初学者必看:揭秘AI Agent如何动态组装提示词,轻松掌握大模型核心技术!
本文深入浅出地解析了现代 AI Agent 的工作原理特别是其提示词的动态组装过程。通过“三明治”架构详细介绍了身份层、能力层包括 Tools、Skills 和 MCP以及上下文层的构成。文章以实际场景为例展示了 Agent 如何在运行时根据当前需求组装 Prompt并提供了代码层面的简化示例。最后强调了动态上下文注入的重要性为开发者提供了优化 Agent 性能的实用建议。一、三明治架构Prompt 的三层结构Agent 最终发给模型的 Prompt通常像一个三明治由三层拼接而成第一层身份层这是最底层、最稳定的部分定义了 Agent 的人设。比如角色是资深软件架构师还是数据库管理员以及一些核心行为准则——像Always answer in JSON format、Be concise、Do not apologize这类指令。如果你用过 ReAct 或 Chain of Thought这里也会写上对应的思考框架要求。第二层能力层重点这是最关键的动态层。Agent 并没有提前背诵所有工具的文档框架会在运行时把工具的定义Schema注入到提示词或 API 参数中。Tools工具——在 OpenAI 或 Anthropic 的 API 中工具定义通常作为独立的tools参数传入并不会直接写在 System Prompt 文本里。但从模型的视角看它们会被渲染成类似这样的结构## Available ToolsYou have access to the following functions. Use them when necessary:-function: get_weatherdescription: Get current weatherparameters: { location: string }-function: execute_sql_querydescription: Run a read-only SQL queryparameters: { query: string }Skills技能——Skills 是比 Tools 更高一层的抽象一个 Skill 可能包含多个 Tool 的调用序列。比如数据分析这个 Skill实际上是加载数据 → 清洗数据 → 可视化这一串动作的组合。在提示词中它们通常以能力描述的形式出现skills 注入示例## Your SkillsYou are equipped with theDataAnalysisskill.When asked to analyze data, break it down into:1.Load Data2.Clean Data3.VisualizeMCPModel Context Protocol——这是 Anthropic 推出的一种标准协议用于连接 AI 和外部数据源。它通过 Client-Host-Server 架构工作在 Prompt 组装时显得更为标准化。MCP 主要提供三类东西Resources资源MCP Server 暴露的数据比如文件、数据库表。框架会把当前可用的资源 URI 列表注入 Prompt类似这样## Connected MCP Resources: - postgres://db/usersPrompts预设提示词MCP 允许 Server 提供预设的 Prompt 模板Agent 可以直接挂载这些远程定义的提示词片段ToolsMCP 工具MCP Server 提供的工具会自动转换为标准的 JSON Schema 格式合并到上面的 Tools 列表中第三层上下文层这一层随着对话实时变化包括最近几轮的对话历史短期记忆、根据用户问题检索到的知识片段RAG 结果以及当前的工作区状态——比如在 Cursor 或 Windsurf 这类 IDE Agent 中当前打开的文件、选中的代码块都会被注入进来。二、一个具体的例子说了这么多我们来看一个实际场景用户问请帮我分析一下 users 表的结构Agent 后台是怎么组装 Prompt 的首先是检索阶段框架发现用户提到了users表于是通过 MCP 协议向 Database Server 查询这张表的元信息。然后是构建阶段框架把各个模块拼起来——Header 写上You are a Database Admin Agent…Tools Block 注入execute_sql、list_tables等工具的 JSON SchemaMCP Context 注入资源描述Memory 注入之前的对话历史最后附上用户的原始问题。最后是发送阶段把这一大段拼接好的文本或 Token 序列发给 LLM等待回复。三、代码层面长什么样如果你好奇代码里是怎么实现的下面是一个简化的 Python 示例LangChain 风格defassemble_prompt(user_query, mcp_client):# 1. 静态部分system_messageYou are a helpful AI assistant.# 2. 动态获取 MCP 工具和资源mcp_toolsmcp_client.list_tools()mcp_resourcesmcp_client.read_resource(db://schema)# 3. 格式化工具描述tools_schemaformat_tools_to_openai_schema(mcp_tools)# 4. 组装最终 Payloadpayload {model: gpt-4-turbo,messages: [ {role: system, content: f{system_message}\n\nContext:\n{mcp_resources}}, {role: user, content: user_query} ],tools: tools_schema }returnpayload可以看到整个过程就是拿静态模板 → 动态查工具和资源 → 拼成一个大 JSON → 发出去。写在最后总结一下现代 Agent 的系统提示词已经从手写一段话变成了运行时编译。Tools 变成了 API 参数里的 JSON SchemaSkills 变成了 System Prompt 中的流程指导或预制工作流而 MCP 则充当了驱动程序——让 Agent 能够标准化地把外部数据和能力动态挂载到上下文中不再需要硬编码。如果你正在开发自己的 Agent有一个建议不要试图把所有 Skills 塞进一个 Prompt。更好的做法是根据用户意图通过 Router 识别动态加载相关的 Skills 和 Tools这样既能节省 Token也能提高回答的精准度。这就是所谓的动态上下文注入Dynamic Context Injection。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取

