Agentic AI上下文工程实战：实体识别的核心技术与提示工程密码

关键词

Agentic AI、上下文工程、实体识别、提示工程、大语言模型（LLM）、知识图谱、意图理解

摘要

当我们谈论Agentic AI（具身智能/自主代理AI）时，最核心的问题从来不是“它能做什么”，而是“它能理解什么”——毕竟，一个无法准确理解上下文的自主代理，和只会机械执行指令的“工具人”没有本质区别。而实体识别，正是Agentic AI理解上下文的“第一块拼图”：它像一把“信息手术刀”，从用户的输入（文本、语音、图像）中精准提取出关键元素（比如“华为Mate 60 Pro”“订单号123456”“充电慢”），为Agent的决策提供最基础的“事实依据”。

但Agentic AI的实体识别，和传统NLP的实体识别有着天壤之别：它需要处理动态上下文（多轮对话中的信息关联）、开放域实体（未预定义的新类型）、歧义消解（“苹果”是水果还是公司？）——这些挑战，传统的CRF、BERT模型已经难以应对。此时，提示工程成为了破局的关键：它不是“调参”，而是“教Agent如何思考”——通过设计精准的提示词，让LLM学会在动态场景中识别实体，甚至自主扩展实体类型。

本文将从提示工程架构师的视角，拆解Agentic AI上下文工程中实体识别的核心逻辑：

• 为什么实体识别是Agentic AI的“地基”？
• 传统实体识别为何无法适配Agentic AI？
• 提示工程如何让LLM成为“实体识别专家”？
• 实战中如何解决实体识别的三大痛点（歧义、动态、多模态）？

一、背景：Agentic AI的“理解危机”与实体识别的价值

1.1 从“工具AI”到“Agentic AI”：理解上下文是本质区别

我们先做个类比：

• 传统AI（比如ChatGPT的基础版）像“餐厅里的传菜员”：你点什么，它传什么，不需要理解“你为什么点这个”（比如你说“要一份番茄鸡蛋面”，它不会问“你是素食主义者吗？”）；
• Agentic AI像“餐厅里的资深服务员”：它会听出你话里的“弦外之音”——比如你说“最近减肥，要个清淡的”，它会主动推荐“蔬菜沙拉”，甚至提醒“我们的沙拉酱是低卡的”。

这种“理解能力”的核心，是Agentic AI拥有上下文工程系统：它能将用户的输入（文本、语音、行为）转化为结构化的“上下文信息”，并基于这些信息做决策。而实体识别，就是上下文工程的“第一步”——如果连“用户要的是番茄鸡蛋面”都识别错了，后续的推荐和服务根本无从谈起。

1.2 实体识别：Agentic AI的“信息拼图游戏”

假设你是一个智能客服Agent，用户发来一条消息：

“我昨天买的华为Mate 60 Pro充电很慢，订单号是123456，帮我解决一下。”

你需要从这条消息中提取哪些信息？

• 产品实体：华为Mate 60 Pro（核心服务对象）；
• 问题实体：充电很慢（需要解决的核心矛盾）；
• 订单号实体：123456（关联用户的购买记录）。

这些实体，就是Agent理解用户需求的“拼图块”：只有把这些拼图正确拼在一起，Agent才能生成准确的决策（比如“查询订单123456的购买记录→确认华为Mate 60 Pro的保修政策→推荐充电慢的排查步骤”）。

如果实体识别错误，会发生什么？

• 把“华为Mate 60 Pro”识别成“华为手机”：Agent可能推荐通用的充电问题解决方案，而忽略Mate 60 Pro的特定硬件特性；
• 漏识别“订单号123456”：Agent需要反复追问用户订单号，降低服务效率；
• 把“充电很慢”识别成“电池损坏”：Agent可能直接引导用户寄修，而实际上用户的问题可能只是“充电器没插紧”。

