提示词工程：Agent与LLM高效对话的十项基本功
提示词 = Agent的嘴
Agent干活靠工具，但跟大模型沟通靠提示词。提示词写得好不好，直接决定Agent是"聪明"还是"智障"。
十项基本功（Google 2025白皮书提炼）
1. 零样本提示（Zero-Shot）
不给示例，直接描述任务。适合简单分类、翻译。
例："将这条评论分类为积极、中性或消极。"
2. 少样本提示（Few-Shot）
给1-3个示例，让模型模仿输出格式。
例：先给2个JSON解析示例，再说"现在解析这条：..."
3. 思维链（Chain-of-Thought）
加上"让我们一步一步思考"。让模型把推理过程写出来，复杂问题准确率提升30-50%。
4. 系统提示（System Prompting）
在对话开头设定全局规则：角色、输出格式、安全限制。
5. 角色提示（Role Prompting）
"你是一名资深后端工程师..." — 角色设定让输出风格更稳定。
6. CO-STAR框架
Context(背景) + Objective(目标) + Style(风格) + Tone(语气) + Audience(受众) + Response(输出格式) — 六要素完整的提示词不会跑偏。
7-10. 上下文/迭代/约束/链式提示
- 提供充分上下文，减少模型瞎猜
- 多轮迭代，每轮根据上一轮结果精调
- 明确约束条件（字数、格式、禁止项）
- 复杂任务拆成多步，每一步的输出是下一步的输入