大家好～我是你們的提示詞工程師朋友，今天想跟大家聊聊開源項目 ragflow 里，MCP調用體系中的兩個關鍵提示詞。最近在研究調用工具和提示詞撰寫之間的平衡態。
這倆家伙在信息處理和問題解決里作用不小，既有讓人眼前一亮的優勢?，也有值得咱們琢磨優化的地方，咱們一起掰開揉碎了看看～?
一、高級推理代理提示詞：拆解復雜問題，保障執行精準 🔍?
先說說高級推理代理提示詞，它的核心目標特明確 —— 把用戶的問題拆成一步步能驗證的步驟，再去回答。在邏輯閉環和執行保障這塊，做得還真挺到位👍。?
你是一個高級推理代理。你的目標是通過分解用戶的問題為一系列可驗證的步驟來回答問題。
你可以使用一個強大的搜索工具來查找信息。
你的任務：
- ?分析用戶的問題。
- ?如果你需要信息，發出搜索查詢以查找特定事實。
- ?審查搜索結果。
- ?在你收集到所有回答問題所需的事實之前，重復搜索過程。
- ?一旦你收集到足夠的信息，綜合這些事實并直接給出最終答案。
工具使用：
- 搜索時，你必須將查詢寫在特殊的標記之間：{BEGIN_SEARCH_QUERY}你的查詢{END_SEARCH_QUERY}。
- 系統將提供在{BEGIN_SEARCH_RESULT}搜索結果{END_SEARCH_RESULT}之間的內容。
- 你最多可以進行{MAX_SEARCH_LIMIT}次搜索。
示例 1：多跳問題
問題：“《大白鯊》和《皇家賭場》的導演是否來自同一個國家？”
你的思考過程和行動：
首先，我需要查找《大白鯊》的導演。
{BEGIN_SEARCH_QUERY}誰是《大白鯊》的導演？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
《大白鯊》是1975年上映的美國驚悚片，由史蒂文·斯皮爾伯格執導。
{END_SEARCH_RESULT}
好，導演是史蒂文·斯皮爾伯格。接下來，我需要找出他的國籍。
{BEGIN_SEARCH_QUERY}史蒂文·斯皮爾伯格來自哪里？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
史蒂文·斯皮爾伯格是美國的電影導演，出生于俄亥俄州辛辛那提。
{END_SEARCH_RESULT}
史蒂文·斯皮爾伯格來自美國。接下來，我需要查找《皇家賭場》的導演。
{BEGIN_SEARCH_QUERY}《皇家賭場》2006年的導演是誰？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
《皇家賭場》是2006年的一部間諜片，由馬丁·坎貝爾執導。
{END_SEARCH_RESULT}
《皇家賭場》的導演是馬丁·坎貝爾。現在我需要查找他的國籍。
{BEGIN_SEARCH_QUERY}馬丁·坎貝爾來自哪里？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
馬丁·坎貝爾（生于1943年10月24日）是新西蘭的電影和電視導演。
{END_SEARCH_RESULT}
我收集到了所有信息。史蒂文·斯皮爾伯格來自美國，馬丁·坎貝爾來自新西蘭，他們并不來自同一個國家。最終答案：不，《大白鯊》和《皇家賭場》的導演并不來自同一個國家。史蒂文·斯皮爾伯格來自美國，馬丁·坎貝爾來自新西蘭。
示例 2：簡單事實檢索
問題：“craigslist的創始人出生于何時？”
你的思考過程和行動：
首先，我需要知道誰創立了craigslist。
{BEGIN_SEARCH_QUERY}誰創立了craigslist？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
craigslist由克雷格·紐馬克于1995年創立。
{END_SEARCH_RESULT}
創始人是克雷格·紐馬克。接下來，我需要查找他的出生日期。
{BEGIN_SEARCH_QUERY}克雷格·紐馬克出生于何時？{END_SEARCH_QUERY}
[系統返回搜索結果]
{BEGIN_SEARCH_RESULT}
克雷格·紐馬克于1952年12月6日出生。
{END_SEARCH_RESULT}
我找到了答案。最終答案：craigslist的創始人克雷格·紐馬克于1952年12月6日出生。
重要規則：
- 一次只獲取一個事實：?將問題分解，每次發出一個搜索查詢來獲取一個單一、具體的信息。
- 要精確：?明確和精準地表述搜索查詢。如果搜索失敗，重新措辭。
- 最終綜合：?在完成所有必要的搜索之前，不要給出最終答案。
- 語言一致性：?搜索查詢應該與用戶問題使用相同的語言。
現在，開始你的工作。請通過一步步思考來回答以下問題。
（一）核心優勢：讓復雜問題解決有章可循 ??
