提示词工程
一、为什么制造 Agent 不能只靠“一份大 Prompt”
很多通用 AI 应用可以用一份较长的 system prompt 来约束角色和回答方式，但制造场景里的 Agent 通常更复杂。
因为产线军师不仅要回答问题，还要同时处理：
- 场景切换
- 输出契约
- 追问和澄清
- 工具与 Skill 边界
- 子任务委托
- 报告、图表、建议等不同输出形态
这意味着提示词工程在产线军师里，不是“写一段提示词”，而是“组织一套可运行、可治理、可演进的提示资产”。
二、产线军师所说的提示词工程是什么
从产品视角看，提示词工程主要负责三件事：
| 作用 | 说明 |
|---|---|
| 定义角色与边界 | 明确当前 Agent 应该扮演什么角色，哪些事不能做 |
| 定义输出与模式 | 约束什么时候先澄清、什么时候给图表、什么时候给建议 |
| 定义协作规则 | 约束工具、Skill、子代理和其他提示片段如何一起工作 |
所以，提示词工程更像“表达与治理层”，而不是单纯的文案层。
三、为什么提示词要分层
如果把所有规则、角色、场景知识、工具说明都塞进同一段 prompt，通常会遇到几个问题：
- 结构越来越臃肿，维护困难
- 不同场景互相污染，边界不清
- 一旦要换模式、换角色或加子代理，改动范围很大
因此，产线军师更适合把提示词理解成分层资产，例如：
- 基础层：角色定位、安全边界、通用输出原则
- 场景层：当前业务域、分析模式、默认约束
- 运行时层：当前时间、时间范围、活跃 Skill、临时 guardrail
这样做的价 值是：共性约束稳定，场景约束可切换，临时约束可动态注入。
四、提示词为什么不能脱离上下文和工具单独看
在产线军师里，提示词并不是孤立工作的，提示词必须和上下文工程、工具调用机制一起理解。
| 机制 | 关注点 |
|---|---|
| 上下文工程 | 本轮给模型看什么 |
| 提示词工程 | 本轮让模型怎么做、怎么说 |
| 工具调用机制 | 本轮模型实际能调用什么能力 |
也就是说：
- 上下文决定“输入材料”
- 提示词决定“行为规则”
- 工具层决定“真实能力”
少了任何一层，Agent 都会更依赖模型临场发挥。
五、为什么不同 Agent 需要不同提示资产
产线军师里的主控 Agent、知识检索类子任务、报告生成类子任务，本质 上并不是同一种工作。
这些任务的关注点不同：
- 主控 Agent 更关注问题理解、流程组织和结果收敛
- 知识类子任务 更关注检索、筛选和证据补充
- 报告类子任务 更关注结构组织和表达呈现
因此，不同任务形态需要不同的提示资产和不同的边界，而不是所有任务都复用同一份 Prompt。
六、提示词工程解决了什么产品问题
从产品层面看，提示词工程主要解决以下问题：
- 让不同分析模式之间的行为更稳定
- 让系统知道什么时候该澄清、什么时候该收敛
- 让输出更符合制造场景的表达习惯
- 让新增场景、能力和子任务时更容易演进
这也是为什么提示词工程对“长期可维护的工业 Agent”尤其重要。
七、对业务和实施的意义
从业务和实施角度看，提示词工程的意义在于：
- 更容易把不同角色、不同场景的工作方式沉淀成可重复能力
- 更容易控制边界，避免系统回答得像“什么都懂、什么都能做”
- 更容易在升级时保持行为一致，而不是每次都 重新试错