企业官网建设流程全解析

构造一个能有效引导模型判断是否调用工具的Prompt，关键在于清晰定义工具、明确决策规则、严格约束输出格式。下面通过一个最简单的天气查询例子，分步拆解。

一、核心Prompt结构示例

假设我们只有一个工具：get_weather（获取天气）。以下是最简化的Prompt：

# 定义工具信息（通常从工具注册表中动态获取） available_tools = [ { "name": "get_weather", "description": "获取指定城市的当前天气情况。输入必须是城市名称。", "parameters": { "location": { "type": "string", "description": "城市名称，例如：北京、上海、纽约" } } } ] def build_simple_prompt(user_query: str, tools: list) -> str: """ 构建最简单的工具调用决策Prompt """ # 1. 角色与能力定义 system_role = "你是一个AI助手，可以根据问题决定是否调用工具。" # 2. 工具描述（关键部分） tools_text = "你可以使用的工具如下： " for tool in tools: tools_text += f"- {tool['name']}: {tool['description']} " if "parameters" in tool: params = tool["parameters"] tools_text += f" 参数: {list(params.keys())} " # 3. 决策规则（核心引导） decision_rules = """ 决策规则： 1. 当用户询问某个地点的当前天气、温度、气候状况时，必须调用get_weather工具。 2. 其他所有问题（如问候、闲聊、知识问答），都直接回答，不要调用工具。 """ # 4. 输出格式约束（强制结构化） output_format = """ 你必须严格按照以下JSON格式回复： 如果需要调用工具： {"action": "call_tool", "tool": "工具名", "parameters": {"参数名": "参数值"}} 如果直接回答： {"action": "direct_answer", "content": "你的回答内容"} """ # 5. 组合完整Prompt full_prompt = f"""{system_role} {tools_text} {decision_rules} {output_format} 用户问题：{user_query} """ return full_prompt # 测试不同查询 test_queries = [ "北京今天天气怎么样？", # 应触发工具调用 "你好，请介绍一下你自己", # 应直接回答 "上海现在多少度？", # 应触发工具调用 "机器学习是什么？" # 应直接回答 ] for query in test_queries: prompt = build_simple_prompt(query, available_tools) print(f"问题: {query}") print("生成的Prompt前200字符:", prompt[:200] + "...") print("-" * 50)

二、Prompt各部分的详细作用

三、实际调用与解析流程

import json import openai def call_model_with_prompt(prompt: str) -> str: """调用大模型获取响应（简化示例）""" # 实际应使用API调用，这里模拟返回 test_responses = { "北京今天天气怎么样？": '{"action": "call_tool", "tool": "get_weather", "parameters": {"location": "北京"}}', "你好，请介绍一下你自己": '{"action": "direct_answer", "content": "我是AI助手，可以帮你查询天气信息。"}', "上海现在多少度？": '{"action": "call_tool", "tool": "get_weather", "parameters": {"location": "上海"}}', "机器学习是什么？": '{"action": "direct_answer", "content": "机器学习是人工智能的一个分支，让计算机从数据中学习规律。"}' } # 模拟根据问题返回对应响应 for q, resp in test_responses.items(): if q in prompt: # 简化匹配逻辑 return resp return '{"action": "direct_answer", "content": "我不确定如何回答这个问题。"}' def process_user_query(user_query: str): """完整的查询处理流程""" # 1. 构建Prompt prompt = build_simple_prompt(user_query, available_tools) print(f"[Prompt内容]\ {prompt}\ ") # 2. 调用模型 model_response = call_model_with_prompt(prompt) print(f"[模型原始响应]\ {model_response}\ ") # 3. 解析响应 try: response_data = json.loads(model_response) if response_data["action"] == "call_tool": tool_name = response_data["tool"] parameters = response_data["parameters"] print(f"✅ 模型决定调用工具: {tool_name}") print(f" 参数: {parameters}") # 4. 执行工具（模拟） if tool_name == "get_weather": weather = f"{parameters['location']}的天气：晴，25℃" # 模拟工具执行 print(f" 工具执行结果: {weather}") return weather elif response_data["action"] == "direct_answer": print(f"✅ 模型决定直接回答") print(f" 回答内容: {response_data['content']}") return response_data["content"] except json.JSONDecodeError: print("❌ 模型响应不是有效的JSON格式") return "解析响应时出错" return None # 运行测试 print("=" * 60) print("测试1: 天气查询") result1 = process_user_query("北京今天天气怎么样？") print("=" * 60) print("\ 测试2: 一般问答") result2 = process_user_query("机器学习是什么？") print("=" * 60)

四、Prompt设计的关键要点

1. 工具描述要具体：

   # 不好的描述 ❌ "获取天气"

好的描述 ✅

"获取指定城市的当前天气情况，包括温度、湿度和天气状况。输入必须是城市名称。"

2. **决策规则要明确**： ```python # 模糊的规则 ❌ "有时候可以调用工具" # 明确的规则 ✅ "当且仅当用户明确询问当前天气时调用get_weather工具，其他情况一律直接回答。"

1. 输出格式要严格：

   # 宽松的格式 ❌ "用JSON格式回复"

严格的格式 ✅

"""必须严格按照以下JSON格式回复：
{"action": "call_tool", "tool": "工具名", "parameters": {"参数名": "参数值"}}
或
{"action": "direct_answer", "content": "回答内容"}"""

4. **提供少量示例（Few-shot）可提高准确性**： ```python examples = """ 示例： 用户：北京天气如何？ 输出：{"action": "call_tool", "tool": "get_weather", "parameters": {"location": "北京"}} 用户：你好吗？ 输出：{"action": "direct_answer", "content": "我很好，谢谢！"} """

五、常见问题与优化

总结：构造工具调用Prompt的核心是清晰描述工具能力 + 明确决策规则 + 严格输出约束。通过这个最简单的天气查询例子，可以看到模型如何根据Prompt的引导，将“北京今天天气怎么样？”解析为调用get_weather工具并提取location: "北京"参数。实际系统中，Prompt会更复杂（支持多工具、多轮对话等），但基本原理相同。

参考来源

• AI的提示词专栏：API 文档 Prompt，从接口描述生成 Swagger
• AI的提示词专栏：代码生成 Prompt，从自然语言描述到完整函数
• AI的提示词专栏：医学报告 Prompt，病例描述、药品说明、医学科普
• 结构化思维助力Prompt创作：专业化技术讲解和实践案例
• Midjourney Prompt的使用基本结构介绍