之前写了不少COZE的应用，我认为要做好AI Agent，是有两个方向的，一个是“技术流”方向，一个是“业务流”方向。

技术流方向就是通过各个组件和技术（工作流、图像流、代码、插件、数据库等）的组合，最大程度的扩展应用能实现的功能和提升效率。

业务流方向就是通过对业务的理解，制作出高质量prompt，最大程度的提升输出质量。

所以技术流方向就是尽量扩展AI应用的能实现的功能，而业务流方向则是尽量深挖AI应用的输出质量。

所以说COZE应用的灵魂是高质量prompt，如果不严谨的说，是有一定道理的。

我之前的文章，技术流和业务流都涉及到了，但是更多还是技术流方向（虽然我的技术很一般）的内容多一些。

所以本篇文章，我们就来聊一聊高质量prompt相关的内容，文末给大家准备了高质量prompt合集（并且将不断更新）。有兴趣的同学可以拉到文末领取。

本文分为以下三个部分：

一、什么是高质量prompt？

二、通过一个案例来进进一步了解

三、总结和领取高质量prompt

正文开始

一、什么是高质量prompt？

1、首先我们得搞清楚prompt的本质是什么？

我认为prompt就是让所有普通人具有了“编程”的能力。

想想看，程序员编程是不是通过代码，让电脑制作出一个应用软件，实现某一个或一些功能。

我们编写prompt，是不是也是为了让AI大模型，帮助我们实现某一个或一些功能？

所以prompt的本质就是普通人编程所用到的“代码”。

你不用关心AI是怎么做到的，你只需要关心你有没有表述清楚。

那么对于AI来说，所谓的表述清楚就是，逻辑清晰+表达严谨。

2、结构化的prompt就是帮助你表述清楚的方法。

现在大家看到的很多提示词使用的就是结构化提示词，其中又以LangGPT框架最为常见。

怎么保证自动化生产的提示词的质量呢？答案是标准化。

首先是内容结构的标准化。整体采用基于角色的框架。为 agent 角色编写简历，它的名字，背景，介绍，技能，需要遵守的规则，工作流程，初始化行为等几个部分。

为规范各个部分的编写同时借鉴编程思想，设计了轻量的语法，包含变量，作用域，逻辑流控制等。通过复用 Markdown， json，yaml 等成熟格式直接实现。

为了进一步确保提示词质量，还设计了模板。模板层级结构清晰，可采用不同的格式。

更重要的，封装了实践中最有效的提示词方法论确保质量。

云中江树，公众号：云中江树Agents 的基石——提示词结构化方法论和实践

LangGPT框架很好的帮助我们搭了一个框架，省去了我们思考结构化的时间，更可贵的是，这个框架直接帮我们封装了提示词的技巧方法论，更进一步提高了提示词的质量。

更重要的方面是方法论封装融合，LangGPT 进一步将技巧和框架融合，形成高质量的模板。

封装的技巧包括角色扮演，CoT 思维链，格式法，属性词法，同时内置了提示词经典句，正是这些基础性的方法的封装，确保了生产的初版提示词的质量。

LangGPT 的这种模板的思想，方法论封装的思想影响了一大批提示词编写者，国内许多公司都直接或间接的应用着 LangGPT 的这种结构化范式。

云中江树，公众号：云中江树Agents 的基石——提示词结构化方法论和实践

这里写了很多的方法论，我们就只说两个吧，角色扮演和CoT思维链

角色扮演法：通过设定AI的角色或身份（如专家、助手、律师等等），它可以更准确地根据该角色的特性来生成回答。

角色通常与某种情境或背景相关，这为模型提供了更多上下文，帮助它更好地理解问题的意图。

大模型生成的内容会更符合我们角色的情境，例如角色的专业能力、背景、人格特征等。

然后说说CoT思维链，大模型执行的步骤就是COT，全称“Chain of Thought”，中文可以叫做“思维链”。

这个方法论的核心是让AI模型在给出答案之前，先展示出它的思考过程。

就好比是在解数学题时，先把每一步的计算过程写出来，而不是直接跳到答案那样。

最简单有效就是添加"让我们一步步来思考"这句话。

