用Prompt调教Agent时总是答非所问，到底该写多详细？

说实话我觉得问题可能不在Prompt写多详细，而在你怎么定义“关键决策”和“待办事项”。大模型对这类抽象概念的理解跟你肯定不一样，它更擅长识别“明天下午三点前给客户发合同”这种明确表述，但“大家觉得这个方案可以，尽快推进”它就容易当闲聊过滤掉。我之前试过在Prompt里直接给结构化模板，比如“输出格式：决策内容+负责人+截止时间”，效果比单纯描述要好得多。

另外你提到的few-shot问题，我怀疑是不是例子给太少了？我一般会塞5到8个正反例，尤其是把“闲聊内容”和“真决策”的对比样例放进去，模型才能学会边界。还有个小技巧——在Prompt末尾加一句“如果内容不属于决策或待办，请标记为‘其他’”，给了它一个安全出口，反而能减少漏判。

不过说到底，会议纪要这种任务，光靠Prompt调优确实有天花板。我后来是把输出结果接了一层规则校验，比如检测“时间词+动词”的组合，没有就直接丢回给模型二次处理。你试过这种后处理逻辑吗？或者换个思路，干脆让模型先输出原始会议记录，再用另一个Agent专门做提取，任务拆开可能比一个复杂Prompt更稳。

试试把输出格式钉死成JSON，再给个反面案例，比纯描述管用得多。

试试给输出加个结构模板，比如“决策：xxx，时间：xxx”，模型会更听话。

试试把输出格式也锁死，比如让它必须按“决策：xxx 时间：xxx”的模板来，跑偏率能降不少。

few-shot别光给例子，把反面案例也塞进去，告诉它哪些不算决策，模型会老实很多。

试试把输出格式也钉死，比如让它先列“决策”再列“待办”，每条后面必须带时间，跑偏概率会低很多。

few-shot例子再多也不如你直接给它一个“反例”，告诉它哪些闲聊内容绝对不能算决策，效果立竿见影。

我之前也踩过类似的坑，后来发现光靠prompt里描述“要什么”不够，得先想清楚“不要什么”。比如你可以在指令里直接写“忽略寒暄、客套和主观评价”，再配合输出格式模板，让模型填“决策|负责人|截止时间”这样的固定字段，比纯文字描述稳很多。另外试试把会议记录按段落编号，在prompt里引用具体段号让模型只处理那几个区间，能减少闲聊干扰。你那怕漏时间节点的话，不妨单独加一条“所有日期和时间必须原样输出”的硬规则，比单纯说“提取”管用。

我最近也在调类似的场景，发现光靠角色设定和例子其实不够，关键是得把输出格式焊死。比如直接告诉模型“只输出JSON，字段必须包含decision和deadline，没有就写null”，跑偏概率会低很多。另外会议纪要这种任务，可能得先让模型把整段内容分段总结一遍，再从中抽决策项，一步到位确实容易漏。你试试把“提取”改成“先判断这段话是否包含行动指令，再决定是否输出”，效果应该会稳一些。

试试在Prompt里明确标注“只输出结构化字段+原文引用”，把闲聊和决策用分隔符切开，能稳不少。

说实话，加了few-shot还是不稳，大概率是例子里的“决策”和“时间节点”特征不够突出，模型没抓住你想要的边界感。我最近也在弄类似的东西，发现与其在Prompt里反复强调规则，不如先让它输出结构化JSON，再写个后处理脚本硬过滤掉非决策性内容，效果立竿见影。另外你试试在指令里加一句“如果对话中没有明确责任人和截止日期，就标记为待确认”，可能会减少漏掉关键时间的情况。

我之前搞会议纪要agent也踩过这个坑，后来发现光靠prompt不够，得在输出结构上做约束。你可以试试让它先输出“原始内容分类表”，再生成最终纪要，这样至少能过滤掉闲聊。另外，你给“关键决策”定义明确标准了吗？比如要包含“谁拍板+具体动作+截止时间”三要素，不然模型确实容易自由发挥。

我之前也踩过这个坑，后来发现光是加例子不够，得把“什么不算”也写进去。比如明确告诉它“日常寒暄、语气词、个人感受都别提取”，再给个反面示例，效果立刻稳了。另外你试试把输出格式固定成JSON或表格，强制它按字段填，漏时间节点的问题会好很多，不然模型自由发挥空间太大了。

试试把输出格式锁死成JSON模板，再限定只处理“决定”“截止日期”这类关键词，效果会稳很多。

我之前也踩过这个坑，后来发现光靠Prompt本身不够，关键是输出格式得锁死。比如让它必须用“决策：xxx｜时间：xxx”这种结构化模板，再配合一个简单的校验逻辑，跑偏率能降一半。另外你的few-shot例子可能太“完美”了，建议故意放一两个带干扰项的坏例子进去，让它知道哪些不要提取。

我觉得问题可能不在Prompt详细程度，而是你没把“会议记录”的输出格式和判断标准定义清楚。我试过类似场景，后来干脆让模型先输出“原始文本分类”，再让它基于分类结果整理，准确率就上来了。另外你说的时间节点容易漏，可以试试在Prompt里明确要求“每个决策必须关联发言人和时间戳”，不然模型确实会默认按语义优先级处理。你现在的few-shot例子是偏正向还是偏负向的？有时候反面示例反而更能帮它避坑。

我最近也在搞类似的东西，感觉光靠角色设定和例子真不够。后来发现把输出格式直接写死成JSON结构，比如“必须包含决策列表和对应责任人”，效果好很多。你可以试试在Prompt里加个“如果内容不属于决策或待办，直接忽略”的硬性约束，比堆描述管用。另外会议纪要这种场景，是不是得先做一遍说话人分离再喂给模型？不然它分不清谁说的，漏时间点挺正常的。

试试把任务拆开，先让它标时间点和发言人，再单独提取决策，别一步到位。

试试把“提取”改成“先判断每句话是不是决策或待办，再列表”，比堆例子管用。

会议纪要这个场景其实挺难的，因为“决策”和“闲聊”的边界本来就模糊，模型很难自己判断。你试过把任务拆成两步吗？先让它逐条标注每句话的类型（决策/待办/闲聊/信息同步），再单独提取，这样比一步到位稳很多。另外时间节点漏掉，可能是prompt里没明确要求保留原文时间表达，加一句“涉及时间的原话必须原样保留”会好一些。

会议纪要这个场景其实挺考验prompt设计的，因为“关键决策”本身就很模糊，模型没法知道你们团队对“决策”的定义边界在哪。我做过类似的待办提取，后来发现与其在prompt里堆描述，不如先把输出结构定死，比如让它按“决策/待办/风险/时间节点”四个字段分别填，每个字段再给一两个正反例，跑偏率会降不少。few-shot效果不稳定，很多时候是例子太少或者例子之间风格不一致，模型抓不到真正的判断标准。另外你可以试试让它先输出推理过程再给结论，比如先标出原文里哪些句子可能是决策，再筛选，这样漏掉时间节点的概率会低一些。角色设定那套我感觉作用有限，模型更吃具体的格式约束和边界说明。还有个思路是把长会议先切段，分段提取再合并，比一次性扔进去让它自己找要靠谱。

加例子时把“什么不算决策”也标出来试试，光教它认对的它还是分不清边界。