1.3 传统实体识别的“无力感”：为什么Agentic AI需要新方法？

传统的实体识别（比如基于CRF、BERT的模型）有三个致命缺陷，无法适配Agentic AI的需求：

（1）闭域限制：只能识别预定义的实体类型

传统模型需要提前定义实体类型（比如“人物、地点、组织”），如果遇到未预定义的类型（比如“订单号、问题类型、产品型号”），模型就会“失明”。而Agentic AI需要处理开放域场景——比如电商Agent需要识别“优惠券码”，医疗Agent需要识别“症状描述”，这些都是无法提前穷举的。

（2）缺乏上下文关联：无法处理多轮对话的动态信息

传统模型处理的是“单句文本”，而Agentic AI需要处理多轮对话：比如用户第一次说“我买了个华为手机”，第二次说“它充电很慢”，传统模型无法将“华为手机”和“充电很慢”关联起来，而Agent需要知道“用户的问题是‘华为手机充电慢’”。

（3）歧义消解能力弱：无法处理“一词多义”

比如“苹果”既可以是水果，也可以是公司；“银行”既可以是金融机构，也可以是河边的堤岸。传统模型依赖“局部语境”（比如“吃苹果”→水果），但Agentic AI需要全局上下文（比如用户说“我要谈苹果的合作”→公司）——这种全局理解能力，传统模型很难做到。

二、核心概念解析：用“餐厅故事”讲清楚实体识别与上下文工程

为了让大家更直观理解，我们用“餐厅服务员”的类比，重新定义Agentic AI中的核心概念：

2.1 概念1：Agentic AI = 能“自主思考”的服务员

Agentic AI的核心特征是自主决策循环（Perceive→Plan→Act→Reflect）：

1. 感知（Perceive）：收集用户输入（比如“我要清淡的”）；
2. 规划（Plan）：基于输入和上下文制定策略（比如“推荐蔬菜沙拉”）；
3. 执行（Act）：实施策略（比如“下单蔬菜沙拉”）；
4. 反思（Reflect）：根据结果调整策略（比如“如果用户说沙拉不好吃，下次推荐蒸菜”）。

2.2 概念2：上下文工程 = 服务员的“记忆与经验”

上下文工程是Agentic AI的“大脑后台”，负责管理三类信息：

• 短期上下文：当前对话的即时信息（比如用户刚说的“充电很慢”）；
• 长期上下文：用户的历史数据（比如用户之前买过华为手机）；
• 领域知识：行业规则（比如华为手机的保修政策）。

而实体识别，就是从“短期上下文”中提取关键信息，存入“长期上下文”的过程——就像服务员把“用户要清淡的”记在小本本上，下次用户来的时候，直接推荐清淡的菜品。

2.3 概念3：实体识别 = 服务员“挑出关键需求”

实体是上下文信息中的“原子单位”——它是不可分割的、有明确意义的信息块。比如：

• 用户说“我要一份番茄鸡蛋面加卤蛋”：
  • 主菜实体：番茄鸡蛋面；
  • 加菜实体：卤蛋；
• 用户说“我明天要去北京见张三谈苹果的合作”：
  • 地点实体：北京；
  • 人物实体：张三；
  • 公司实体：苹果。

2.4 概念4：提示工程 = 教服务员“怎么听懂话”

提示工程是用自然语言指令，让LLM学会完成特定任务的方法。比如，你想让服务员学会识别“清淡菜品”，可以这样教它：

“如果用户说‘减肥’‘不想吃油’‘要素的’，那他们要的是清淡菜品。比如用户说‘我减肥，要个清淡的’，你要推荐蔬菜沙拉。”

同样，要让LLM学会识别实体，你可以用提示词告诉它：

“请从文本中识别出产品、问题类型、订单号实体。比如文本‘我买的华为手机充电慢，订单号123456’中，产品是‘华为手机’，问题类型是‘充电慢’，订单号是‘123456’。”

2.5 概念关系图：用Mermaid看清楚逻辑链

graph TD
    A[Agentic AI] --> B[上下文工程]
    B --> C[实体识别]
    C --> D[提示工程]
    D --> E[大语言模型（LLM）]
    B --> F[意图理解]
    F --> G[规划决策]
    G --> H[执行反馈]
    H --> B

