概述
本示例演示如何使用系统提示词（System Prompts）将通用的 LLM（大语言模型）转变为专门化智能体（Specialized Agent）。关键洞察在于：你不需要为不同任务准备不同的模型——你需要的是不同的指令。
什么是系统提示词？
系统提示词是一条持久性指令，用于在整个对话会话中塑造 AI 的行为。
类比
系统提示词的工作原理
上下文结构
系统提示词位于上下文的最顶部，影响每一次回复。
智能体专门化模式
转变流程
专门化示例
// 翻译智能体（本示例）
systemPrompt = 角色 + 规则 + 输出格式
// 代码助手
systemPrompt: "You are an expert programmer.
Always provide working code with comments.
Explain complex logic."
// 数据分析员
systemPrompt: "You are a data analyst.
Always show your calculations step-by-step.
Cite data sources when available."有效系统提示词的解剖
五大组成部分
本示例的结构
为什么详细的系统提示词很重要
质量影响
| 详细程度 | 输出质量 |
|---|---|
| 非常简略 | 不可预测 |
| 基本角色 | 有一定一致性 |
| 详细说明 | 高度一致 |
| 过度详细 | 可能令模型困惑 |
系统提示词设计模式
模式 1：角色扮演
"你是一名 [职业]，在 [领域] 方面具有专业知识……"让模型采用该角色视角。
模式 2：基于规则
"遵循以下规则：
1. 始终……
2. 绝不……
3. 当 X 发生时，做 Y……"明确的约束带来可预测的行为。
模式 3：输出格式化
"按以下格式输出你的回复：
- JSON
- Markdown
- 纯文本
- 逐步列表"模式 4：上下文感知
"你记得：[先前的事实]
你知道：[领域知识]
当前情况：[上下文]"这与 AI 智能体的关系
聊天包装器详解
不同的模型需要不同的对话格式：
| 模型类型 | 所需格式 | 包装器 |
|---|---|---|
| Llama 2/3 | Llama 格式 | LlamaChatWrapper |
| GPT 风格 | ChatML 格式 | ChatMLWrapper |
| Harmony 模型 | Harmony 格式 | HarmonyChatWrapper |
演进路径
本示例通过展示如何通过指令实现专门化，弥合了基础 LLM 使用与真正智能体行为之间的差距。