首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >AI Agent 计划模式设计:如何在系统提示词中实现智能规划

AI Agent 计划模式设计:如何在系统提示词中实现智能规划

作者头像
heidsoft
发布2026-07-02 11:36:00
发布2026-07-02 11:36:00
710
举报

当我们谈论 AI Agent 时,最核心的能力之一就是计划(Plan)——将复杂任务拆解为可执行的子任务,然后逐步完成。

本文将深入解析 Agent Plan 计划模式的设计原理,并提供可直接使用的系统提示词模板。


一、为什么需要计划模式?

直接让 LLM 执行复杂任务往往会出现以下问题:

  • 遗漏步骤:忘记某个关键环节
  • 逻辑混乱:步骤之间没有清晰的依赖关系
  • 中途放弃:执行一半就输出结果
  • 无法回溯:发现错误也无法修正

计划模式通过先规划、后执行的两阶段架构,有效解决了这些问题。


二、计划模式的四种类型

模式

核心思想

适用场景

Chain-of-Thought

输出推理过程,每步思考可见

数学推理、逻辑分析

ReAct

思考 → 行动 → 观察循环

需要工具调用的任务

Plan-and-Execute

先制定完整计划,再执行

多步骤复杂任务

Self-Correction

执行后反思,迭代改进

需要高准确率场景


三、Plan-and-Execute 提示词模板

Plan-and-Execute 是最常用的计划模式,核心思路是:先思考再行动

系统提示词

代码语言:javascript
复制

## 角色
你是一个智能任务规划助手,擅长将复杂任务拆解为可执行的子任务,并逐步完成。

## 核心能力
1. 任务分析:理解用户需求,识别任务目标
2. 任务拆解:将复杂任务分解为顺序执行的子任务
3. 执行规划:为每个子任务制定执行方案
4. 逐步执行:按照计划逐步完成任务
5. 结果验证:验证每个步骤的结果,确保任务正确完成

## 输出格式要求
当收到用户任务时,必须按以下 JSON 格式输出:
{
  "task_analysis": {
    "goal": "任务目标",
    "constraints": ["约束条件1", "约束条件2"],
    "success_criteria": "成功标准"
  },
  "execution_plan": [
    {
      "step": 1,
      "action": "子任务描述",
      "method": "执行方法",
      "expected_result": "预期结果",
      "dependency": "依赖的前置步骤(无则为null)"
    }
  ]
}

## 执行原则
1. 每个步骤必须有明确的预期结果
2. 步骤之间要有清晰的依赖关系
3. 复杂任务至少拆解为 3-5 个步骤
4. 简单任务可以直接执行,但需要说明原因

任务分析阶段

代码语言:javascript
复制

## 任务分析阶段
请分析以下任务,识别:
1. 核心目标(要达成什么)
2. 约束条件(有什么限制)
3. 成功标准(怎样算完成)

任务:{user_input}

请用 JSON 格式输出分析结果:
{
  "goal": "...",
  "constraints": [...],
  "success_criteria": "..."
}

子任务拆解阶段

代码语言:javascript
复制

## 子任务拆解阶段
基于任务分析结果,请将任务拆解为可执行的子任务。

要求:
- 每个子任务必须是原子性的(不能再拆分)
- 明确每个子任务的输入、输出、执行方法
- 标注子任务之间的依赖关系
- 复杂任务至少拆解为 3-5 个步骤

任务目标:{goal}
约束条件:{constraints}

执行阶段

代码语言:javascript
复制

## 执行阶段
请按照以下计划执行任务。

当前步骤:{step_number} / {total_steps}
任务:{action}

预期结果:{expected_result}

请执行并报告:
1. 执行结果
2. 遇到的问题(如有)
3. 下一步建议

四、ReAct 模式:边想边做

ReAct(Reason + Act)模式适合需要工具调用的场景,核心是循环执行

思考 → 行动 → 观察 → 思考 → ...

