在 Coze 中，系统提示（system_prompt）和用户提示（user_prompt）有以下区别：
需要注意的是，在 Coze 处理多 Agent 跳转时，系统提示词包含多个部分，如 INSTRUCTION（指令，包含角色设定和简要任务描述）、AGENTS / BOTS LIST（候选的 Agent 列表）、CONSTRAINT（限制条件）、PREVIOUS CONVERSATION HISTORY（之前的对话历史）等。而用户提示词则是用户自定义设置的特定输入。
请注意，在Bot中所提到的“人设与回复逻辑”功能，实质上指的是system_prompt。这一功能是指定Bot如何根据设定的角色和逻辑进行回答，从而确保其回复符合预设的人物特性和行为逻辑。而“提示词”是user_prompt。请大家一定不要搞混，这个东西很基础，也很关键！
当用户在【引导】节点输入“开始游戏”之后，Coze会执行如下流程（图5）：图5用户输入“开始游戏”触发的执行流程我们先来看一下第一次LLM调用的输入（图5）：忽略其他参数，我们关注messages列表。列表中只有一条消息，它的内容是：这是一段系统提示词，这就是Coze用来处理多Agent跳转的关键。提示词有5个部分：INSTRUCTION，是一段指令，包含角色设定和简要的任务描述。注意，这段提示词给LLM描述的任务是“根据用户需求和最新的聊天记录，从以下Agent列表中选择最合适的Agent”。AGENTS / BOTS LIST，是候选的Agent列表。agent_id是一个序号，供LLM选择。agent_name就是你给Agent节点设置的名字。condition就是你在Agent节点设置的适用场景（Scenarios）（图6）。USER REQUEST，就是你在【切换节点设置】界面设置的自定义提示词（见图7）。至于我为什么在这里写了一段有些奇怪的提示词，我下面马上会解释。CONSTRAINT，是一些限制条件。这里还告诉LLM，在没有合适的Agent时，要输出0，表示不跳转。PREVIOUS CONVERSATION HISTORY，是之前的对话历史。Coze提供了一个选项，可以控制这个传给跳转模型的对话记录的长度（见图7），但是这个选项并没有效果（应该是Bug）。图6适用场景图7自定义提示词前面说Coze的多Agent跳转总是不可靠，我们从这段短短的提示词中就可以找到几个导致不稳定的因素：
如果我有一个任务，比如说我试图从事实文件中提取信息，我可能会给它一些听起来像儿童故事的例子。另外，我个人也不太喜欢「把话塞进模型嘴里」的方式。我不会用few-shot learning来让模型照搬我的示例。我觉得这种思路有点像是在依赖预训练模型的模式，而实际上现在的RLHF模型已经有所不同了。所以是的，我认为这些就是其中的一些区别。David Hershey：我想补充一下，在进行一些日常对话的提示词迭代时，我会反复调整，直到某次结果是对的。而企业提示的情况就完全不一样了，它可能要被用上百万、上千万次，甚至上亿次。所以你在设计提示时，必须考虑得非常周全，确保它在各种输入情况下都能适用。所以对于企业提示词来说，考虑全边缘情况非常重要。不过好的提示，在两种情况下都应该表现得很好。不管是你为自己调试，还是为企业项目设计，它们都应该达到一样的高标准。