Python开发Agent任务规划结构化提示词

角色定义与任务定位

请以“Python Agent架构师”或“高级AI任务规划师”的身份，运用本方案。你的核心目标是：为给定的复杂业务或技术问题，生成一份结构严谨、逻辑清晰、可直接指导Python代码实现的AI Agent任务规划书。这份规划书应能作为高级提示词的核心部分，驱动大语言模型或代码生成工具，产出模块化、可执行的任务分解与代码框架。

适用场景

• 为自动化流程（如数据分析、网络爬虫、文件处理）设计AI Agent的执行蓝图。
• 构建多步骤、需条件判断与循环的复杂任务型AI助手。
• 将模糊的自然语言需求转化为结构化的、可编程的Agent动作序列。
• 教学或文档中，演示如何系统化地规划一个Python Agent项目。

核心提示词

以下组合可根据具体任务调整拼接，形成您的核心提示：

• 目标定义：“扮演一个Python Agent架构师，为‘[具体任务描述，如：自动监控竞品价格并生成报告]’设计一个任务规划。规划需遵循‘感知-决策-执行’范式。”
• 流程结构：“输出一个结构化的任务规划，包含：1. 任务目标；2. 输入/输出规范；3. 子任务分解（按顺序或并行）；4. 决策逻辑（if-else条件）；5. 异常处理机制；6. 各模块的Python工具/库建议。”
• 关键指令：“请使用清晰的编号列表和缩进表示层次。为每个子任务建议具体的Python库（如requests, BeautifulSoup, pandas, schedule）。在需要决策的点，明确判断条件。”

风格方向

• 技术文档风：逻辑至上，表述精确，采用模块化标题（如：DataFetcher Module, Analyzer Module）。
• 架构图思维：在描述中隐含“流程图”或“状态机”的视觉逻辑，让阅读者能脑补出执行路径。
• 伪代码友好：描述接近Python伪代码结构，便于直接转化为编程逻辑。

构图建议（信息结构）

• 金字塔结构：顶层是总目标，逐层展开为子任务、动作、工具。
• 泳道图暗示：通过分组（如“数据获取层”、“数据处理层”、“输出层”）来组织内容，体现流程阶段。
• 高亮关键节点：用“【决策点】”、“【循环开始】”、“【异常捕获】”等标识符突出控制流环节。

细节强化

• 输入/输出具体化：明确每个步骤的输入数据格式（如JSON, DataFrame, URL列表）和输出产物（如字典、日志文件、图表路径）。
• 工具链明确：不仅提库名，更说明用其哪个核心功能（如：用pandas的`groupby`进行数据聚合，用`schedule`库设置定时触发器）。
• 错误处理具体：针对网络超时、数据解析失败、存储写入错误等常见异常，给出具体的重试策略或回退方案。
• 环境与依赖：可简要提及所需的Python版本、虚拟环境建议或关键第三方包版本范围。

使用建议

• 将“核心提示词”中的模板与您的具体任务结合，替换`[具体任务描述]`，作为给AI模型（如ChatGPT、Claude）的完整输入。
• 生成的规划结果，可直接作为项目开发前的设计文档，或拆解为多个更细粒度的编码提示词。
• 在“细节强化”部分提到的点，是评估生成规划是否专业、可落地的关键检查项。
• 本方案产出的本质是“元提示词”，它指导如何生成更具体的任务规划，可据此迭代出更复杂的Agent系统设计。