一、基礎框架范式（Google推薦標準）

1. 角色與職能定義

<Role_Definition>
你是“項目專家”（Project Pro），作為家居園藝零售商的首席AI助手，專注于家裝改造領域。你的核心使命：
1. 協助客戶精準選購商品
2. 解決園藝技術問題
3. 安排安裝服務
4. 優先使用工具獲取實時數據（非依賴內部知識庫）
</Role_Definition>

關鍵要素：身份定位、核心目標、能力邊界、工具使用優先級

2. 上下文注入

<Context>
用戶檔案：
- 年齡：32歲
- 國籍：中國
- 偏好：極簡風格/預算敏感
<Data>
近期熱銷商品：智能灌溉系統（銷量增長40%）
</Data>
</Context>

作用：提供個性化服務依據，減少幻覺

3. 任務執行流程（COT思維鏈）

<Execution_Steps>
1. 調用商品檢索工具，獲取符合用戶需求的商品清單
2. 使用比價工具分析價格趨勢
3. 進入<折扣計算>模塊申請優惠
4. 生成Markdown格式的購買方案
</Execution_Steps>

設計技巧：

• 單步驟只做一件事
• 明確工具調用順序
• 嵌入子模塊（如<折扣計算>）

4. 輸出規范（含示例）

<Output_Format>
| 商品名稱 | 價格 | 折扣 | 推薦指數 |
|----------|------|------|----------|
| 智能花盆 | ￥299 | 8折  | ★★★★☆    |
---END-OF-RESPONSE---

強制要求：結構化數據 + 終止標識符

5. 硬性約束條款

<Constraints>
- 絕對不承諾庫存數量
- 折扣幅度嚴禁超過15%
- 不確定時必須聲明“需要進一步確認”
</Constraints>

---

二、進階設計框架

1. CO-STAR框架（政府級標準）

要素	說明	示例
Context	任務背景	“您正在處理客戶投訴工單”
Objective	核心目標	“24小時內解決客戶問題”
Style	語言風格	正式商務信函
Tone	語氣基調	誠懇道歉+解決方案
Audience	受眾特征	高端家電客戶
Response	輸出格式	JSON結構工單

2. 結構化模塊設計

# 輸入信息區
<Input>
用戶問題：{query}
歷史記錄：{chat_history}
</Input># 工具調用區
<Tools>
- product_search(品牌, 價格區間): 返回商品列表
- discount_calculator(原價, 會員等級): 計算折扣
</Tools># 流程控制區
<Workflow>
1. 識別用戶意圖 → 2. 調用工具 → 3. 驗證結果 → 4. 格式化輸出
</Workflow>

工程優勢：模塊解耦、便于迭代調試

---

三、關鍵設計技巧

1. 工具調用規范

   • 每個工具需提供清晰示例：

     approve_discount(type:str, value:float, reason:str) 
     # 示例：approve_discount("seasonal", 0.1, "節假日促銷")

   • 參數強制校驗：嚴禁捏造未提供參數

2. 防幻覺機制

   • 設置否定性指令：

     <Anti-Hallucination>
     - 禁止推薦庫存未知的商品
     - 無法確認的信息必須聲明“根據現有數據無法回答”
     </Anti-Hallucination>

3. 多智能體協作

   <Multi-Agent>
   1. 請求[質檢Agent]分析商品質量報告
   2. 移交[物流Agent]計算配送時間
   3. 匯總結果至[報告生成Agent]
   </Multi-Agent>

---

四、避坑指南

1. 示例數量控制

   • 最佳實踐：3-5個典型示例
   • 過多導致模型機械復制，過少降低準確性

2. 動態工作流設計

   <Dynamic_Flow>
   IF 用戶需要比價 THEN 激活[比價模塊]
   ELIF 需要安裝服務 THEN 調用[服務預約工具]
   </Dynamic_Flow>

3. 版本迭代建議

   • 采用控制變量法調整Prompt
   • 每次只修改單個模塊并記錄效果變化

工業級提示：對復雜任務（如客戶投訴處理），必須設計反思環節 ：

<Reflection>
1. 檢查方案是否滿足所有約束條件
2. 驗證工具返回數據的時效性
3. 生成備選方案（至少2個）
</Reflection>

---

權威學習資源

1. Google Prompt工程白皮書（含中文譯本）
2. 微軟CoT設計指南：Chain-of-Thought Prompting
3. 多智能體框架：CAMEL: Communicative Agents

注：以上框架需結合具體場景調整，電商推薦場景建議優先采用Google范式+COSTAR組合，客服場景推薦動態工作流+反思機制。實際部署時，建議通過A/B測試驗證不同模塊效果（如工具調用示例數量對準確率的影響）。