智能体提示词

在智能体的构建中，对于结构的理解和控制，是整个工作流中最重要的部分，本文旨在为大家提供的是结构化的思路，而结构中的单点，可以通过不断迭代的方式，不断完善。请注意，品牌卖点提炼助手的本质是一个办公助手的形式，它最强的能力是为本来就具有营销思维的团队提供更为广阔的思路，将核心的经历放在决策和更具创意的部分，可以极大的提高团队效率。[heading2]4.1后续的迭代方向[content]实际的搭建过程，除了按照营销管理的结构进行智能体的搭建，实际也要根据公司所处的业态进行合理的调整，给智能体更多的提示词来提升分析的合理性。比如对于电商产品，其线上的触点是淘系京东系的电商平台，和抖音小红书等兴趣电商内容平台，而线下触点则是产品的包装、包裹、包括卡、产品说明书等，人员触点是销售人员、主播、售后、客服等。而线下是的实体服务行业，其线上的触点是大众点评/美团等线上OTA本地生活平台，抖音小红书等新媒体内容平台，而线下触点则是线下的门店展示，服务流程等，人员则是电话销售、服务人员等。因此，在实际的智能体构建中，结构上遵循营销管理的流程，可以保证智能体在输出上不会乱说八道，而通过调整单独智能体的提示词，可以有效提升在某一部分助手信息的准确度。另外，营销管理的结构化提示词中有一个注意事项，不要依赖于举例，因为举例有可能会限制AI在某一个方向上的发散思维，虽然避免了AI胡说八道，也限制了提供更有创造性思路的可能性。在营销过程中，更依赖于公司人员和咨询人员的决策力和敏锐的洞察力，智能体的灵感助手能够帮助我们更轻松的决策。

在第一篇中，我们主要聚焦于任务型提示词，探讨了它们应该如何构建，以及它们的工作流程应该如何设计。这种方法强调了效率和精确性。然而，当我们转向拟人化的智能体时，我们需要采取一种完全不同的方法。大家看下方的图表，这张图展示了如何设计一个拟人化的角色。从图中我们可以看到，设计过程始于角色的基础信息，包括姓名、性别、年龄和职业等。不管是设计什么角色，这些都是最为基础和必要的。紧接着，我们需要考虑角色的背景和经历。这些元素与基础信息密切相关，它们之间存在着强烈的相互影响。虽然在某些情况下，这种关联可能不那么明显，但通常情况下，角色的身份背景和经历在很大程度上决定了他们的基本特征，反之亦然。让我们通过一个例子来说明这一点：假设我们正在设计一个从事低收入职业的角色。在这种情况下，我们可以合理推测，这个角色可能来自相对贫困的背景，教育程度可能不高。角色的背景和经历对人物形象的塑造有着深远的影响，尤其体现在爱好、特长、性格和价值观等方面。这些特质并非凭空而来，而是由角色的生活经历和成长环境共同塑造而成，它们之间存在着紧密的关联性。接下来，我们会看到一个相对弱关联的元素：规划和目标。这些可以是短期的，也可以是长期的愿景。让我们用一个现实生活中的例子来说明：假设一个角色特别喜欢唱歌，这个爱好很可能会影响他的长期规划，比如梦想成为一名专业歌手。这样的设定既合乎逻辑，又能为角色增添深度和动力。

国内的kimi也是一样。并且我们拿到之后，我们发现其实产品侧是有防护意识的。提示词中明确的突出了不要去泄露系统提示的内容，但是我们还是轻易的拿到了kimi的系统提示。然后你看像豆包也是一样的。同时像国内的这种智能体编排平台——扣子。上面的热门的智能体，我们都能轻易的拿到他们的核心提示词。当我们拿到他的核心提示词以后，我们可以看到它是怎么调用知识库的，怎么调用工作流的，看到它整体的设计的逻辑、它的核心创意构建过程。国外的知名平台如OpenAI的GPT Store上面的GPTs（智能体）也是一样的。我们可以轻松拿到它的提示词，然后通过提示词可以完整的知道这个GPTs整体的设计逻辑，并且知道它知识库里面放了哪些数据，放了哪些知识。我们知道这个有什么用呢？有了这个信息，接下来进一步就可以拿到它里面的数据。不仅可以让我们的AI把里面的数据吐出来，甚至我们可以让大模型直接把这个知识文件的链接给到我，直接下载数据文件。这就是我们现在看到的，到现在为止的很多大模型应用和智能体平台的现状。提示词攻击在业内已经是一个公开的秘密。我们现在的大模型应用，有时候脆弱的简直就是一座数据金矿，只要你掌握了怎么样去破译AI密码，就可以肆意搜刮里面的东西：提示词也好，数据也好，随便拿。国内外各大著名的AI厂商几乎无一幸免。国外的不管是GPT也好，还是Cluade也好，还是说谷歌的Gemini，还是著名的AI搜索引擎perplexity，他们的这些系统提示都是处于泄露的状态。