如何构建多Agent研究系统-03-提示词设计原则

[TOC]

多 agent 的提示词设计原则：精读《How we built our multi-agent research system》③ - 多 agent 的提示词设计原则：精读《How we built our multi-agent research system》③_哔哩哔哩_bilibili

🎯 观看指数

适合观看人群：AI 工程师、提示词工程师、多智能体系统开发者、机器学习研究者推荐分数：85 推荐理由：视频深度解析了 ANTHROPIC 在多智能体系统提示词工程方面的八项核心原则，内容专业详实，对从事 AI 系统开发和提示词设计的从业者具有很高的参考价值。

视频围绕 ANTHROPIC 的多智能体提示词设计原则展开，系统性地介绍了八条从实践中总结出的工程原则。内容涵盖了智能体心智模型构建、任务拆分授权机制、工具接口设计优化以及并行执行策略等多个维度，为构建高效可靠的多智能体系统提供了完整的方法论指导。

视频总时长：06:00:15

00:00:08 🎯 多智能体提示词原则概述：本章节介绍了 ANTHROPIC 总结的八条多智能体提示词工程原则，这些原则覆盖了从任务分工到工具接口设计的全链路经验，旨在提升系统的可控性、高效性和可靠性。重点强调了前三条关于指挥官管理团队的原则。

00:00:57 💡 建立智能体心智模型：探讨了设计有效提示词的关键在于理解智能体的真实工作方式。通过模拟控制台观察智能体的工具调用、推理过程和决策路径，发现了多个典型失败模式，如过度搜索、错误工具选择等。核心观点是必须建立准确的智能体心智模型才能设计出好的提示词。

00:01:18 📋 任务授权与拆解规范：详细讲解了主智能体如何将任务拆解成子任务并授权给子智能体执行。每个子任务必须包含目标、输出格式、工具指导和任务边界四项内容。清晰的指令定义能够避免子智能体之间的任务覆盖、遗漏或误解。

00:02:00 ⚖️ 任务复杂度匹配机制：分析了多智能体系统中简单任务过度投入和复杂任务投入不足的问题。ANTHROPIC 通过在 prompt 内嵌入明确的分级规则，为不同复杂度任务提供具体的投入建议，确保资源分配的合理性。

00:02:33 🛠️ 工具设计与选择优化：强调了工具描述在多智能体系统中的重要性，指出工具描述就是界面文档。提供了必须在 prompt 中显示指定的工具启发式规则，包括检查所有可用工具、匹配工具用途与任务意图、优先使用专业工具等。

00:03:17 🔄 智能体自我改进机制：介绍了 ANTHROPIC 发现模型本身可以作为优秀提示词工程师的创新做法。通过构建工具测试 agent，让模型主动测试工具、分析失败模式并自动生成新的工具描述，实现了 40% 的任务完成时间下降。

00:03:42 🔍 搜索策略与思维引导：探讨了先宽后窄的搜索策略和 thinking mode 机制。先宽后窄策略模拟专家研究行为模式，而 thinking mode 作为可控的草稿纸，能让模型输出可见的思考轨迹，显著提升指令遵循和推理质量。

00:04:52 ⚡ 并行执行性能优化：讲解了 ANTHROPIC 引入的两层并行机制——宏观并行和微观并行。宏观并行让主智能体一次性启动多个子 agent，微观并行让每个子 agent 内部同时使用多个工具。这种并行机制将复杂查询的研究时间缩短了 90%，实现了从不可用到可用的飞跃。