Agent Space提示词设计核心是明确任务、分类规则与输出格式：定义智能体身份与边界，给出互斥分类标准及关键词锚点，强制结构化JSON输出并附容错指令和典型样例。
☞☞☞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☜☜☜
Agent Space 中的提示词（Prompt）设计，核心是让智能体明确“要处理什么信息、按什么规则分类、输出什么格式”。不靠堆砌术语，而靠结构清晰、角色具体、示例到位。
明确智能体身份与任务边界
开头就定义它是谁、做什么、不做啥。避免模糊表述如“聪明地处理”，改用可执行描述。
- ✅ 好例子：“你是一个企业客服工单分类助手，只负责将用户提交的原始文本归入以下5类之一：【登录问题】【支付失败】【订单查询】【退货申请】【其他】。不解释原因，不生成回复，不修改原文。”
- ❌ 避免：“请智能分析用户消息并合理分类。”（没给类别、没说怎么算“合理”）
给出清晰、互斥的分类标准
每类需有1–2句可判断的行为或关键词锚点，尤其对易混淆项做区分说明。
- 比如【支付失败】定义为：“包含‘付款未成功’‘扣款但没下单’‘支付宝/微信显示失败’等明确失败结果表述；若只说‘还没付款’或‘想改支付方式’，不属于此类。”
- 再如【其他】必须加兜底说明：“仅当原文完全不涉及上述四类业务动作，且无任何客服意图（如问候、闲聊、投诉员工），才归入此类。”
强制输出结构化格式
Agent Space 依赖稳定输出供下游调用，务必指定字段名和格式，禁用自由发挥。
- ✅ 推荐格式：{"category": "订单查询", "confidence": 0.92, "excerpt": "我的订单号是JD123456789，查下发货了吗？"}
- ✅ 加上容错指令：“若无法判断，category 输出'unclear'，confidence 设为0.0，excerpt 保持原文前30字。”
附1–2个典型输入-输出样例
比纯文字规则更直观。选覆盖边界情况的样本，比如含歧义词、多意图、口语省略的句子。
- 输入：“账号登不上，试了三次密码都错，是不是被封了？” → 输出：{"category": "登录问题", "confidence": 0.96, "excerpt": "账号登不上，试了三次密码都错，是不是被封了？"}
- 输入：“你们上次说七天无理由，我今天刚拆封就想退。” → 输出：{"category": "退货申请", "confidence": 0.89, "excerpt": "你们上次说七天无理由，我今天刚拆封就想退。"}
不复杂但容易忽略：每次更新分类体系，必须同步更新提示词里的类别列表、定义和样例——Agent 不会自己“理解”新旧版本差异。
