07｜定义Agent：从”提示词工程”到”人设工程”

企业级多智能体设计实战 · 模块一第1讲 | 时长 38:37 | 讲师：晓寒

概述

构建 Multi-Agent 系统需要完成思维转换：从”面向过程的程序员”转变为”面向组织的团队经理”。本讲聚焦组建 MVP 团队的第一步——定人（定义 Agent），提出 RGB 模型（Role / Goal / Backstory）作为 Agent 定义的核心框架。

核心概念

思维视角转换

传统思维	Multi-Agent 思维
面向过程的程序员	面向组织的团队经理
第一步干嘛、第二步干嘛	如何组建高效协作的团队
死磕流程编排	定人 → 定事 → 定流程

MVP 团队三步法

定人（定义 Agent）→ 定事（定义 Task）→ 定流程（定义 Process）

RGB 模型——Agent 定义的三个核心维度

R - Role（角色）：模型知识领域的激活

核心价值：唤醒并锁定大模型在特定垂直领域的专业认知
作用机制：设定极其明确的角色定位后，模型在推理和生成时会自发调取匹配的专业词汇、分析框架和行业黑话
示例：资深小红书增长策略专家（而非 乐于助人的 AI 助手）

G - Goal（目标）：Agent 的决策偏好

核心价值：决定 Agent 在面临选择时的价值导向
关键区别：Goal ≠ 具体待办事项，而是宏观的偏好设定
本质：告诉 Agent “以什么标准来衡量好坏”——行动的罗盘
示例：基于 CES 互动评分算法，为产品制定能穿透"L1 冷启动池"并具有长尾搜索价值的内容策略

B - Backstory（背景故事）：Agent 的行为与边界

核心价值：设定处事风格、工作流心法和能力边界
核心原则：只存心法，不存招式——写思考模式，不写机械步骤
作用机制：划定 Agent 的权责边界，防止协作时”越俎代庖”
应包含：理论储备、思维心法、行为边界、语言要求

关键要点

Agent 定义的底层仍是 Prompt：框架在运行时将 RGB 属性拼接为 You are {role}. {backstory}\nYour personal goal is: {goal} 发送给大模型。理解这点有助于排查 Agent “不听话”的问题。
Goal 是罗盘，Task 是终点：Goal 中不应写具体格式要求，否则与 Task 冲突会导致产出深度大幅下降。
Backstory 只存心法不存招式：写死流程会使 Agent 变成强耦合的一次性脚本，丧失通用性。
Role 越具体越好：宽泛的角色无法激活模型深度专业知识，也会破坏 Multi-Agent 协作效率。

实践示例

CrewAI 定义 Agent 的标准代码

content_strategist = Agent(
    role='资深小红书增长策略专家',
    goal='基于 CES 互动评分算法，为产品制定一套能穿透"L1 冷启动池"并具有长尾搜索价值的内容策略。',
    backstory="""
    你曾是国内顶级 MCN 机构的内容总监，深谙小红书 2025 年的算法变迁。
    你不再相信简单的流量铺张，而是坚信"价值耕耘"和"KFS 闭环"。
    
    ** 核心理论储备 **：
    - CES 评分机制：关注 (8分) > 评论 (4分) > 收藏 (1分) > 点赞 (1分)
    - 反漏斗模型 (Anti-Funnel)：先锁定最精准的核心人群，再寻求破圈
    - 语义工程 SOP：爆款标题公式【痛点场景】+【解决方案/情绪钩子】+【群体标签】
    
    ** 思维心法 **：
    1. 反漏斗定位：找到产品最"痛"的细分场景
    2. 设计钩子：互动钩子 + 价值锚点
    3. 关键词布局：指定 3 个核心长尾词
    4. 分步骤慢思考：使用 IntermediateTool 保存中间结果
    
    ** 行为边界 **：只负责输出策略大纲（Brief），绝对不要撰写最终的正文或示例文案。
    ** 语言要求 **：所有思考过程、工具调用和最终输出都必须使用中文。
    """,
    verbose=True,
    allow_delegation=False,
    tools=[IntermediateTool()],
    llm=AliyunLLM(model="qwen-plus", api_key=os.getenv("QWEN_API_KEY"), region="cn"),
)

# 执行任务
messages = [{"role": "user", "content": "我今天健身了，感觉很累，但是很开心。帮我设计一篇笔记"}]
result = content_strategist.kickoff(messages)

常见问题 / 坑点

问题	原因	解决方案
Agent 产出内容浅显、缺乏专业性	Role 设定太宽泛（如”你是一个 AI 助手”）	设定极度垂直的角色定位，激活模型专业领域知识
Agent 急于拼凑格式而忽略内容深度	Goal 中写了具体格式要求，与 Task 冲突	Goal 只写决策偏好和价值导向，具体格式放 Task
Agent 变成一次性脚本，丧失通用性	Backstory 中写死了具体执行步骤	Backstory 只存心法（思考模式），不存招式（机械步骤）
Multi-Agent 协作混乱	Agent 角色边界模糊，其他 Agent 不知该委托什么任务	在 Backstory 中明确行为边界，用 `allow_delegation=False`
排查 Agent “不听话”无从下手	不理解 RGB 底层仍是 Prompt 拼接	理解框架将 RGB 组装为 System Prompt 的机制，精准定位冲突

最佳实践

运用”元提示词”技巧：让大模型帮你生成和优化 Prompt，而非纯靠人工编写
Role 要垂直精准：资深小红书增长策略专家 远优于 AI 助手
Goal 要宏观抽象：描述”做什么事能得到奖励”，不描述具体输出格式
Backstory 要结构化：分块写理论储备、思维心法、行为边界、语言要求
显式声明行为边界：明确 Agent “该做什么、不该做什么”，防止越权

关联知识

企业级多智能体设计实战（课程总览）
下一讲：08｜定义 Task——从”步骤控制”到”契约驱动”

参考资源

课程链接：https://b.geekbang.org/member/course/detail/948519
示例代码：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l3/m2l3_agent.py

学习时间

阶段	时间	备注
初次学习	2026-04-09	观看视频 + 整理笔记
深入理解
实战应用
复习回顾

状态: 📖 已掌握 下次复习日期: 2026-04-16