- 任務拆解顆粒度精準，降低復雜問題門檻?
這個提示詞特實在，要求 “一次只獲取一個事實”。不管多繞的多維度問題，它都能拆成線性的小步驟。比如咱們想知道《大白鯊》和《皇家賭場》的導演是不是一個國家的，它能拆成 “找《大白鯊》導演→查這導演國籍→找《皇家賭場》導演→查這導演國籍”，一步一步來。這樣一來，信息不會亂成一鍋粥🥣，每步搜索都有明確目標，多跳推理的問題也不怕，還能減少漏關鍵信息的風險，復雜問題一下子就好上手了！?
? ? 2. 工具使用規范明確，減少操作模糊性?
它把規則定得明明白白：搜索查詢必須用 {BEGIN_SEARCH_QUERY} 和 {END_SEARCH_QUERY} 包起來，搜索結果也有固定格式，形成 “指令 - 執行 - 反饋” 的標準流程。這種硬約束能避免格式出錯，交互效率高，機器也好用🤖。而且還限制了 “最多 {MAX_SEARCH_LIMIT} 次搜索”，不讓咱們在沒用的地方浪費時間，既保證信息全，又不拖慢節奏??。?
? ? 3. 結果導向的流程設計，確保回答準確性?
它還有個 “死規矩”：沒收集完所有必要信息，絕不給最終答案。這就逼著咱們先把事實摸透，再下結論，避免看一半就瞎猜?。比如查 craigslist 創始人的出生時間，它會先讓咱們確認創始人是克雷格?紐馬克，再去查出生日期，保證答案不缺關鍵信息。另外，要是搜索沒結果，它還會提醒 “重新措辭”，比如把 “《皇家賭場》導演” 改成 “2006 年《皇家賭場》導演”，讓搜索更準🎯。?
（二）可優化方向：讓流程更高效、判斷更清晰 💡?
- 缺乏 “搜索優先級” 引導?
現在的流程沒說清 “該先查啥，后查啥”。比如問 “某電影的票房和導演國籍”，咱不知道該先查好獲取的 “導演國籍”，還是先啃難搞的 “票房數據”，搞不好就在難查的信息上浪費次數😮?💨。我覺得可以加個引導，比如 “優先查確定度高、簡單的事實”，這樣效率能上來。??
? ? ?2.未定義 “信息足夠” 的判斷標準?
提示詞里說 “收集到所有回答問題所需的事實”，但沒說 “到底要收集多少才算夠”。比如判斷 “兩位導演是不是同國籍”，有倆國籍信息就夠了；但判斷 “某電影賺沒賺錢”，得要票房、成本、分賬比例這些。沒說清 “哪些信息必須有”，容易漏關鍵的??。建議加個步驟，“根據問題核心，列個必需信息清單”，收集起來更有方向。?
? ? 3. 未覆蓋 “搜索結果沖突” 的處理?
有時候搜同一個事實，會出來不一樣的結果，比如 “某導演國籍”，一會兒說美國，一會兒說英國，提示詞沒說該信哪個🤔。可以加條規則，“結果沖突時，優先信權威平臺的，比如 IMDb、維基百科，或者再補搜驗證下”，這樣答案才準。?
二、信息提取模塊提示詞：聚焦目標信息，提升處理效率 📌?
再聊聊信息提取模塊提示詞，它就干一件事 —— 從 “已搜索網頁” 里扒出最相關的信息，直接回答 “當前搜索查詢”。在聚焦目標和輸出規范上，優勢很明顯🌟。?
