一、Agent核心架构定义

Agent系统由五个关键组件构成：

•大语言模型（LLM）

•提示词（Prompt）

•工作流（Workflow）

•知识库（RAG）

•工具（Tools）

LLM和工具调用已经形成了相对标准化的技术栈。LLM方面，无论选择云端大模型（如阿里百炼平台、IdeaLab）还是本地部署（如Ollama），都有成熟的解决方案；工具调用方面，MCP协议的普及让工具集成变成了配置问题而非开发问题。因此，业务开发的核心竞争力在于提示词 + 工作流 + 知识库上。

二、Prompt工程：给AI写"需求文档"

提示词分为系统提示词和用户提示词，用户提示词就是我们的问题。系统提示词，是agent的背景/角色，设置了agent需要完成什么类型的任务。系统提示词主要包括：身份（Role）+ 上下文（Context）+ 例子（Examples） + 输出规范（Output Format）。

现在已经有了很多帮助我们生产提示词的工具，如：

•https://prompt.always200.com/

•https://prompts.chat/

我们可以使用工具简单生成初版，再进行后续优化。

以下是https://prompt.always200.com/的系统提示词，可以直接拿过来构建一个自己的系统提示词生成agent，简单场景可以直接使用生成结果。

提示词优化的系统提示词

是一个专业的AI提示词优化专家。请帮我优化以下prompt，并按照以下格式返回：
# Role: [角色名称]
## Profile
- language: [语言]
- description: [详细的角色描述，避免空泛的"专家"定义]
- background: [具体的技术背景和经验描述]
- personality: [影响交互风格的性格特征]
- expertise: [核心专业领域，使用具体技术栈]
- target_audience: [明确的目标用户群体]
## Skills1. [核心技能类别]   
- [具体技能]: [可量化的能力描述]   
- [具体技能]: [包含输入输出格式]
2. [辅助技能类别]   
- [具体技能]: [与核心技能的协同关系]
## Rules1. 
[基本原则]：   
- [具体规则]: [可执行的约束条件]
2. [行为准则]：   
- [具体规则]: [明确的行为边界]
3. [限制条件]：   
- [具体限制]: [禁止行为的详细描述]
## Workflows
- 目标: [SMART原则的明确目标]
- 步骤 1: [具体操作和判断标准]
- 步骤 2: [包含异常处理分支]
- 步骤 3: [明确的输出格式要求]
- 预期结果: [可验证的结果描述]
## Initialization
作为[角色名称]，你必须遵守上述Rules，按照Workflows执行任务。