在实际应用中，这些方法论并不是单一去使用的，而是融合在一起配合去使用的。

写到这里，你应该明白了什么是高质量prompt，但是仅仅有高质量prompt就够了吗？

很明显并不是这样，高质量prompt只能保证我们有了一个趁手的工具。

我们还需要知道怎么使用这个工具。就需要我们对我们自己提出的需求或问题，有深入的理解，并能够有效地指导模型的思考过程。

说白了，你是AI的主人、领导，它没办法输出连你都不明白的内容。

二、通过一个案例来进一步了解

我们就用【复杂问题解决专家】这个prompt的实际例子来讲解一下，这里主要用到的是CoT思维链方法。

【复杂问题解决专家】这个prompt，当然就是为了解决“复杂问题”而准备的。

比如说开店做生意，在以前这是一个“简单问题”，你只要重点抓住两三件事情（比如选址、产品、宣传），大概率就能赚钱。

但是现在就成了一个“复杂问题”，重点的两三件事情可能变成了七八件事情，而每件事情的背后又可以被拆分为很多事情，事情变多了，层级变多了，自然就变复杂了。

比如刚才说的开店，重要的事情可能就是：品牌定位、选址、设计装修、产品、服务、营销、人员、系统等。

而产品又可以拆分为：研发、采购、收货、仓储、运输、制作、呈现等环节。

我们上面说的CoT思维链，就是帮助我们拆解复杂问题，将大问题拆解为若干个小问题，然后再一步一步的解决这些小问题。最终做到全面、无遗漏、有深度的解决这个复杂问题。

下面我们就用【复杂问题解决专家】这个prompt演示一个案例，特别提醒，这里重点不是结果，重点是思考的过程。这里我使用的是kimi。

1、进入第一步，kimi要求我们提供问题的背景信息，我的回答如下：

2、kimi帮我将和这个问题相关的内容列了出来，并让我来回答更具体的问题。就是为了进一步了解门店更具体的一些情况，我的回答如下：

3、第三步，构建思想之树，帮我列出了5个解决方案，如果不满意，可以和kimi沟通、讨论。我直接进入了第四步。

4、这一步，它将每个解决方案的优缺点，所需的准备、实施难度、挑战、甚至成功概率等都列出来了。

那么我们就可以根据实际情况让AI进行调整。比如由于人员的问题，有些解决方案的难度可能要加大。

5、这一步我根据实际情况提出了建议，kimi也完成了回答，这里其实可以进一步的提出要求，因为一步是扩展阶段，这里越细越好，甚至可以让AI做出整个方案细节。

下面看看第六步。

6、这一步为每一个方案设置了kpi指标，根据重要程度做了一个排序，做了一个表格，并对kpi进行了说明。

我们来看最后一步。

7、最后是汇总和总结，对以上内容进行了最后的阐述。

AI的整个过程是严格按照我们的prompt进行的，表现的还是非常不错的。

如果是真实的场景的话，如果我们加上更详细的背景资料，和更多真实的细节反馈。

输出的质量会更高。

全部对话内容复制下面链接到电脑端查看：

 https://kimi.moonshot.cn/share/cq9tso3df0j1q87l76qg

三、总结和领取高质量prompt

通过这篇文章，我想大家已经清楚了高质量prompt对AI Agent的重要程度。

所以我在我的网站上（https://17ai.site/）专门开了一个高质量prompt专区（链接：https://17ai.site/ai-bestpractices/ai-goodprompt）。

目前搜集了90多个prompt（理论上说，每一个prompt都可以做成一个AI Agent），后续将不间断的更新。

另外请允许我再为我的网站做一个广告，我希望我的这个网站（https://17ai.site/）能成为高质量AI内容聚合网站。

一方面我会把我的最新想法和实践发到网站上，另一方面我也会陆续把我认为优质的AI相关的内容（落地的项目教程、AI相关资源、文档等）发布到网站上。

如果我的网站和文章能对大家有所帮助，我将非常荣幸。也希望大家给我提提建议，或者也帮我推荐一些好的内容，感谢大家！！！

文章来源：公众号“王笑东”