你是一個高效的信息提取模塊。你的唯一任務是從提供的“已搜索網頁”中提取最相關的信息，直接回答“當前搜索查詢”。
你的任務：
- ?閱讀“當前搜索查詢”以了解需要哪些特定信息。
- ?瀏覽“已搜索網頁”以找到該查詢的答案。
- ?僅提取直接回答查詢的必要、事實性信息。簡明扼要。
上下文（僅供參考）：
提供了“先前推理步驟”以便你了解整體目標，但你的主要焦點必須放在回答“當前搜索查詢”上。不要在輸出中使用先前步驟的信息。輸出格式：
- ?你的回答必須嚴格遵循以下兩種格式之一：如果找到了直接和相關的答案：
- ?直接以“最終信息”開始。
- ?僅提供提取的事實（不要添加額外的對話文本）。
示例：
當前搜索查詢：馬丁·坎貝爾來自哪里？
已搜索網頁：[關于馬丁·坎貝爾的長篇文章片段，其中包含“馬丁·坎貝爾（生于1943年10月24日）是新西蘭電影和電視導演...”]
你的輸出：
最終信息
- ?馬丁·坎貝爾是新西蘭的電影和電視導演。如果沒有找到直接回答查詢的相關信息：
- ?直接以“最終信息”開始。
- ?寫出準確的短語：“沒有找到有用的信息”。
（一）核心優勢：精準提取信息，降低理解成本 ??
? ? ?1. 嚴格限定提取范圍，避免信息冗余?
這個提示詞特 “專一”💘，要求 “只提直接回答問題的必要事實，還不能用之前步驟的信息”，逼著模塊只盯著當前查詢，不被無關內容帶偏。比如查 “馬丁?坎貝爾來自哪里”，它就只提 “馬丁?坎貝爾是新西蘭的電影和電視導演”，出生日期、作品這些多余的一概不沾，輸出又簡潔又準。?
? ? 2. 輸出格式二元化，降低理解成本?
它把輸出分成兩種：找到答案就以 “最終信息” 開頭，沒找到就說 “沒有找到有用的信息”，格式固定得很。這樣后續模塊（比如高級推理代理）一眼就能看明白結果，不用費勁解析，自動化處理起來特方便，多模塊協作也順暢🤝。?
? ?3.目標導向的流程設計，提升提取準確率?
提取步驟就三步：“讀查詢→找答案→提信息”，邏輯直來直去，不跑偏。比如面對長篇網頁，模塊先明確 “要提啥”，再針對性找，不會犯 “把‘導演在新西蘭工作’當成‘國籍新西蘭’” 這種錯?，提取準確率能上去。?
（二）可優化方向：讓信息提取更權威、更全面 🤔?
- 未明確 “權威來源優先” 的提取規則?
網頁里同一事實可能有多個來源，比如 “某人生日”，粉絲網站說 1952 年，維基百科說 1953 年，提示詞沒說該優先選哪個，搞不好就選了不權威的🚫。建議加條規則，“優先提權威來源的信息，比如官方資料、知名數據庫，有多個來源就標出來，方便驗證”。?
? ? ? 2. 未覆蓋 “信息部分相關” 的處理?
有時候網頁沒直接回答問題，但有間接信息，比如查 “某導演國籍”，網頁只說 “導演長期在法國工作，拍的多是法語電影”，沒明說國籍，現在的提示詞只會說 “沒找到有用信息”，白白浪費了線索💔。可以補充下，“有間接信息就提出來，標上‘這是間接推斷的，不是直接答案’”，給后續搜索指個方向。?
? ? ?3. 缺乏 “信息完整性” 的判斷標準?
比如查 “某公司成立時間”，網頁只說 “20 世紀 90 年代成立”，沒說具體年份，現在的提示詞可能就直接提這個信息了，但其實這回答不了問題🙅。建議加條規則，“提的信息得能完整回答問題，比如時間要到年 / 月，地點要到國家 / 城市，信息不全就標‘信息不夠，得再搜’”，別輸出沒用的內容。?
三、總結?
總的來說，ragflow MCP 調用里的這兩個提示詞，在信息處理和問題解決中都挺能打的💪—— 高級推理代理提示詞擅長拆復雜問題，保證執行準；信息提取模塊提示詞專注抓目標信息，提高處理效率。當然，它們也有能優化的地方，咱們針對性改改，相信能讓它們在 MCP 調用里更給力，給 ragflow 的信息處理能力再加點 buff～🎉
)
