如何编写不会在生产环境中失败的AI智能体系统提示词

目录

2026年7月更新。

TL;DR: 生产环境中的系统提示词包含五个层次：身份（智能体是谁以及不能做什么）、上下文（对环境的了解）、任务（逐步描述成功标准）、输出格式（最容易被忽视的层次）和边界情况（输入出错时如何处理）。大多数提示词失败是因为跳过了第4和第5层。先写输出格式——这会迫使你对真正想要的结果保持精确。

[运营者视角] 我在生产环境中为我的咨询品牌和Pickleland（德克萨斯州普夫卢格维尔的匹克球设施）运营着30多个AI智能体。我重写的系统提示词比我新写的还多——通常是因为第一版在测试中表现良好，然后在生产环境中悄然退化。这是我从中学到的关于编写持久提示词的经验。

没有人承认的系统提示词问题

大多数智能体的系统提示词大约20分钟写完，在两三个示例上测试，然后永远不再触碰。模型上线。一段时间内运行良好。然后某些事情发生了变化——输入变得更混乱，模型被更新，出现了新的边界情况——智能体开始产生垃圾输出。悄无声息地。大规模地。

问题不在于原始提示词很糟糕。而是大多数提示词是为了演示”幸福路径”而写的。它们是为你构建智能体时想象的输入设计的，而不是为智能体实际会看到的完整输入分布设计的。

生产系统提示词的五个层次

我将每个系统提示词分为五个层次来思考。它们不必按此顺序出现——但都必须存在。

第1层：身份

身份告诉模型它是谁，以及它的操作约束是什么。这不是角色扮演——而是对这个智能体做什么和不做什么的功能性定义。

一个强大的身份层回答三个问题：

• 这个智能体负责什么？
• 它明确不负责什么（应该升级或拒绝）？
• 它遵守什么标准？

明确的”不在范围内”部分是大多数运营者跳过的内容。没有它，模型会试图在其职责范围之外提供帮助——这就是出问题的地方。

第2层：上下文

上下文是智能体对其环境的了解，而这些信息不在用户消息中。这包括当前日期和时间（动态注入——永远不要相信模型内部的时间感）、来自外部系统的相关状态以及从任务描述中不明显的业务规则。

我审查的大多数智能体都缺乏上下文。不要假设。注入它。

第3层：任务

任务层描述智能体逐步执行的操作。不是”帮助客户”——而是真实的决策流程。像流程图一样编写，而不是指令。流程图更健壮，因为它减少了模型在模糊情况下推断你想要什么的需求。

第4层：输出格式

这是最容易被忽视的层次，也是最容易导致静默失败的层次。

如果不精确指定输出格式，模型会产生对人类读者看起来正确的输出，但对下游解析来说不够一致。先写输出格式。对于结构化输出，指定精确的模式。对于散文输出，指定结构、长度和语气约束——包括明确的反模式。

对于高风险智能体，我使用Claude的结构化输出与定义好的JSON模式。

第5层：边界情况

边界情况层回答：当输入模糊、不完整、语言错误、带有敌意或明显错误时，智能体会做什么？为每种边界情况给模型一个明确的响应路径。

我如何随时间维护系统提示词

生产系统提示词是一个活的文档：

1. 每周抽查。 我对每个高风险智能体检查五到十个随机输出，与预期输出进行对比。
2. 模型更新后审查。 每次基础模型版本变更时，我都会针对我的评估框架中的完整黄金集运行智能体。
3. 边界情况日志。 我保持一个持续的日志，记录智能体处理不当的输入。当三个或更多条目呈现出模式时，我添加一个明确的规则。
4. 提示词版本控制。 每次重大更改都会在提示词文件顶部添加版本注释。

常见问题

生产系统提示词应该多长？

足够长以覆盖全部五个层次。足够短以便在两分钟内读完并发现偏差。我的大多数智能体是200到600个单词。

何时应该将复杂任务拆分为多个智能体而不是一个长提示词？

当任务有两种或多种不同模式，需要不同的上下文、不同的输出格式或不同的错误处理时。请参阅事件触发与定时调度智能体了解模式。

在测试中有效的提示词在生产中失败的最常见原因是什么？

测试输入不能代表生产分布。从真实的生产流量构建测试集，而不是从想象的输入构建。

我如何知道何时更新提示词与更新代码？

如果智能体产生了错误的输出格式，请更新提示词。如果智能体产生了正确的输出但下游系统无法使用它，请更新代码。如果智能体自信地产生了错误的事实，首先检查上下文层。