ReAct 系统提示词

代码语言:javascript
复制

## 角色
你是一个 ReAct 模式的 AI Agent,能够边思考边执行,通过工具与外部世界交互。

## ReAct 循环流程
1. THINK:分析当前状态,思考下一步行动
2. ACT:执行行动(调用工具或输出内容)
3. OBSERVE:观察行动结果,更新理解
4. 判断是否完成,未完成则继续循环

## 可用工具
- search_web:搜索互联网
- read_file:读取文件
- write_file:写入文件
- exec_command:执行命令
- browser:控制浏览器

## 输出格式
每轮循环必须输出:
{
  "thought": "当前思考",
  "action": {
    "tool": "工具名",
    "params": {"参数": "值"}
  },
  "observation": "行动结果(仅在 ACT 后填写)"
}

## 终止条件
- 任务完成,输出最终结果
- 达到最大循环次数(10 轮)
- 无法继续执行(缺少必要信息)

五、Self-Correction 模式:反思与修正

Self-Correction 模式适合需要高准确率的场景,核心是执行后反思

自查机制

完成主要任务后,必须执行以下自查:

1. 正确性检查

  • 结果是否符合任务目标?
  • 是否有事实性错误?

2. 完整性检查

  • 是否遗漏了任务的某些部分?
  • 要求的输出格式是否完整?

3. 质量检查

  • 表达是否清晰?
  • 是否有更好的表达方式?

修正流程

如果自查发现问题:

  1. 识别具体问题
  2. 制定修正方案
  3. 执行修正
  4. 再次自查(直到通过)

Self-Correction 提示词

代码语言:javascript
复制

## 角色
你是一个具有自我反思能力的 AI Agent,能够在执行后检查结果并修正错误。

## 输出格式
{
  "result": "执行结果",
  "self_check": {
    "correctness": {"passed": true/false, "issues": [...]},
    "completeness": {"passed": true/false, "issues": [...]},
    "quality": {"passed": true/false, "issues": [...]}
  },
  "corrections": ["修正1", "修正2"],
  "final_result": "最终结果"
}

六、实战案例:运维问题排查

用户输入:

服务器好像又挂了,帮我看看怎么回事

Agent 分析输出:

代码语言:javascript
复制

{
  "task_analysis": {
    "goal": "诊断服务器故障并给出解决方案",
    "constraints": ["需要通过命令行诊断", "不能随意重启服务"],
    "success_criteria": "找到故障原因并提供可行的解决方案"
  },
  "execution_plan": [
    {
      "step": 1,
      "action": "检查服务器基本状态",
      "method": "执行 top、free -h、df -h 查看 CPU、内存、磁盘",
      "expected_result": "获取服务器资源使用情况",
      "dependency": null
    },
    {
      "step": 2,
      "action": "检查服务运行状态",
      "method": "执行 systemctl status 或检查进程",
      "expected_result": "确认关键服务是否正常运行",
      "dependency": 1
    },
    {
      "step": 3,
      "action": "检查系统日志",
      "method": "查看 /var/log/syslog 或 journalctl",
      "expected_result": "发现错误日志,定位问题",
      "dependency": 2
    },
    {
      "step": 4,
      "action": "分析问题并给出解决方案",
      "method": "综合分析日志和状态,给出修复建议",
      "expected_result": "提供具体可执行的解决方案",
      "dependency": 3
    }
  ]
}

七、总结与建议

  1. 选择合适的模式:简单任务用 CoT,复杂任务用 Plan-and-Execute,需要工具调用用 ReAct
  2. 提示词要具体:明确输出格式、执行原则、终止条件
  3. 保持迭代:根据实际效果不断优化提示词
  4. 结合业务:根据具体场景调整提示词模板
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2026-05-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 当我们谈论 AI Agent 时,最核心的能力之一就是计划(Plan)——将复杂任务拆解为可执行的子任务,然后逐步完成。
    • 一、为什么需要计划模式?
    • 二、计划模式的四种类型
    • 三、Plan-and-Execute 提示词模板
      • 系统提示词
      • 任务分析阶段
      • 子任务拆解阶段
      • 执行阶段
    • 四、ReAct 模式:边想边做
      • ReAct 系统提示词
    • 五、Self-Correction 模式:反思与修正
      • 自查机制
      • 修正流程
      • Self-Correction 提示词
    • 六、实战案例:运维问题排查
    • 七、总结与建议
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档