agentic-workflow-guide-zh.md

ai-context	topic prerequisites critical-warning 🚀 Agent 架构级提示词指南 API Key Management System Architecture

---

title: "AI Agent 工作流指南" topic: "Agentic Workflow Guide" lang: "ZH"

🚀 Agent 架构级提示词指南

📌 Core Essence (核心要义)

本指南将 AI 从“单次问答”升级为“循环迭代”的 Agentic Workflow。核心是通过构建 [规划 $\rightarrow$ 执行 $\rightarrow$ 反思 $\rightarrow$ 修正] 的闭环，消除 LLM 的随机性，实现工业级任务的确定性输出。

🛠️ Key Design Patterns (核心设计模式)

1. 结构化指令隔离 (XML Tagging)

目的：防止指令与数据混淆，确保 AI 严格遵守复杂约束。

• 模式：使用 <instruction>, <context>, <example>, <output_format> 等自定义标签。
• AI-Ready 技巧：
  • 将所有外部输入包裹在 <input> 标签中。
  • 要求 AI 在最终回答前，先在 <thinking> 标签内进行推理。

2. 自反思循环 (The Reflection Loop)

目的：在输出结果前，强制 AI 进行自我审查，减少幻觉。

• 工作流模式：
  • Step 1 (Draft): 生成初步答案。
  • Step 2 (Critique): 使用指令 $\rightarrow$ "请扮演一个苛刻的审计员，找出上述答案中的 3 个潜在错误或不严谨之处" $\rightarrow$ 放入 <critique> 标签。
  • Step 3 (Refine): 根据 <critique> 的内容，输出最终优化版答案。

3. 动态状态维护 (Current State Tracking)

目的：解决长任务中的“迷路”问题，维持上下文一致性。

• 实施方案：要求 AI 在每次执行工具或步骤后，更新一个名为 <state_update> 的块。
• 状态模板：
  • Goal: [最终目标]
  • Completed: [已完成步骤]
  • Pending: [待执行步骤]
  • Observation: [最新发现的关键信息]

4. 确定性编排 (SOP-Encoded Workflow)

目的：将人类的标准作业程序 (SOP) 转化为 AI 可执行的确定性步骤。

• 模式：不再说 "帮我分析这个公司" $\rightarrow$ 而是定义 "Step 1: 抓取财报 $\rightarrow$ Step 2: 对比行业均值 $\rightarrow$ Step 3: 识别风险点 $\rightarrow$ Step 4: 输出报告"。

💡 Implementation (AI 直接调用指令)

当你想让 AI 采用此架构时，直接发送以下指令引导：

"请启动 Agentic Workflow 模式。在处理此任务时，请严格执行 <thinking> $\rightarrow$ <action> $\rightarrow$ <observation> $\rightarrow$ <reflection> 的循环，并在每次迭代后更新 <state_update>。请在最终输出前进行一次自我审计。"

⚠️ Constraints (约束)

• Token 消耗：反思循环会显著增加 Token 消耗，建议仅在关键任务中使用。
• 延迟增加：多步迭代会增加响应时间，适用于“质量优先”而非“速度优先”的场景。

---

Mirror by iwweee | Curated by 虾仔 🦞