / 指令
• 用于让大模型根据当前输入做推理

在提示词模板中通常占位为：
{user_input}
或使用：
HumanMessagePromptTemplate.from_template(human_prompt)

五、Output Format Constraints（输出格式约束）

作用：

• 指定输出的格式结构，方便解析和自动处理。
• 可包含：

     a.严格要求输出 JSON / Markdown

     b.限制字段名、字段顺序

     c.示例输出

在生成结构化数据、SQL、工单时非常关键，常结合 ​​StructuredOutputParser​​​或 ​​ResponseSchema​​使用。

✅ 汇总结构（记忆示范）

【智能体提示词典型结构】
1️⃣ System Prompt
    - 定义角色、风格、目标
    - 限制行为
2️⃣ Tools / Functions Schema
    - 工具名称、描述
    - JSON Schema 参数定义
3️⃣ Chat History
    - 注入多轮对话历史或摘要
4️⃣ User Input
    - 用户本轮输入
5️⃣ Output Format Constraints
    - 明确格式要求
    - 示例结果

✅ 在 LangGraph / LangChain 中如何组织？

from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate, MessagesPlaceholder
system_prompt = "你是一个项目智能工单生成智能体..."
human_prompt = "{user_input}"
prompt = ChatPromptTemplate.from_messages([
    SystemMessagePromptTemplate.from_template(system_prompt),
    MessagesPlaceholder(variable_name="chat_history"),
    HumanMessagePromptTemplate.from_template(human_prompt)
])

并通过：✅ ​​StructuredOutputParser​​确保输出结构✅ 工具描述在 Agent 初始化时注入

实现完整提示词编排，让智能体稳定且可解析。

✅ 是否需要全部模块？

不同场景可裁剪：

• 若不调用工具，可去掉工具描述
• 若无记忆需求，可去掉 chat_history
• 若只生成纯文本可弱化输出格式约束但在生产级智能体中，上述五模块通常完整保留。

本文转载自​​AI探索时代​​ 作者：DFires