解释：

1. Agentic AI的核心是上下文工程；
2. 实体识别是上下文工程的基础（提取关键信息）；
3. 提示工程是实体识别的工具（教LLM识别实体）；
4. 实体识别的结果用于意图理解，进而驱动规划决策和执行反馈；
5. 执行反馈会更新上下文工程（比如用户确认“订单号是123456”，Agent会把这个实体存入长期上下文）。

三、技术原理：Agentic AI中实体识别的“底层逻辑”

3.1 传统实体识别vs.Agentic AI实体识别：核心差异

我们用表格对比两者的区别：

维度	传统实体识别	Agentic AI实体识别
实体类型	预定义（闭域）	动态扩展（开放域）
上下文处理	单句文本	多轮对话+长期记忆
歧义消解	局部语境	全局上下文+领域知识
模型依赖	CRF、BERT等传统模型	大语言模型（LLM）+提示工程

3.2 Agentic AI实体识别的技术框架：四步流程

Agentic AI的实体识别不是“单步任务”，而是融入上下文工程的闭环流程，具体分为四步：

步骤1：定义实体类型（Business-Driven）

实体类型必须贴合业务需求——比如：

• 电商Agent：产品、订单号、优惠券码、问题类型；
• 医疗Agent：症状、药物、病史、检查项目；
• 教育Agent：知识点、题目类型、学生水平、错题集。

注意：实体类型不是“固定死的”，而是可以动态扩展的——比如电商Agent新增了“配件”类型，只需要用提示工程告诉LLM“配件是手机的附属产品，比如充电器、耳机”即可。

步骤2：设计提示词（Prompt Engineering）

提示词是LLM识别实体的“说明书”，好的提示词需要包含三个要素：

1. 任务描述：明确要做什么（比如“识别产品、问题类型、订单号实体”）；
2. 示例（Few-Shot）：用具体例子让LLM理解要求（比如“文本‘我买的华为手机充电慢，订单号123456’中，产品是‘华为手机’”）；
3. 输出格式：规定输出的结构（比如JSON格式，方便后续处理）。

示例提示词（电商客服场景）：

请从以下文本中识别出指定类型的实体，输出JSON格式：
- 文本内容：{text}
- 需要识别的实体类型：产品、问题类型、订单号
- 要求：
  1. 实体必须属于指定类型；
  2. 实体边界要准确（比如“华为Mate 60 Pro”是完整产品，不要拆分成“华为”和“Mate 60 Pro”）；
  3. 没有该类型实体时，不输出。

示例：
文本：我昨天买的小米14屏幕碎了，订单号是789012
输出：{"entities": [{"entity": "小米14", "type": "产品"}, {"entity": "屏幕碎了", "type": "问题类型"}, {"entity": "789012", "type": "订单号"}]}

步骤3：调用LLM识别实体（Model Execution）

用LLM执行提示词，得到实体识别结果。这里需要注意两个点：

• 模型选择：优先选择支持长上下文的模型（比如GPT-4o、Claude 3 Opus），因为Agentic AI需要处理多轮对话的长文本；
• 温度设置：温度（Temperature）越低，输出越稳定（比如设置为0），避免LLM产生“幻觉”（识别出不存在的实体）。

代码示例（用LangChain+GPT-4o实现）：

from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from langchain.schema import HumanMessage

# 1. 定义提示模板
entity_prompt = PromptTemplate(
    input_variables=["text", "entity_types"],
    template="""请从以下文本中识别出指定类型的实体，输出JSON格式：
- 文本内容：{text}
- 需要识别的实体类型：{entity_types}
- 要求：
  1. 实体必须属于指定类型；
  2. 实体边界要准确；
  3. 没有该类型实体时，不输出。

示例：
文本：我昨天买的小米14屏幕碎了，订单号是789012
输出：{"entities": [{"entity": "小米14", "type": "产品"}, {"entity": "屏幕碎了", "type": "问题类型"}, {"entity": "789012", "type": "订单号"}]}
"""
)

