在详解和实测吴恩达4种Agentic工作流之中，测试了各种框架诸如反思、工具调用、规划、多智能体，在学习了其中各种Prompt设计后，有了一些新的认识分享给大家~

对于特定的任务来说，没有万能的Prompt，只有一些通用的式，要完成这个任务还需要这个任务特定的Example。另外，你一定要PUA它，强烈的鼓励它，使用类似MUST、奖励等字眼来PUA它，这样能让大模型更好的跟随指令。

所以一定要给它一些Example，在没有一个不包含Example，结果往往是不理想的。虽说网上也有介绍ZeroShot的Prompt，比比如Let’sthink step bystep，但遇到稍微复杂点的任务它就不一定能达到自己想要的效果。

一个精心设计完成特定任务的Prompt大体需要包含这几部分：

1.解决任务的方法

2.任务的输入和输出

3.任务的Example，3~5个左右

4.任务的历史纪录，如果有的话

5.用户输入的问题

话不多说，我们来看看4种LLM Agentic工作流Prompt设计，相信大家一定能有所收获！

一、ReAct Prompt

ReAct 提供了一种更易于人类理解、诊断和控制的决策和推理过程。它的典型流程如下图所示，可以用一个有趣的循环来描述：思考(Thought)→行动(Action)→观察(0bservation)，简称TAO循环。

循环迭代以上流程，如下图：

Prompt设计如下所示：包含了说明解决问题的方法、输入和输出、样例和用户问题

二、CoT思维链 Prompt

chain-of-Thought(CoT)是一种改进的Prompt技术，目的在于提升大模型LLMS在复杂推理任务上的表现，对于复杂问题尤其是复杂的数学题大模型很难直接给出正确答案。

思维链就是一系列中间的推理步骤(a seres ofintemediatereasoningsteps)。通过让大模型逐步参与将一个复杂问题分解为一步一步的子问题并依次进行求解的过程可以显著提升大模型的性能。

Prompt设计如下所示：包含了说明解决问题的方法、输入和输出、样例和用户问题

CoT式Prompt示例：

三、思维树(Tree-of-thought,ToT)

Prompt对CoT的进一步扩展，在思维链的每一步，推理出多个分支，拓扑展开成一棵思维树。使用启发式方法评估每个推理分支对问题解决的贡献。选择搜索算法只，使用广度优先搜索(BFS)或深度优先搜索(DFS)等篁法来探索思维树，并进行前瞻和回湖。

思维树Prompt示例：

四、反思Prompt

反思或者说精炼，是一种在现有问答基础上更进一步地指导模型进行自我优化和排除错误答案的过程。

反思prompt示例：

五、工具调用Prompt

如果你有大量的工具函数O可能会被调用，但你显然无法将所有T001S发给LLM，这可能会超过大模型的Token限制。你要怎么处理呢?

一个简单的方法是采用分组，尽量将类似的函数组合到一起，然后再选择。

工具调用示例：

另外，在使用工具调用时候，由于大模型有时候会捏造参数，你一定要在Prompt中提示它不要捏造任何参数，如果未提供，请求用户提供，这需要针对不同模型多次尝试优化。

六、多智能体Prompt

多智能体提示词设计，大概源于人类的分工合作思想，Prompt如果设定过多的不同任务，很可能会导致大模型无法准确跟随指令，因此给不同的智能体设计专用的Prompt就能让它们工作的更高效。

总结：

以上就是一些常用的LLM Agents工作流中对于Prompt提示词使用与思考。通过精心设计的Prompt，我们可以显著提升LLM在Agent工作流中的表现，理解并应用这些设计原则，将有助于构建更高效、更可靠的AI系统。

既然大模型现在这么火热，各行各业都在开发搭建属于自己企业的私有化大模型，那么势必会需要大量大模型人才，同时也会带来大批量的岗位，雷军曾说过：“站在风口，猪都能飞起来”可以说现在大模型就是当下风口，是一个可以改变自身的机会，就看我们能不能抓住！

七、如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

学习路线

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