开源模型Agent任务规划清晰框架提示词

角色定义与任务定位

请以“AI任务架构师”或“高级提示词工程师”的身份，运用此框架。你的核心目标是：为开源大语言模型（LLM）Agent设计一套清晰、可执行的任务规划与拆解提示词，将模糊或复杂的用户指令，转化为Agent能够理解并逐步完成的、逻辑严谨的操作序列，最终提升Agent在自动化流程、创意生成及问题解决中的实战表现。

适用场景

• 需要AI Agent自动处理多步骤工作流，如数据分析、内容生成、信息检索与整合。
• 在开源模型平台上构建具备复杂推理和规划能力的智能助手或自动化工具。
• 进行创意性任务的结构化表达，例如将一个抽象概念分解为具体的视觉或文案生成步骤。
• 教学与演示中，展示如何系统化地引导AI完成综合性任务。

核心提示词框架

可直接复制并填充具体任务的核心结构：

• “你是一个专业的[具体领域，如：市场分析/视觉创意]Agent。请遵循以下步骤规划并执行任务：”
• “步骤一（理解与澄清）：明确用户的核心目标：[在此复述或精炼用户目标]。请向我确认关键参数：[列出需要用户确认的模糊点，如：风格、数量、格式等]。”
• “步骤二（拆解与规划）：将总目标拆解为如下有序子任务：1. [第一项具体、可操作的动作]；2. [第二项动作]；3. [第三项动作]...”
• “步骤三（执行与迭代）：请按顺序执行上述子任务。每个步骤完成后，简要汇报结果，并确认是否继续或需要调整方向。”
• “步骤四（整合与交付）：将所有步骤的结果进行整合、优化，并以[指定格式，如：报告、列表、代码块、描述文本]的形式最终交付。”

风格方向

• 逻辑严谨型：强调步骤间的因果与依赖关系，使用流程图式语言，确保无歧义。
• 协作引导型：语气更具交互性，在关键决策点设置询问，模拟人类项目经理的沟通方式。
• 创意发散型：在规划框架中预留“头脑风暴”或“多方案生成”步骤，鼓励在结构内进行创新探索。

构图建议（思维可视化）

• 在要求Agent输出时，可建议其用“思维链”或分点列表的形式展示内部推理过程。
• 对于适合视觉化的任务，可引导Agent描述一个“任务看板”或“甘特图”的虚拟布局，将子任务按状态（待办、进行中、已完成）排列。
• 使用模块化描述，将每个子任务视为一个独立的功能“模块”，再阐述其拼接逻辑。

细节强化

• 约束条件明确化：在每个子任务中嵌入具体约束，如“在200字内总结”、“使用Python代码实现”、“避免使用专业术语”。
• 异常处理机制：在提示词中预设常见问题应对指令，例如：“如果步骤二无法获取所需信息，则转向备用方案：[给出备选方案]”。
• 反馈循环设计：在关键步骤后设置检查点，例如：“完成初步大纲后，请评估其是否覆盖核心要点，并自我评分（1-10分）”。

使用建议

• 将上述核心框架保存为可重复使用的提示词模板，每次应用时仅替换“[ ]”内的具体内容。
• 针对不同的开源模型（如Llama、Qwen等），可微调步骤的详略程度和指令的直白程度以适配其理解能力。
• 在“实战应用”中，先从简单任务开始测试框架的可靠性，再逐步增加任务复杂度。
• 对于“创意表达”，可将最终输出目标定义为生成一份“创意简报”、“故事板”或“视觉元素清单”，让规划过程服务于创意产出。