🎯 Day 3 学习目标

1. 学会 ReAct（推理 + 行动）Prompt 模型
2. 学会 工具调用 Prompt 设计（Tool Calling）
3. 掌握 严格 JSON Schema Prompt
4. 掌握 任务拆分 Prompt
5. 掌握 反思式 Prompt（Reflexion Prompt）
6. 学会企业应用中最关键的：多轮对话状态保持

今天学习后，你能写出：
企业级、可落地、可控、高稳定性的 Prompt

很多公司面试官会直接要求你写这些内容。

---

🔵 第一部分：ReAct（Reason + Act）是什么？

LLM 的执行逻辑 = 做推理（reason） + 执行动作（action）

你可以让模型：

• 先思考 → 再做决策
• 先拆解任务 → 再执行
• 避免乱回答

ReAct 用一句话解释：

“让模型先思考，再回答，不展示推理。”

企业大量使用 ReAct，以提高稳定性。

---

✔ ReAct 标准 Prompt 模版（企业常用）

你必须先进行隐式的推理与步骤拆解（不向用户展示），再给出最终答案。
最终答案必须满足以下要求：
- 不展示推理过程
- 仅展示结果

这个结构企业几乎必用。

---

🔵 第二部分：工具调用（Tool Calling）Prompt 设计

现代 AI 应用 90% 使用“工具调用”。

例如：

• 调用数据库
• 调用向量搜索
• 调用 API
• 调用计算器
• 调用内部系统

LLM 不是无所不能，它需要外部系统。
你的 Prompt 必须告诉模型：

什么时候应该调用工具，工具的输入格式是什么。

---

✔ 工具调用 Prompt 的标准结构（最重要）

当满足以下情况时你必须调用工具：
1. （条件 1）
2. （条件 2）
3. （条件 3）

工具调用格式如下：
{
  "tool": "工具名",
  "arguments": {
       ...
  }
}

如果不需要工具，则直接回答。

这是企业级 Prompt 的核心。

---

🔵 第三部分：严格 JSON Schema Prompt

企业特别强调 JSON 绝不能乱。

不能多字段
不能少字段
不能乱输出字符串
不能输出注释

所以我们首先写一个“严格 JSON Schema Prompt”。

---

✔ 企业级 JSON Schema Prompt（你之后都能复用）

你的输出必须严格符合以下 JSON Schema，不允许新增字段、不允许减少字段、不允许添加多余说明文字，不允许在 JSON 外输出任何内容：

{
  "task_status": "success | fail",
  "summary": "",
  "details": [],
  "next_action": ""
}

目的是让模型“知道边界”。
面试官非常喜欢问这类问题。

---

🔵 第四部分：任务拆分 Prompt

在企业应用中，大任务必须拆成小任务，否则模型容易输出垃圾。

---

✔ 任务拆分标准 Prompt（企业必考）

请将用户任务拆分成多个可执行子任务。你必须：
1. 拆得足够细
2. 每一步可执行、可验证
3. 最终形成结构化输出

然后输出格式：

{
  "steps": [
     {"title": "", "desc": ""},
     ...
  ]
}

这就是企业级工作流构建方法。

---

🔵 第五部分：反思式 Prompt（Reflexion）

让模型产出更好答案的关键方法是：

让模型自己检查自己的回答是否正确。

企业大量使用这种方法提升答案质量。

---

✔ 反思式 Prompt（企业真实示例）

请你对自己的回答进行自我检查：
1. 是否满足需求？
2. 是否有错误？
3. 是否有遗漏？
4. 是否可以进一步优化？

请只输出优化后的最终结果，不展示反思过程。

这样可以有效减少模型错误。

---

🔵 第六部分：多轮对话状态保持 Prompt

企业问得最多的就是：

“如何让模型在多轮对话中保持上下文状态？”

这是你的必备知识。

---

✔ 标准方法（State Summary）

你必须维护一个对话状态摘要（state），用于多轮对话保持一致性。
每次回答前，你必须先读取 state，再更新 state。
用户看不到 state 内容。

这就是所谓的“Shadow State（影子状态）”。

大模型每一步都可以看一份最新状态，就不会乱。

---

🎯 强化练习

---

1. ReAct 的本质是什么？一句话总结即可。

---

2. 企业为什么必须使用工具调用？请写 2 点原因。

---

3. 什么是严格 JSON Schema？为什么企业非常依赖它？

---

4. 为什么需要反思式 Prompt？它解决了什么问题？

---

5. 写一个任务拆分 Prompt（随便一个主题即可）。

---

🎯 Day3 实战练习

请根据以下需求写一个真正“可生产”的 Prompt（必须使用今天所有技巧）：

---

❗需求：

你要写一个 Prompt，让模型根据用户输入的自然语言需求，自动：

1. 拆解任务
2. 识别哪些步骤需要调用工具（例如：数据库查询、计算器、搜索）
3. 最终输出严格 JSON
4. 如果用户需求不清楚，让模型自动澄清
5. 禁止展示推理过程
6. 允许模型隐式使用 ReAct

---

❗你的输出格式必须如下：

{
  "steps": [],
  "tools_needed": [],
  "final_summary": "",
  "need_clarification": false,
  "clarification_questions": []
}

写出这个 Prompt（用 SREF 模式）。
具体可以用AI来辅助你完成回答和测评

---