# 2. 初始化LLM
llm = ChatOpenAI(
    model="gpt-4o",
    temperature=0,
    api_key="YOUR_API_KEY"
)

# 3. 准备输入
text = "我昨天买的华为Mate 60 Pro充电很慢，订单号是123456，帮我解决一下"
entity_types = "产品、问题类型、订单号"

# 4. 生成提示词
prompt = entity_prompt.format(text=text, entity_types=entity_types)

# 5. 调用LLM
response = llm.invoke([HumanMessage(content=prompt)])

# 6. 解析结果（假设输出是JSON字符串）
import json
entities = json.loads(response.content)
print(entities)

输出结果：

{"entities": [
    {"entity": "华为Mate 60 Pro", "type": "产品"},
    {"entity": "充电很慢", "type": "问题类型"},
    {"entity": "123456", "type": "订单号"}
]}

步骤4：实体验证与上下文更新（Validation & Memory）

LLM的实体识别结果可能存在错误（比如幻觉、边界模糊），因此需要验证：

• 规则验证：比如订单号必须是6位数字，否则标记为错误；
• 知识验证：比如“华为Mate 60 Pro”是否存在（调用产品数据库查询）；
• 用户验证：如果无法确定，询问用户（比如“请问你的订单号是123456吗？”）。

验证通过后，将实体存入Agent的上下文记忆（比如用LangChain的ConversationBufferMemory），用于后续决策：

from langchain.memory import ConversationBufferMemory

# 初始化记忆模块
memory = ConversationBufferMemory()

# 将实体存入记忆
memory.save_context(
    inputs={"text": text},
    outputs={"entities": entities}
)

# 后续决策时，从记忆中提取实体
print(memory.load_memory_variables({}))

3.3 数学模型：LLM如何“学会”实体识别？

传统实体识别用**条件随机场（CRF）**模型，其核心是计算标签序列的条件概率：
$$P(y|x)=\frac{1}{Z(x)}\exp \left(\sum _{i=1}^n\sum _k{\lambda }_k{f}_k(y_{i-1},y_i,x,i)\right)$$
其中：

• $x$：输入文本序列；
• $y$：标签序列（比如“B-产品”“I-产品”“O”）；
• $Z(x)$：归一化因子（确保概率和为1）；
• $f_k$：特征函数（比如“第i个词是‘华为’，前一个标签是‘O’”）；
• ${\lambda }_k$：特征权重（模型训练得到）。

而LLM（比如GPT-4）用**自注意力机制（Self-Attention）**处理实体识别：

1. 将输入文本转化为token嵌入（比如“华为”→[0.1, 0.2, …, 0.9]）；
2. 通过多头自注意力层计算每个token与其他token的关联（比如“华为”和“Mate 60 Pro”的关联度很高）；
3. 用线性层+Softmax输出每个token的标签概率：
   $$P(y_i=l|x)=\text{softmax}(W\cdot h_i+b)$$
   其中：

