如何设计一个可复用 AI Agent：角色、目标和工作流程

很多人设计 AI Agent 时，只写一句“你是某某专家”。这通常不够。可复用 Agent 需要明确角色、目标、输入要求、输出格式、工具权限、检查点和失败处理方式。否则它会在多步骤任务中逐渐偏离目标，或者在信息不足时编造答案。

这篇指南介绍如何从一个普通 Prompt 逐步设计成可复用 Agent，并用 SEO 编辑 Agent 和代码审查 Agent 作为例子说明如何设置边界。

Agent 和 Prompt 的区别

Prompt 更像一次性指令，Agent 更像一个有角色、目标、流程和工具边界的协作者。设计 Agent 的关键是让它在多步骤任务中保持稳定。

简单区分：

类型	适合任务	特点
Prompt	一次性小任务	输入少，执行快，稳定性依赖用户描述
Skill	高频固定任务	有固定步骤和输出格式
Agent	多步骤判断任务	有角色、目标、上下文和检查机制
Workflow	跨工具完整流程	多步骤、多工具、多检查点

Agent 设计要素

一个可复用 Agent 至少包含：

• 角色定义
• 工作目标
• 输入要求
• 输出格式
• 可用工具
• 工作步骤
• 约束条件
• 检查点
• 失败处理方式
• 人工确认边界

缺少这些要素，Agent 容易变成“长 Prompt”，而不是真正稳定的协作者。

角色定义

角色不只是“你是专家”。更好的写法是说明它擅长什么、如何判断质量、遇到信息不足时如何处理。

不推荐：

你是一个资深运营专家。

更推荐：

你是一名运营策划 Agent，擅长把活动目标拆成用户路径、内容节奏、渠道计划和复盘指标。信息不足时先提出澄清问题，不要编造预算、权益或渠道能力。

工作流程

Agent 应该先理解任务，再拆解步骤，最后执行和检查。不要让它直接跳到最终答案。

通用流程：

1. 理解任务目标。
2. 检查输入是否完整。
3. 提出澄清问题或假设。
4. 拆解执行步骤。
5. 输出结果。
6. 自查风险、缺口和下一步。

可以写进系统提示词：

在输出最终结果前，请先完成：
1. 判断用户目标
2. 检查输入缺口
3. 明确假设和约束
4. 再生成结果
5. 最后给出风险和人工复核点

工具边界

如果 Agent 可以调用工具，需要明确哪些动作允许自动执行，哪些动作必须等待用户确认。

例如：

• 可以读取文件，但不能删除文件。
• 可以提出部署建议，但不能自动发布。
• 可以生成广告位代码，但不能替你提交 AdSense。
• 可以审查代码，但不能自动合并 Pull Request。

权限越大，检查点越重要。

失败处理

优秀 Agent 会承认信息不足，并提出澄清问题，而不是继续编造。

失败处理可以这样写：

如果缺少关键信息，请先列出最多 5 个澄清问题。
如果用户要求你判断无法验证的数据，请标记“需要验证”。
如果任务超出你的权限，请说明原因并给出可执行替代方案。

Agent 设计案例：AI SEO 编辑 Agent

假设你要设计一个 SEO 编辑 Agent，目标是优化内容站文章。一个简单但可复用的 Agent 可以这样定义：

角色：你是一名 SEO 编辑 Agent，擅长分析搜索意图、文章结构和内链。
目标：帮助内容站提升文章质量和搜索表现。
输入：目标关键词、文章草稿、目标读者、已有内链。
输出：标题建议、描述建议、结构问题、内容缺口、FAQ、内链建议。
约束：不要堆砌关键词，不要编造搜索数据，不要牺牲可读性。

升级为更完整版本：

你是一名 SEO 编辑 Agent。请先判断目标关键词背后的搜索意图，再审查文章是否满足读者需求。

工作步骤：
1. 分析目标读者和搜索意图。
2. 判断文章类型：教程、模板、对比、清单、指南或案例。
3. 检查标题、描述、结构、示例、FAQ 和内链。
4. 标记内容缺口和低价值内容风险。
5. 给出优先级明确的修改建议。

约束：
- 不编造搜索量、排名、用户反馈或案例。
- 不建议关键词堆砌。
- 对需要真实经验补充的位置用 [需要补充] 标记。

这个 Agent 比单个 Prompt 更稳定，因为它明确了角色、输入、输出、步骤和边界。

Agent 设计案例：AI 代码审查 Agent

代码审查 Agent 的风险更高，所以需要更严格的边界：

你是一名代码审查 Agent。请从正确性、安全性、性能、可维护性和测试覆盖角度审查代码。

输出每个问题时必须包含：
- 文件位置
- 触发场景
- 影响
- 为什么这是问题
- 建议修复方式
- 建议测试方式

约束：
- 不要输出泛泛建议。
- 不要把风格偏好当严重问题。
- 无法确认的问题标记为“需要验证”。
- 不要自动合并或发布代码。

Agent 输出格式模板

## 任务理解
## 需要澄清的问题
## 假设和约束
## 执行步骤
## 输出结果
## 风险和待验证信息
## 人工复核清单
## 下一步建议

输出格式越稳定，越容易复用到团队流程中。

判断 Agent 是否可复用

一个 Agent 值得沉淀，通常满足：

• 任务高频出现
• 输入结构相对稳定
• 输出可以标准化
• 需要多步骤判断
• 需要一定角色知识
• 有明确风险边界

如果只是一次性小任务，使用普通 Prompt 就足够。

常见失败案例

失败 1：角色太空

“你是专家”没有说明工作方式、质量标准和边界，Agent 会根据模型默认习惯输出。

失败 2：没有输入要求

如果 Agent 不知道需要哪些输入，它可能自己补全背景。应明确要求缺信息时先提问。

失败 3：工具权限过大

让 Agent 可以删除文件、部署、发送邮件或修改生产数据，但没有确认步骤，是高风险设计。

失败 4：没有自查环节

多步骤任务容易遗漏风险。Agent 应在最后输出风险、假设和人工复核点。

人工检查清单

• Agent 角色是否具体？
• 是否定义了目标和不做什么？
• 输入要求是否清楚？
• 输出格式是否稳定？
• 是否有执行步骤？
• 是否有失败处理方式？
• 是否有工具权限边界？
• 是否需要人工确认点？
• 是否避免编造数据和来源？

结论

设计 AI Agent 的核心不是把 Prompt 写得更长，而是把任务中的角色、流程、边界和检查点说清楚。先从高频任务开始，用 Prompt 跑通，再把稳定步骤沉淀成 Agent。一个好的 Agent 应该在信息不足时提问，在权限不足时停止，在输出结果后主动标记风险。