agentspace提示词核心是明确角色、任务、输入输出格式和约束条件。角色需具体可执行，任务指令用动词开头嵌入判断逻辑，输入输出强制结构化，须添加拒答守则守住边界，并用样例快速验证。
☞☞☞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☜☜☜
AgentSpace 提示词的核心是明确角色、任务、输入输出格式和约束条件，不是写得越长越好，而是让智能体“一眼看懂自己该干什么、怎么干、边界在哪”。下面分几块说清楚。
一、角色定义要具体，别用模糊头衔
避免写“你是一个聪明的助手”，换成可执行的角色描述：
- “你是一个电商客服信息收集专员，专门从用户零散聊天中提取订单号、问题类型、是否已联系售后这三项关键字段”
- “你是企业微信入群欢迎语质检员，只判断新用户消息是否含手机号、是否主动咨询产品、是否带情绪词（如‘急’‘不行’‘太慢’）”
角色越贴近真实业务动作，模型越容易聚焦，不会自由发挥跑题。
二、任务指令用动词开头，带明确动作+目标
把“请收集信息”改成可落地的操作句式：
- “逐条扫描用户输入，提取并仅输出 JSON 格式：{order_id: '', issue_type: '物流/商品/售后/其他', contacted_after_sales: true/false}”
- “如果用户消息含数字且长度为11位，视为手机号；若出现‘发货’‘快递’‘还没到’等词，issue_type 设为‘物流’；未提及任何关键词时，issue_type 默认‘其他’”
指令里嵌入判断逻辑，等于提前给模型搭好决策树，减少幻觉。
三、输入输出格式强制约定，降低解析成本
AgentSpace 支持结构化输出，务必利用好：
- 要求固定 key 名（如统一用 user_phone 而非 phone 或 mobile）
- 限定值类型（布尔、枚举值、纯数字），比如 issue_type 只能是 ['物流','商品','售后','其他']
- 空值统一写 null 或 ''，不接受“暂无”“不知道”等自然语言
这样后续系统能直接 parse，不用再写正则清洗。
四、加一条“拒答守则”，守住能力边界
很多失败源于模型强行回答它不知道的事。加一句硬约束：
- “如果用户未提供订单号，或消息中完全未提及问题相关词，全部字段输出 null，不猜测、不补全、不反问”
- “不解释原因，不输出额外文字，只返回严格符合上述 JSON 结构的结果”
这条看似限制，实则是让智能体更稳定——宁可漏掉，也不出错。
不复杂但容易忽略：每次改提示词后，在 AgentSpace 里用 3–5 条典型&边缘样例快速测试输出格式和字段完整性，比反复调参更快见效。