• $h_i$：第i个token的隐藏状态（自注意力层的输出）；
• $W,b$：可训练参数；
• $l$：标签（比如“产品”“问题类型”）。

关键区别：传统CRF需要手动设计特征，而LLM通过自注意力机制自动学习“哪些token属于同一实体”——这也是LLM能处理开放域实体的核心原因。

四、实战：解决Agentic AI实体识别的三大痛点

4.1 痛点1：歧义实体——“苹果”到底是水果还是公司？

问题场景：用户说“我要谈苹果的合作”，LLM可能误判“苹果”是水果。
解决方案：用上下文依赖提示，让LLM结合全局语境判断。

优化后的提示词：

请从文本中识别出公司实体，规则如下：
- 如果文本中提到“合作”“项目”“业务”，则“苹果”是公司；
- 如果提到“吃”“水果”“榨汁”，则“苹果”是水果。

示例：
文本1：我要谈苹果的合作 → 公司实体：苹果
文本2：我买了一箱苹果 → 无公司实体

代码验证：
输入文本：“我要谈苹果的合作”，输出结果：

{"entities": [{"entity": "苹果", "type": "公司"}]}

4.2 痛点2：动态实体——新增“配件”类型怎么办？

问题场景：电商Agent新增“配件”实体类型（比如“充电器”“耳机”），传统模型需要重新训练，而LLM可以用Few-Shot提示快速适配。

提示词设计：

请从文本中识别出产品、配件、订单号实体：
- 产品：手机的主设备（比如华为Mate 60 Pro）；
- 配件：手机的附属产品（比如充电器、耳机）；
- 订单号：6位数字。

示例：
文本：我买的华为Mate 60 Pro的充电器坏了，订单号是123456 → 产品：华为Mate 60 Pro，配件：充电器，订单号：123456

代码验证：
输入文本：“我买的小米14的耳机没声音，订单号是789012”，输出结果：

{"entities": [
    {"entity": "小米14", "type": "产品"},
    {"entity": "耳机", "type": "配件"},
    {"entity": "789012", "type": "订单号"}
]}

4.3 痛点3：多模态实体——如何识别图片中的实体？

问题场景：用户发送一张“华为Mate 60 Pro充电慢”的照片，同时说“我的手机充不进电”，需要从图片中识别“华为Mate 60 Pro”，从文本中识别“充不进电”。
解决方案：用多模态LLM（比如GPT-4o、Gemini Pro），同时处理文本和图像。

代码示例（用GPT-4o处理多模态输入）：

from langchain_openai import ChatOpenAI
from langchain.schema import HumanMessage
from PIL import Image
import base64
import io

# 1. 将图片转为Base64编码
def image_to_base64(image_path):
    with Image.open(image_path) as img:
        buffered = io.BytesIO()
        img.save(buffered, format="PNG")
        return base64.b64encode(buffered.getvalue()).decode()

# 2. 初始化多模态LLM
llm = ChatOpenAI(model="gpt-4o", api_key="YOUR_API_KEY")

# 3. 准备输入（文本+图片）
text = "我的手机充不进电"
image_base64 = image_to_base64("huawei_mate_60_pro.jpg")

# 4. 构造多模态消息
messages = [
    HumanMessage(
        content=[
            {"type": "text", "text": f"请从文本和图片中识别出产品和问题类型实体：文本是{text}"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_base64}"}}
        ]
    )
]

# 5. 调用LLM
response = llm.invoke(messages)

# 6. 解析结果
print(response.content)

输出结果：

{"entities": [
    {"entity": "华为Mate 60 Pro", "type": "产品"},
    {"entity": "充不进电", "type": "问题类型"}
]}

4.4 实战案例：智能客服Agent的实体识别全流程

我们用一个完整的案例，展示Agentic AI实体识别的全流程：

场景描述

用户输入：“我昨天买的华为Mate 60 Pro充电很慢，订单号是123456，帮我解决一下。”

步骤1：定义实体类型

• 产品：手机主设备；
• 问题类型：用户的问题描述；
• 订单号：6位数字。

步骤2：设计提示词

如3.2中的示例提示词。

步骤3：调用LLM识别实体

输出结果：

{"entities": [
    {"entity": "华为Mate 60 Pro", "type": "产品"},
    {"entity": "充电很慢", "type": "问题类型"},
    {"entity": "123456", "type": "订单号"}
]}

步骤4：验证实体

• 订单号验证：调用电商系统API，确认123456是有效的订单号；
• 产品验证：查询产品数据库，确认华为Mate 60 Pro存在；
• 问题类型验证：无错误。

步骤5：更新上下文记忆

将实体存入Agent的记忆模块，用于后续决策：

memory.save_context(
    inputs={"text": "我昨天买的华为Mate 60 Pro充电很慢，订单号是123456，帮我解决一下"},
    outputs={"entities": entities}
)

