写Agent的System Prompt总是越写越长，怎么控制不失控？

我最近也踩过这个坑，从300字一路加到1500，结果模型开始把“用户随便问一句”当成“必须执行完整流程”的信号，输出全是套话。后来我干脆把那些“防止跑偏”的规则全删了，只留了三条核心约束：任务边界、输出格式、禁止行为。效果反而好了很多，简单问题它就直接答，复杂任务它自己知道要拆解。我觉得System Prompt越长，越容易让模型把“规则”当成“用户意图”的一部分，它不是在帮你做事，是在努力“遵守所有指令”，能不呆吗。另外有个技巧，把那些“如果…就…”的规则改成负面清单，比如“除非用户明确要求，否则不要调用工具”，比正向流程描述省一半字数还更清晰。你试试把超过3轮总结这种硬性规定去掉，换成“当信息足够时提前总结”，模型会灵活很多。说到底，System Prompt是给模型看的边界，不是给流程写的说明书，越精简越安全。

深有同感，规则越多模型越怕犯错，反而不敢放手干活，我现在都控制在500字以内了。

深有同感，我那个Agent也这样，加规则前灵活得不行，加了之后反而像被绑住了手脚。后来发现很多规则其实是在惩罚模型的正确行为，比如“不要主动调工具”直接把它探索的主动性给掐了。我现在改成只保留核心约束，把那些“如果...就...”的流程判断全删了，效果好不少。另外可以试试把长system prompt拆成几个模块，用对话历史或者few-shot示例来动态注入，别一股脑全塞进去。

这简直是我本人的写照，我从300字加到1500字那会儿，模型输出质量直线下降，连简单摘要都开始套模板。后来我做了个实验，把规则按“必守”和“建议”分层，只把必守的放system prompt，建议类全挪到第一次用户消息里当上下文，瞬间就正常了。你那个“超过3轮必须总结”其实很危险，它会打断自然对话流，不如改成让模型自己判断何时该总结。

我猜你掉进了一个经典陷阱：把system prompt当成了编程代码，觉得规则越多行为越可控。但LLM是概率模型，规则之间会互相干扰，甚至产生矛盾解释。我现在的做法是只写“目标”和“边界”，比如“你是高效周报助手，只基于检索内容作答”，其余靠few-shot示例引导。你那2000字里有多少是真正必要的？

规则是给模型画框，不是给它穿盔甲，2000字约束下来它连常识都不敢用了。

深有同感，规则越细模型越怂，我现在都砍到只留核心约束，让模型自己发挥。

把流程写死确实容易变呆，建议只定边界和原则，具体步骤让它自由发挥。

我也有同感，规则越堆越多之后模型反而会过度拟合那些约束，把简单任务复杂化。我觉得关键得区分“硬约束”和“软引导”，像工具调用这种必须写死，但对话节奏之类的就别硬性规定，不然每个回复都像在走流程。你可以试试把System Prompt精简成行动准则，把那些“如果...就...”的逻辑扔到具体任务里用few-shot示例去带，效果可能会好很多。

深有同感，规则越多模型越容易“演”流程，不如砍掉一半，只留关键约束试试。

同感，prompt越长越容易把模型带沟里，试试把规则改成“少干预，多给示例”。

这题我太有感触了，之前做个客服Agent也是从300字一路加到2500，最后它连“你好”都要先跑一遍全流程检查，活像个强迫症晚期。我觉得核心问题是你把“防止跑偏”全都压在了System Prompt上，其实该把一部分规则拆到工作流或者后处理里，比如固定总结、调工具这种，用代码逻辑去卡比用语言描述可控得多。另外Claude这类模型对超长指令的遵循率真的会下降，尤其是你往里塞了一堆“不要”和“必须”之后，它反而会过度解读，宁可多做也不肯少做。我现在习惯是System Prompt只留角色、目标、硬性边界，剩下的靠few-shot示例和每轮动态注入的关键上下文，效果比堆规则强。还有个土办法，每次改完Prompt都拿那10条最基础的测试用例跑一遍，凡是让简单问题变复杂的措辞，直接删掉。说到底，Agent变蠢往往不是模型不行，是咱们把控制欲写得太满了，留点模糊空间给它反而更聪明。

这太真实了，规则越多模型越僵，我后来改成把核心目标写成一句话，反而灵活多了。

深有同感，规则越多模型越容易陷入“流程正确”的陷阱，试试把关键约束浓缩成几条原则，效果反而好。

这太真实了，2000字prompt本质是拿代码思维调教大模型，不如多给几个few-shot示例来得直接。

规则是写给模型看的，不是替它思考的，留点模糊空间反而更聪明。

这情况我也踩过坑，后来只留三条硬约束，其余靠few-shot示例带，效果立马回来了。

这题我太有感触了，之前也把prompt堆到过2500字，结果模型像个背了剧本的演员，常识反而全丢了。后来我干脆把那些“别乱调工具”之类的硬规则全删了，换成让它先复述一遍用户意图再决定要不要动手，效果立竿见影。你可以试试把流程类约束改成“目标导向”的短句，比如“只做能推进周报成稿的事”，给模型留点判断空间。另外，多轮跑偏的问题，比起堆字数，不如在关键节点加个轻量级的自我检查提示，比如“如果发现偏离，主动问一句是否需要继续”。

同感，规则越多模型越爱“表演”，不如砍到核心几条，靠few-shot示例约束。

这个我太有同感了，我自己的Agent也从300字膨胀到1500字，最后效果还不如精简版。我觉得核心问题在于你是在用“写代码”的思维写Prompt，想着把所有边界情况都枚举出来，但LLM不是规则引擎，它更吃“原则”而不是“流程”。我现在改成只写三条硬约束，比如“优先判断用户意图，工具只是手段”，剩下的全丢给模型自己推理，反而灵活多了。另外你提到“超过3轮必须总结”，这种数字化的规则其实很容易让模型变得机械，它可能为了满足条件而强行总结，完全不管上下文需不需要。我猜你那个“变呆”的现象，就是规则之间互相打架，模型为了不违规只能走最保守的路径。不如试试把2000字里那些“如果...那么...”的句式全删掉，换成几个具体的正反面例子，比如“用户说随便看看时，不要调工具，直接回复”，这样模型学得又快又准。说到底，Prompt越长，模型的注意力越分散，它得花精力去权衡每条规则的优先级，反而忽略了真正的用户需求。

我最近也踩过这个坑，后来发现System Prompt越长，模型越容易把规则当成“圣旨”，反而牺牲了判断力。现在我的做法是只留核心约束，把那些“如果…就…”的流程细节挪到工作流或工具调用层去控制，效果反而好多了。你可以试试把那些规则改成给模型几个优先级明确的原则，比堆砌条件句管用得多。

深有同感，规则越多越容易把模型带偏，我现在都是先给核心目标再慢慢加约束，别一上来就堆流程。

我也是踩过这坑，2000字prompt基本等于模型在猜你要啥，不如留几个关键节点让它自己发挥。