做第一个 Agent:从提示词到工具调用

举报
yd_251796181 发表于 2026/11/15 11:58:16 2026/11/15
【摘要】 AGENT 系列 · 第二篇上一篇讲清了 Agent 是什么:它不只是会回答问题,还能围绕目标自己拆步骤、调工具、看结果、再继续。这一篇往前走一步——真正动手,做一个最小但能跑通的 Agent。很多人第一次做 Agent,会直接冲向最复杂的部分:换更强的模型、接很多工具、加一长串提示词。结果往往是 demo 看起来很聪明,一换任务就翻车。问题通常不在模型,而在最基础的三件事没有说清楚:任务到...

AGENT 系列 · 第二篇

上一篇讲清了 Agent 是什么:它不只是会回答问题,还能围绕目标自己拆步骤、调工具、看结果、再继续。这一篇往前走一步——真正动手,做一个最小但能跑通的 Agent。

很多人第一次做 Agent,会直接冲向最复杂的部分:换更强的模型、接很多工具、加一长串提示词。结果往往是 demo 看起来很聪明,一换任务就翻车。问题通常不在模型,而在最基础的三件事没有说清楚:任务到底是什么、提示词到底约束了什么、工具到底能做什么。

贯穿全文的例子:用户只说一句:「帮我找三家适合周末去的周边民宿,并做个对比。」这句话人听得懂,Agent 却会立刻遇到一堆空白:周边是多远?周末是哪两天?几个人去?预算多少?什么叫“适合”——安静、能做饭、带孩子、能带宠物,还是离景点近?最后的对比要比什么?没有补齐这些信息,Agent 不是在完成任务,只是在猜。

这篇要跑通的完整链路:任务定义(目标、输入、输出、边界分别是什么);提示词(怎样让模型稳定地按要求做事);工具调用(怎样让模型在该查的时候查、该算的时候算);循环与记忆(怎样多步推进,又不丢上下文);停与防呆(怎样在出错、超限、要花钱时及时停下来)。读完这篇,你应该能画出自己第一个 Agent 的结构图,并按检查清单把它跑起来。代码不是重点,重点是这套结构换到订行程、查资料、整理文件、处理工单上,全都通用。

一、先把任务说清楚,再谈智能

做 Agent 的第一步不是写提示词,而是写一份小小的任务说明书。只要四项:目标、输入、输出、边界。四项里有一项含糊,后面就会用更贵的方式补回来——多调几次工具、多绕几圈循环,或者直接给出一个看似合理却不能用的结果。

项目 内容 写不清的后果
目标 在这个例子里,为 2 位成人、周六出发周日返回,筛选 3 家车程 2 小时内的民宿并给出推荐顺序。 搜出一堆房源,却没有取舍标准。
输入 出发城市、日期、人数、预算上限、偏好(安静、可做饭、免费停车)。 反复追问,或擅自假设关键条件。
输出 一张对比表(价格、车程、评分、亮点、短板)加一句明确推荐及理由。 长篇罗列,读者还要自己再比一次。
边界 只查询和对比,不下单、不付款;查不到的信息标“未核实”,不编造。 越权操作,或把猜测写成事实。

实用原则:缺了就会改变结果的信息,必须先问;不影响结果的信息,可以先用合理默认值并注明。比如人数和日期缺了,结果完全不同,必须问;“是否含早餐”不影响筛选,可以先列为待确认。把“必须问”和“可默认”分开,Agent 才不会既啰嗦又武断。

二、提示词:给角色、目标、规则和格式

提示词不是咒语,而是一份给模型的工作说明。稳定的提示词通常有四段:你是谁、你要完成什么、你必须遵守什么、你最后交什么。少了规则,它会自由发挥;少了输出格式,它每次交的东西都不一样,没法比较也没法接下一步程序。

差的写法:「帮我找几家不错的民宿,要好一点的,做个对比。」问题在哪:“不错”“好一点”没有标准;没说数量、范围和对比维度;没说查不到怎么办;没限制不能下单。

好的写法(可直接改用):

  • 角色:你是一个严谨的出行筛选助手,只做查询和对比,不做预订。
  • 目标:根据用户给出的日期、人数、预算和偏好,筛选恰好 3 家民宿并排序推荐。
  • 规则:价格、评分、车程必须来自工具查询结果;查不到就写“未核实”,不得编造;信息不足且会影响结果时,先提问再搜索;总价要含税费口径说明。
  • 输出格式:先给对比表,再给一句推荐结论和理由,最后列待确认事项。

好提示词没有更“聪明”的词,它只是把人脑子里默认的判断标准写了出来。自问三句即可:换一个人读能不能做对?做错了能不能找到是哪条没写清?输出能不能被下一步直接使用?