步骤6：意图理解与决策

Agent从记忆中提取实体，理解用户意图是“申请华为Mate 60 Pro的充电问题售后”，然后生成决策：

1. 调用订单系统，查询123456的购买记录和保修状态；
2. 调用产品知识库，获取华为Mate 60 Pro充电慢的排查步骤；
3. 向用户发送排查步骤，并询问是否需要进一步帮助。

五、未来展望：实体识别的“下一个阶段”

5.1 技术趋势：从“识别”到“理解+链接”

未来的实体识别，将不再是“提取信息块”，而是**“理解信息块的关系+链接知识图谱”**：

• 实体关系抽取：比如识别“华为Mate 60 Pro”和“充电很慢”的关系是“存在问题”；
• 实体链接：将“华为Mate 60 Pro”链接到知识图谱，获取其硬件参数（比如“支持66W快充”）；
• 动态实体扩展：Agent自主学习新的实体类型（比如用户提到“折叠屏手机”，Agent自动将其加入实体类型列表）。

5.2 潜在挑战：幻觉、复杂度、跨语言

• 幻觉问题：LLM可能识别出不存在的实体（比如“用户没提订单号，LLM却输出123456”），需要更严格的验证机制（比如结合外部数据库）；
• 复杂度问题：多轮对话的长上下文会增加计算成本，需要优化LLM的上下文压缩技术；
• 跨语言问题：不同语言的实体边界和歧义不同（比如中文“苹果”和英文“Apple”的歧义场景不同），需要多语言提示工程。

5.3 行业影响：Agentic AI的“普及加速器”

实体识别的优化，将推动Agentic AI在更多领域的普及：

• 电商：更精准的售后处理（比如识别“产品型号”和“问题类型”）；
• 医疗：更准确的症状识别（比如从用户描述中提取“咳嗽、发烧”等实体）；
• 教育：更个性化的辅导（比如识别“学生的错题类型”和“知识点薄弱点”）。

六、总结：实体识别是Agentic AI的“地基”，提示工程是“水泥”

Agentic AI的核心是“理解上下文”，而实体识别是理解上下文的“第一块拼图”。传统的实体识别方法无法应对Agentic AI的动态、开放、多轮需求，而提示工程+LLM成为了破局的关键——它让Agent能够自主学习实体类型、处理歧义、关联上下文。

作为提示工程架构师，我们的职责不是“调参”，而是“教Agent如何思考”：通过设计精准的提示词，让LLM学会在复杂场景中识别实体；通过验证和记忆机制，确保实体识别的准确性；通过链接知识图谱，丰富实体的语义信息。

思考问题：鼓励你进一步探索

1. 如果你要设计一个面向教育的Agentic AI（比如智能辅导老师），你会定义哪些实体类型？如何用提示工程优化这些实体的识别？
2. 如何解决多模态实体识别中的“模态对齐”问题（比如图片中的“华为手机”和文本中的“我的手机”是同一个实体）？
3. 如何让Agent自主学习新的实体类型（比如用户提到“量子计算”，Agent自动将其加入“知识点”实体类型）？

参考资源

1. OpenAI Prompt Engineering Guide：https://platform.openai.com/docs/guides/prompt-engineering
2. LangChain Documentation：https://python.langchain.com/docs/
3. 《Agentic AI: A New Paradigm for AI Systems》（论文）：https://arxiv.org/abs/2308.08155
4. 《Named Entity Recognition with BERT》（论文）：https://arxiv.org/abs/1901.08043
5. 《Few-Shot Learning with Large Language Models》（论文）：https://arxiv.org/abs/2005.14165

结语
Agentic AI的时代，不是“比谁的模型更大”，而是“比谁的Agent更能理解用户”。实体识别作为理解上下文的基础，是每个Agentic AI开发者必须掌握的核心技术。而提示工程，正是让Agent“听懂话”的关键密码——掌握它，你就能打造出真正“懂用户”的Agentic AI。

下一篇文章，我们将探讨“Agentic AI的意图理解：如何让Agent‘猜中用户的小心思’”，敬请期待！