提示词需通过五步优化提升Hermes Agent意图传达精度：一、明确角色与身份；二、结构化任务拆解；三、绑定工具调用上下文；四、注入参考示例与格式强约束；五、嵌入推理过程显式指令。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您向Hermes Agent发出指令，但其响应偏离预期、遗漏关键约束或格式错乱，则很可能是提示词未能有效锚定模型的认知路径。以下是提升意图传达精度的具体操作方法：
一、明确角色与身份锚定
角色定义决定Agent的语言风格、知识边界与行为倾向。模糊的身份描述会使Hermes在多义场景中随机选择响应策略，导致输出不稳定。
1、在系统提示开头使用“你是……”句式直接声明身份，例如：你是资深金融合规审查员，专精于跨境支付条款校验。
2、补充该角色的核心职责，避免抽象描述，如不写“专业可靠”，而写：每次输出必须标注所依据的监管条文编号（如FATF Recommendation 16）。
3、嵌入典型失败案例作为负向示例，例如：禁止将‘T+1结算’解释为‘次日到账’，必须严格区分清算周期与资金到账时点。
二、结构化任务拆解指令
Hermes Agent具备自主规划能力，但需通过显式结构化指令激活其ReAct或Reflexion范式。模糊的整体性要求会抑制其分步推理机制，导致跳步或幻觉。
1、强制启用思考链流程，指令中嵌入步骤编号标识：请按以下四步执行：①提取用户请求中的时间范围、主体对象、动作动词；②比对本地知识库中最近3次同类操作记录；③若存在冲突，列出差异项及置信度；④仅当置信度≥92%时生成最终操作指令。
2、为每一步设定可验证输出格式，例如第二步要求返回：{‘record_id’: ‘R-20260411-087’, ‘action’: ‘账户冻结’, ‘reason_code’: ‘AML-TRIG-04’}。
3、在末尾添加路径终止条件：若任意步骤缺失必要字段，则中止执行并返回ERROR_CODE:MISSING_CONTEXT。
三、绑定工具调用上下文
未显式声明调用前提时，Agent可能忽略可用能力或错误匹配参数。必须将工具能力嵌入任务流而非孤立罗列，确保动作与语义强耦合。
1、在任务描述中直接关联工具动作，例如：先调用 browser_navigate 访问 https://regulation.gov.cn/notice，再使用 browser_snapshot full=true 提取页面顶部公告栏DOM结构。
2、指定工具输入参数的来源，例如：从上一步JSON输出的‘reason_code’字段中提取值，作为code_runner的--flag参数传入。
3、设置工具调用失败后的回退逻辑，例如：若browser_navigate超时，立即切换至fallback_api_query模式并附带原始URL哈希值。
四、注入参考示例与格式强约束
当自然语言描述无法精准传达意图时，提供结构化范例能显著降低模型猜测概率，尤其适用于文案生成、数据提取等格式敏感型任务。
1、在指令中插入真实可用的输入-输出对，例如：请严格按以下格式生成5条短视频标题：[输入]新能源汽车续航焦虑；[输出]1. 续航虚标？3款热门电车实测掉电真相；2. 冬天开电车=开冰箱？工程师拆解热管理漏洞…。
2、对输出字段施加不可绕过的格式标记，例如：所有时间必须采用ISO 8601格式（如2026-04-21T06:49:00Z），禁止使用中文“上午”“下午”等表述。
3、限制输出内容的字符级边界，例如：每个标题不得超过28个汉字，超出部分自动截断，末尾不加省略号。
五、嵌入推理过程显式指令
对于含逻辑判断、多条件权衡或因果推导的任务，仅给结论指令易引发幻觉。要求模型展示中间推理链条，可暴露错误假设并提升结果可靠性。
1、在任务前缀中加入强制推理触发词，例如：请一步步思考：先确认用户所在地时区，再比对目标市场营业时间重叠区间，最后给出建议时段。
2、限定推理步骤数量与颗粒度，例如：分三阶段说明：第一阶段识别原始文本中的实体类型（人名/机构/数值）；第二阶段判断各实体间是否存在监管隶属关系；第三阶段输出关系矩阵（CSV格式）。
3、要求对关键判断点标注依据来源，例如：每处‘高风险’判定必须引用具体条款原文，格式为【条款ID：XXX】。