三、工具调用:让模型该查的时候去查

只靠提示词的 Agent,本质上还是在凭记忆说话。价格会变、房态会变、评分会变,这些都不能靠“想”,必须靠查。工具调用(Tool Calling,也常叫 Function Calling)就是给模型配上可以真正执行的手:查房源、算车程、算总价、查天气,每一个都是一个明确的函数。

模型并不会直接运行代码。它做的是一个判断:根据工具的名字、描述和参数定义,决定要不要调、调哪一个、参数填什么;程序执行完后把结果交回给它,它再接着思考。所以工具定义写得好不好,直接决定它选得对不对。

工具名:search_stays

描述:按城市、入住与退房日期、人数和预算上限查询可订民宿列表。只查询,不下单。

参数:city 城市,必填,如“杭州”;check_in 入住日期,必填,格式 YYYY-MM-DD;check_out 退房日期,必填,格式 YYYY-MM-DD;guests 入住人数,必填,整数;max_price 每晚预算上限,可选,单位:元。

返回:名称、每晚价、评分、位置、房型要点。

工具定义的三条经验:

  1. 名字要像动词。search_stays、calc_drive_time、calc_total_price 一眼就知道干什么;叫 tool1、helper,模型只能猜。
  2. 描述要写清“何时用、何时不用”。比如算总价的工具要注明“比较最终花费时用它,不要用每晚价直接排序”,这一句能挡掉很多低级错误。
  3. 参数越明确越好。日期给格式、金额给单位、必填与可选分开。参数含糊,模型就会把“这周末”原样塞进去,程序只能报错。
用户意图 应选工具 容易选错的情况
先有哪些可选的房 search_stays 没查就凭印象列名单
开车要多久 calc_drive_time 用直线距离冒充车程
住一晚到底花多少 calc_total_price 只比每晚价,漏了清洁费和税费
周末天气怎么样 get_weather 把天气预报写成确定事实

还有一条边界要从工具层就定死:查询类工具可以自动调,动作类工具要留确认。查房源、算价格,错了可以重来;下单、付款、取消订单,错了就是真金白银。这类工具要么第一个版本干脆不给,要么必须在执行前停下来让人确认。能力不是给得越多越好,而是给得越准越好。

四、思考-行动-观察:循环才是 Agent 本人

单次问答是一锤子买卖,Agent 的价值在循环里。它反复做三件事:思考(下一步该干什么)、行动(调用一个工具或向用户提问)、观察(看返回结果,判断够不够、要不要调整)。一圈不够就再来一圈,直到满足输出要求才停。

轮次 思考 行动 观察与调整
第1轮 日期和人数还没确认 向用户提问 得到:2人、本周六住一晚、预算800元内。
第2轮 先拿到候选名单 search_stays 返回8家,先按预算和评分筛到4家。
第3轮 偏好是安静、车程短 calc_drive_time 一家车程3.2小时,超标,淘汰。
第4轮 剩3家,要比真实总价 calc_total_price 一家每晚价低但清洁费高,总价反超。
第5轮 信息已够,不要再查 输出对比表 给出推荐,并标注一项“未核实”信息。

注意第5轮的判断:知道什么时候不再调用工具,和知道调用什么同样重要。好的循环有明确的收尾条件——候选数量达标、对比维度齐全、关键字段都有来源。没有收尾条件,Agent 会为了“更完善”无限查下去,又慢又贵,还可能越查越偏。

五、记忆:短期记现场,长期记偏好

循环跑起来之后,新问题马上出现:上一轮查到的东西,下一轮还记得吗?这就是记忆要解决的事。先分清两种,它们存的地方和用途完全不同。

类型 内容
短期记忆 记当前任务进行中的上下文,随任务结束就可以丢。在这个例子里是已确认的日期人数、已查的8家候选、淘汰理由、待确认事项。
长期记忆 记跨任务可复用、且用户认可的信息,单独存储。在这个例子里是偏好安静的住处、需要免费停车、对清洁费敏感。

第一个版本其实只需要短期记忆:把每轮的工具结果和关键结论留在上下文里,别让它重复查同一家、也别让它忘了刚刚淘汰过谁。长期记忆等任务跑稳了再加,而且要守两条规矩:只存用户明确表达或确认过的偏好,不把一次性的情况当成永久偏好;存下来的内容要允许查看和删除。把“这次带孩子所以要亲子房”误记成永久偏好,下一次就会推荐错方向——记忆用错了,比没有记忆更麻烦。