相关新闻

中国文化生态保护区空间分布矢量数据集

中国文化生态保护区空间分布矢量数据集

在非物质文化遗产保护工作中,中国已建立起一个包含23个国家级和253个省级的庞大文化生态保护体系,这些数字不仅代表了政策落地,更是地域文化传承与空间分布的直接体现。 中国的文化生态保护区建设始于2007年,截至最新数据&#x…

2026/7/7 14:25:44 阅读更多 →
超越替代,定义价值:耐达讯自动化Profibus六路集线器对进口方案的全面挑战

超越替代,定义价值:耐达讯自动化Profibus六路集线器对进口方案的全面挑战

在追求高速、高精的包装机械行业,底层传感器的可靠通信是智能产线的生命线。面对多路编码器、光电开关等设备的Profibus组网需求,行业曾长期依赖进口集线器(如ProfiHub B5),但成本高企与供货周期的不确定性成为隐痛。耐…

2026/7/8 13:22:36 阅读更多 →
深度测评AI论文写作软件,千笔·专业学术智能体 VS WPS AI,专科生专属神器!

深度测评AI论文写作软件,千笔·专业学术智能体 VS WPS AI,专科生专属神器!

随着人工智能技术的迅猛发展,AI辅助写作工具正逐步渗透到高校学术写作场景中,成为专科生、本科生、研究生完成毕业论文不可或缺的智能助手。越来越多的学生在面对繁重的论文写作任务时,开始依赖AI工具来提升效率、优化内容质量。然而&#xf…

2026/7/7 3:36:50 阅读更多 →

最新新闻

GitHub Copilot按token收费:开发者算力素养实战指南

GitHub Copilot按token收费:开发者算力素养实战指南

1. 项目概述:一场被误读的定价调整,而非黄金时代的终结 “GitHub Copilot 改‘按 token 收费’:开发者的黄金时代结束了?”——这个标题一出来,我刷到时手里的咖啡差点洒在键盘上。不是因为震惊,而是因为太…

2026/7/8 19:07:59 阅读更多 →
Copilot工程实践:上下文窗口、Plan Agent与TDD协同方法论

Copilot工程实践:上下文窗口、Plan Agent与TDD协同方法论

1. 项目概述:一个倒计时应用,如何成为检验大模型工程能力的“压力测试仪” 我最近用 GitHub Copilot 从零开始写了一个功能完整的倒计时应用——不是那种只在控制台打印“3、2、1”的玩具代码,而是带图形界面、支持多任务并行、可暂停/继续、…

2026/7/8 19:07:59 阅读更多 →
3分钟掌握Windows窗口强制调整:告别无法缩放的应用窗口

3分钟掌握Windows窗口强制调整:告别无法缩放的应用窗口

3分钟掌握Windows窗口强制调整:告别无法缩放的应用窗口 【免费下载链接】WindowResizer 一个可以强制调整应用程序窗口大小的工具 项目地址: https://gitcode.com/gh_mirrors/wi/WindowResizer 还在为那些顽固的Windows应用窗口而烦恼吗?有些程序…

