最近在做一个任务型Agent，用GPT-4做规划+工具调用。系统Prompt改了快三十版了，加了CoT、few-shot示例、输出格式约束，但效果还是忽好忽坏。同一个输入，有时候能正确拆解步骤调用API，有时候直接跳过推理环节胡编参数。温度已经调到0.2了，示例也覆盖了主要场景，但就是不稳定。想问问大家在实际Agent项目里，Prompt工程有什么系统性的方法论吗？还是说这玩意儿真的只能靠玄学和反复试？