还有一个常见误区:上下文塞得越多越好。其实塞满旧对话只会让重点被淹没。更好的做法是每轮只保留“已确认条件、候选清单、淘汰理由、待办事项”这份小结,让记忆服务于下一步决策,而不是把流水账全背下来。

六、学会停下来:上限、确认点和防呆

会做事的 Agent 不稀奇,能在该停的时候停下来的 Agent 才敢真的用。失控通常不是它“变坏了”,而是设计时根本没给它装刹车。下面四种刹车,第一个版本就应该全装上。

刹车 做法 挡住什么
步数上限 最多循环8轮、最多调用12次工具,超了就汇报进展并停。 死循环、反复查同一件事。
预算上限 限定单次任务的工具调用次数与费用,接近上限先提醒。 不知不觉烧掉大量调用成本。
人工确认点 下单、付款、发送、删除等动作执行前必须停,等人点头。 不可撤销的错误操作。
无结果就停 连续查不到或工具报错时,如实说明,不编造、不硬凑。 把猜测包装成查证结果。

防呆的本质,是提前写好“异常时怎么办”。工具超时怎么办?重试一次,仍失败就标注该项未核实。返回空结果怎么办?放宽一个条件再查一次,仍为空就告诉用户没有符合条件的房源,并请他放宽哪一项。只有2家符合条件怎么办?如实给2家,不拿不合格的凑数到3家。这些分支在设计时写进规则,远比出事后改提示词可靠。

确认点的设计也有讲究:不要什么都问,也不要什么都不问。判断标准只有一条——这一步错了,能不能低成本撤销。能撤销的,比如换个筛选条件,放手让它做;不能撤销的,比如付款和对外发送,必须停。问得太勤,Agent 退化成一个每步都要人盯着的宏;问得太少,它就成了脱缰的自动化脚本。

停下来时,要交代三件事:1. 做到哪了:已经完成了哪些步骤、拿到了什么结果。2. 为什么停:是超了上限、缺了信息、工具失败,还是需要人确认。3. 下一步选项:继续、放宽条件、换个方向,还是就此结束。这样的停是可控的停,用户接手时不抓瞎。相反,悄无声息地中断、或者硬着头皮编一个结果出来,都是把小问题拖成信任问题。很多 Agent 给人的不靠谱感,不来自它能力弱,而来自它出错时不说实话。

七、最小可用版本:先跑通一个小闭环

第一个 Agent 不要贪大。按下面五步做,一天之内就能跑通,而且每一步出问题都知道该查哪里。

  1. 只选一个任务。就做“找3家民宿并对比”这一件事,不顺带订房、不顺带做攻略。
  2. 写四段式提示词。角色、目标、规则、输出格式,先求稳定,不求华丽。
  3. 只接2-3个查询工具。查房源、算车程、算总价足够,动作类工具一律不接。
  4. 把循环和上限写死。最多8轮,达标即停,异常分支按上一节的规则处理。
  5. 拿5个真实问题验收。条件完整、条件缺失、预算内无结果、工具报错、偏好冲突,各测一遍。

检查清单:

  • 任务的目标、输入、输出、边界都写下来了
  • 缺关键信息时,它会先问,而不是直接猜
  • 每个数字都能指出来自哪次工具调用
  • 查不到的信息标“未核实”,没有编造
  • 输出是约定好的表格加结论,不是自由散文
  • 超步数、超预算、无结果时都能停下来交代清楚

八、常见翻车:先按顺序排查,别急着换模型

问题 最常见的原因 调试方法
编造价格和评分 没接工具,或提示词没写“必须来自查询” 看调用记录:到底调没调工具。
选错工具 工具名含糊、描述没写使用时机 先改名字和描述,再测同一问题。
参数总报错 参数没给格式、单位和必填说明 看它实际传的参数,对照定义逐项改。
反复绕圈不停 没有收尾条件和步数上限 打印每轮思考与行动,找重复的那一圈。
忘了前面的条件 短期记忆没保留关键结论 检查每轮小结里有没有已确认条件。
答得对但不能用 输出格式没约定 把期望的表格样式直接写进提示词。

调试 Agent 的正确顺序是:先看记录,再改定义,最后才考虑换模型。把每一轮的思考、工具选择、参数和返回结果完整记录下来,绝大多数问题在记录里一目了然。凭感觉反复改提示词,只会把偶然的成功当成规律。

下一步

跑通这个单 Agent 闭环之后,路自然分出三条:给它接更多、更真实的工具;让多个 Agent 分工协作;以及给它加评测,系统地测它到底做对了多少。这三条下一篇再展开。在那之前,先把这一个做扎实——一个能稳定做对一件小事的 Agent,远胜一个什么都敢做、什么都做不稳的 Agent。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。