2026/7/8 19:01:54 阅读更多 →
10种常见作物叶片病害YOLO检测数据包:含划分好的训练验证集、类别说明和标注可视化工具

10种常见作物叶片病害YOLO检测数据包:含划分好的训练验证集、类别说明和标注可视化工具

本文还有配套的精品资源,点击获取 简介:这个数据包专为农业病害目标检测模型训练准备,覆盖水稻、玉米、小麦等作物的10类典型叶片病害,包括格鲁病、早叶斑病、黑斑病等。所有图像统一处理为416416 RGB格式,标注严格…

2026/7/8 19:01:54 阅读更多 →
Java在AI应用中的工程化实战:RAG与Agent生产落地指南

Java在AI应用中的工程化实战:RAG与Agent生产落地指南

1. 开篇——AI应用时代,Java还能打吗?这个问题我去年在三个不同城市的Java技术沙龙上都被问过,每次提问的都不是刚毕业的学生,而是工作5年以上的后端工程师,有人已经带团队做Spring Cloud微服务三年,有人正…

2026/7/8 18:57:53 阅读更多 →
落地型中医AI智能体与纯理论LLM方案对比研究——基于两篇CSDN技术博文的实证辨析

落地型中医AI智能体与纯理论LLM方案对比研究——基于两篇CSDN技术博文的实证辨析

摘要 在中医药数字化转型浪潮下,AI中医智能体形成工程落地路线与纯理论算法路线两条发展分支,大量LLM中医方案仅停留在算法框架设计,缺失临床硬件、医疗合规、真实场景验证,陷入“纸上谈兵”困境。本文选取两篇代表性CSDN技术文献…

2026/7/8 18:53:50 阅读更多 →

日新闻

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破 【免费下载链接】MaaAssistantArknights 《明日方舟》小助手,全日常一键长草!| A one-click tool for the daily tasks of Arknights, supporting all clients. 项目地址: …

2026/7/8 0:00:48 阅读更多 →
MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N1 到批处理的全路径 一、从"功能正确"到"性能可接受"——MyBatis 批量操作的三段式进化 MyBatis 在日常增删改查场景中几乎是无感的——实体映射直观、SQL 控制灵活。但当数据量从千级上升到十万级、百万级,许…

2026/7/8 0:00:48 阅读更多 →
工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

1. 工业负载控制方案概述在工业自动化、电机驱动和照明控制等高需求场景中,可靠地控制电感和电阻负载是核心挑战之一。TPD2015FN作为东芝的8通道高端智能功率开关IC,配合PIC18F45K22微控制器,能够构建一套稳定、高效的负载控制系统。这套组合…

2026/7/8 0:02:48 阅读更多 →

周新闻

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容 【免费下载链接】BiliTools A cross-platform bilibili toolbox. 跨平台哔哩哔哩工具箱,支持下载视频、番剧等等各类资源 项目地址: https://gitcode.com/GitHub_Trending/bilit/BiliTools …

2026/7/8 16:14:06 阅读更多 →
威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型的陌生现状在忙碌疲惫的一天里,参与了关于混合后量子密码学的讨论,应付端点攻击找茬的人,还参与留言板讨论后,发现“威胁模型”对多数人仍是陌生概念,且多被当作时髦用语。有趣的相关画作有一幅由 Embyr 创作的…

2026/7/7 12:34:47 阅读更多 →
渗透测试入门指南:从零基础到实战环境搭建

渗透测试入门指南:从零基础到实战环境搭建

1. 从“看热闹”到“入门”:我理解的渗透测试到底是什么?每次看到新闻里说某个大公司的数据被“黑”了,或者某个网站被攻击导致服务瘫痪,你是不是和我一样,心里会冒出两个念头:一是“这黑客真厉害”&#x…

2026/7/8 16:59:55 阅读更多 →

月新闻