在一个智能体中，提示词应该有那几个模块组成？

在前面的文章中说过大模型的应用开发，本质上就是对提示词对封装，那么在一个大模型应用中，提示词应该有那几个模块呢？

下面，我们以智能体开发为例，阐述一下提示词应该有那几个模块组成。

1️⃣ System Prompt（系统提示）

作用：

• 为大模型定义角色、风格、边界和全局目标。

• 常包含：

• 智能体身份（如“你是一个智能项目工单生成智能体”）

• 行为原则（准确、简洁、先澄清再回答）

• 输出风格（是否 JSON / Markdown / 严格格式）

• 禁止事项（不要编造、不要提供法律建议等）

2️⃣ Tools / Functions Schema（工具或函数描述模块）

作用：

• 告诉模型当前可用的工具和如何调用

• 通常包含：

• 工具名称

• 工具用途描述（对模型而非用户）

• 参数名称、类型、含义（JSON Schema）

在 LangGraph / LangChain智能体中，每次推理都需要注入，以便大模型调用合适工具。

3️⃣ Chat History（对话历史）

作用：

• 让大模型在当前对话中“有记忆”，知道用户已说过什么

• 避免重复澄清问题

• 支持多轮连续上下文理解

在 LangChain / LangGraph 中使用：MessagesPlaceholder(variable_name="chat_history")

来动态注入完整或摘要化的对话历史。

4️⃣ User Input（用户输入）

作用：

• 本次用户真实问题 / 指令

• 用于让大模型根据当前输入做推理

  在提示词模板中通常占位为：{user_input}或使用：HumanMessagePromptTemplate.from_template(human_prompt)

  
  

5️⃣ Output Format Constraints（输出格式约束）

作用：

• 指定输出的格式结构，方便解析和自动处理。

• 可包含：

• 严格要求输出 JSON / Markdown

• 限制字段名、字段顺序

• 示例输出

在生成结构化数据、SQL、工单时非常关键，常结合 StructuredOutputParser或 ResponseSchema使用。

✅ 汇总结构（记忆示范）

【智能体提示词典型结构】1️⃣ System Prompt    - 定义角色、风格、目标    - 限制行为2️⃣ Tools / Functions Schema    - 工具名称、描述    - JSON Schema 参数定义3️⃣ Chat History    - 注入多轮对话历史或摘要4️⃣ User Input    - 用户本轮输入5️⃣ Output Format Constraints    - 明确格式要求    - 示例结果

✅ 在 LangGraph / LangChain 中如何组织？

from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate, MessagesPlaceholdersystem_prompt = "你是一个项目智能工单生成智能体..."human_prompt = "{user_input}"prompt = ChatPromptTemplate.from_messages([    SystemMessagePromptTemplate.from_template(system_prompt),    MessagesPlaceholder(variable_name="chat_history"),    HumanMessagePromptTemplate.from_template(human_prompt)])

并通过：
✅ StructuredOutputParser确保输出结构
✅ 工具描述在 Agent 初始化时注入

实现完整提示词编排，让智能体稳定且可解析。

✅ 是否需要全部模块？

不同场景可裁剪：

• 若不调用工具，可去掉工具描述

• 若无记忆需求，可去掉 chat_history

• 若只生成纯文本可弱化输出格式约束
  但在生产级智能体中，上述五模块通常完整保留。