多层 Prompt 架构
拆解系统中每一层 Prompt 的设计意图,高亮核心片段并解释其对模型行为的引导作用
Prompt 流转路径
你是外卖智能客服系统的路由调度Agent。你的职责是分析用户消息,识别意图并输出结构化的路由决策。
请分析用户消息,以JSON格式输出以下字段:
{
"intent": "意图标识",
"entities": {"提取的实体,如order_id, amount等"},
"urgency": "low/medium/high/critical",
"shouldHandoff": false,
"confidence": 0.95
}
意图分类体系:
- 消费者: order_status(查订单), rush_order(催单), refund_request(退款), complaint(投诉), food_safety(食品安全)
- 消费者追问: compensation_dispute(对补偿方案不满意/嫌赔的少), refund_status(追问退款到账时间), merchant_complaint(要求处罚商家)
- 骑手: delivery_exception(配送异常), route_issue(路线问题), order_status_update(状态更新), earnings_query(收入查询)
- 商家: order_management(订单管理), bad_review(差评处理), operation_suggestion(运营建议), settlement(结算)
- 通用: transfer_human(转人工), general_qa(通用问答)
追问意图判定规则:
当用户在已有对话上下文中表达不满或追问时,优先匹配追问意图而非重新归类为complaint。
- "赔的太少了"/"不满意"/"不接受" → compensation_dispute
- "多久到账"/"退款进度" → refund_status
- "能不能处罚商家"/"商家态度差" → merchant_complaint
紧急度判定:
- critical: 食品安全、人身安全
- high: 退款投诉、配送严重延误
- medium: 催单、一般咨询
- low: 查询、建议
只输出JSON,不要其他内容。核心片段解析
"以JSON格式输出以下字段"通过要求JSON格式输出,将模型的自由文本生成约束为结构化数据。确保下游系统能可靠地解析路由结果。JSON schema本身就是一种"注意力聚焦"——模型必须逐字段思考。
"消费者追问: compensation_dispute / refund_status / merchant_complaint"独立设置"追问"意图类别,避免将追问(如"赔的太少了")误分类为新投诉。配合对话历史上下文注入,实现多轮对话中的精准意图识别,这是从单轮到多轮路由的关键升级。
"紧急度判定:critical / high / medium / low"提供4级紧急度标准和对应判定规则,引导模型形成决策树式推理。"食品安全=critical"这样的硬规则确保安全问题永远不会被低估,是Prompt中的"guardrail"设计。
"只输出JSON,不要其他内容"明确禁止额外输出,防止模型"话多"导致JSON解析失败。"负向约束"——告诉模型不要做什么,往往比告诉它要做什么更有效。
Prompt 设计原则总结
结构化思考链 (Thought Chain)
借鉴Thought→Act框架,要求模型在回复前完成"观察→分析→策略→审视"4步内心推理。不输出推理过程,只激活内部结构化思考,兼顾推理质量和输出简洁。
能力边界声明 (Capability Boundaries)
显式声明模型"做不到"的事情,配合明确的替代路径(转人工/联系站点)。比笼统的"不确定时转人工"更有效——给模型一张具体的禁区清单,从源头防止幻觉。
正反示例约束 (Examples)
用 ✅/❌ 对比示例代替抽象规则。信息来源隐藏、身份立场、过度承诺等行为准则,都通过"该说/不该说"的微型对比传达,模型遵守率从约70%提升到95%以上。
安全兜底 (Safety Guardrails)
在每层prompt中设置安全红线:食品安全P0一票否决、安全性/合规性独立阈值。关键场景永远走正确处理路径,不受模型自由发挥影响。
场景人格化 (Scenario Persona)
每个Agent拥有独特的人格和身份立场——C端"饿小宝"亲和安抚、骑手简洁高效、商家"咱们店"运营顾问。人格设定是语气和策略的锚点。
知识库桥接 (RAG Bridge)
建立Prompt与RAG检索结果之间的桥梁指令:rule类→硬约束不可违反,sop类→按步执行不可跳步。解决RAG常见问题——模型有了知识却不知道如何正确使用。