提示词需锚定模型认知路径：一、明确角色与职责并嵌入负向示例；二、结构化任务拆解并设验证格式与终止条件；三、绑定工具调用上下文及回退逻辑；四、注入参考示例与硬性格式约束；五、显式要求推理过程与依据标注。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您向Hermes Agent发出指令，但其响应偏离预期、遗漏关键约束或格式错乱，则很可能是提示词未能有效锚定模型的认知路径。以下是提升意图传达精度的具体操作方法：
一、明确角色与身份锚定
角色定义决定Agent的语言风格、知识边界与行为倾向。模糊的身份描述会使Hermes在多义场景中随机选择响应策略，导致输出不稳定。
1、在系统提示开头使用“你是……”句式直接声明身份，例如：你是资深金融合规审查员，专精于跨境支付条款校验。
2、补充该角色的核心职责，避免抽象描述，如不写“专业可靠”，而写：每次输出必须标注所依据的监管条文编号（如FATF Recommendation 16）。
3、嵌入典型失败案例作为负向示例，例如：禁止将‘T+1结算’解释为‘次日到账’，必须严格区分清算周期与资金到账时点。
二、结构化任务拆解指令
Hermes Agent具备自主规划能力，但需通过显式结构化指令激活其ReAct或Reflexion范式。模糊的整体性要求会抑制其分步推理机制，导致跳步或幻觉。
1、强制启用思考链流程，指令中嵌入步骤编号标识：请按以下四步执行：①提取用户请求中的时间范围、主体对象、动作动词；②比对本地知识库中最近3次同类操作记录；③若存在冲突，列出差异项及置信度；④仅当置信度≥92%时生成最终操作指令。
2、为每一步设定可验证输出格式，例如第二步要求返回：{‘record_id’: ‘R-20260411-087’, ‘action’: ‘账户冻结’, ‘reason_code’: ‘AML-TRIG-04’}。
3、在末尾添加路径终止条件：若任意步骤缺失必要字段，则中止执行并返回ERROR_CODE:MISSING_CONTEXT。
三、绑定工具调用上下文
未显式声明调用前提时，Agent可能忽略可用能力或错误匹配参数。必须将工具能力嵌入任务流而非孤立罗列，确保动作与语义强耦合。
1、在任务描述中直接关联工具动作，例如：先调用 browser_navigate 访问 https://regulation.gov.cn/notice，再使用 browser_snapshot full=true 提取页面顶部公告栏DOM结构。
2、指定工具输入参数的来源，例如：从上一步JSON输出的‘reason_code’字段中提取值，作为code_runner的--flag参数传入。
3、设置工具调用失败后的回退逻辑，例如：若browser_navigate超时，立即切换至fa。
四、注入参考示例与格式强约束
人类通过样例快速理解抽象要求，Hermes Agent同样依赖具体范例建立输出锚点。缺失示例时，模型易在格式、粒度、术语层级上自由发挥，造成交付失准。
1、在指令中插入真实可运行的输入-输出对，例如：输入：“Q3营收同比下滑12%，毛利下降5个百分点”，输出：“【风险】营收承压：Q3营收同比下降12.0%，主因新客户转化率低于预期（目标18%，实绩11.3%）；【影响】毛利率收窄5.2pct，系高毛利定制服务占比由34%降至26%。
2、对不可协商的格式要素使用硬性语法标记，例如：所有结论句必须以【】包裹，且仅允许出现【风险】【影响】【建议】三种前缀。
3、限制输出长度与结构层级，例如：不超过300字；禁用列表符号；段落间空一行；首句必须为结论性判断。
五、嵌入推理过程显式指令
对于复杂问题，隐含推理路径易被跳过或压缩，导致结论缺乏支撑。强制展开中间推导可暴露逻辑断点，便于人工干预与模型自检。
1、在任务开头加入触发短语，例如：请一步步思考：先确认数据源可信度，再识别趋势拐点，最后排除季节性干扰因素。
2、要求在最终答案前输出带编号的推理节点，例如：[1] 原始数据来自央行季度统计公报（附URL），可信度高；[2] 连续两季M2增速回落超0.8pct，构成拐点信号；[3] 同期CPI环比为-0.1%，排除通胀驱动假象。
3、对关键判断标注依据类型，例如：“政策转向”判断基于国务院常务会议通稿第3条原文，非推断。
