在提示词工程设计方面:
让代理明确任务从而提高表现,需要采用合理的提示词结构并写出清晰的指令。在提示词工程方面,参考了openai文档中关于[获得更好结果的六种策略](https://platform.openai.com/docs/guides/prompt-engineering/six-strategies-for-getting-better-results):[https://platform.openai.com/docs/guides/prompt-engineering](https://platform.openai.com/docs/guides/prompt-engineering),在游戏中,我为不同代理设置了不同的指令结构。3.2.1小机器人艾科比如艾柯的指令结构包括角色预设【要求模型采用角色】,回复要求【提供参考文本】+提供示例【举例说明】,和需要让LLM掌握的知识【提供参考文本】。这里以艾柯的提示词为例,在角色预设分别输入世界观,任务,回复的要求,设置身份。而掌握的知识就是环境的信息,使之能够与环境交互。chatgpt也有针对指示词生成的优化,这里我让gpt帮我一起生成和优化指示词,毕竟让模型自己生成的指示来指示模型可能效果好一些,同时也能够节省许多微调的时间。chatgpt4.0有一个插件叫做PromptPerfect,也可以用来优化和生成指示词,但我目前还没有尝试过。指令预设如下:
在上篇文章[Prompt工程|样例驱动的渐进式引导法:利用AI高效设计提示词,生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中,我已经提到过Prompt工程的必备能力:通过逻辑思考,从知识经验(KnowHow)中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent,搭建工作流驱动的Agent,简单情况可分为3个步骤:1.规划:制定任务的关键方法总结任务目标与执行形式将任务分解为可管理的子任务,确立逻辑顺序和依赖关系设计每个子任务的执行方法2.实施:分步构建和测试Agent功能在Coze上搭建工作流框架,设定每个节点的逻辑关系详细配置子任务节点,并验证每个子任务的可用性3.完善:全面评估并优化Agent效果整体试运行Agent,识别功能和性能的卡点通过反复测试和迭代,优化至达到预期水平接下来,我们从制定关键方法与流程,梳理「结构化外文精读专家」Agent的任务目标。
在上篇文章[Prompt工程|样例驱动的渐进式引导法:利用AI高效设计提示词,生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中,我已经提到过Prompt工程的必备能力:通过逻辑思考,从知识经验(KnowHow)中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent,搭建工作流驱动的Agent,简单情况可分为3个步骤:1.规划:制定任务的关键方法总结任务目标与执行形式将任务分解为可管理的子任务,确立逻辑顺序和依赖关系设计每个子任务的执行方法2.实施:分步构建和测试Agent功能在Coze上搭建工作流框架,设定每个节点的逻辑关系详细配置子任务节点,并验证每个子任务的可用性3.完善:全面评估并优化Agent效果整体试运行Agent,识别功能和性能的卡点通过反复测试和迭代,优化至达到预期水平接下来,我们从制定关键方法与流程,梳理「结构化外文精读专家」Agent的任务目标。