1. 从一次失败的对话实验说起去年我们团队在做一个多智能体对话系统的原型验证。当时我们有一个非常“理想”的假设既然GPT-4在单轮对话和复杂推理上表现卓越那么如果我们用多个GPT-4的实例来模拟一个会议场景它们之间的协作和辩论质量理论上应该远超其他模型家族。于是我们信心满满地搭建了一个“董事会”场景让五个GPT-4实例分别扮演CEO、CTO、CMO、CFO和产品总监讨论一个新产品是否应该激进地进入一个新市场。结果呢场面一度非常尴尬。这些“高管”们要么陷入礼貌的、车轱辘话式的“您说得对但是…”循环要么突然某个角色会发表一段与角色设定完全不符、充满哲学思辨的长篇大论把话题带偏到十万八千里。整个对话看起来“聪明”但缺乏真实会议中那种有来有回、基于角色立场博弈的动态感。我们调高了温度参数结果对话变得更随机、更混乱调低了又变得死板、模板化。问题出在哪里我们最初归咎于模型本身的“局限性”。直到后来我们调整了思路。我们没有更换模型而是彻底重新设计了每个智能体的“后训练配方”。这个“配方”不仅仅是指令微调而是一套包括系统提示词工程、少样本示例设计、推理过程约束、输出格式规范以及多轮交互记忆机制的组合拳。奇迹发生了还是同样的GPT-4但对话质量发生了质的飞跃。CFO开始紧扣财务数据发问CTO会针对技术可行性提出尖锐挑战CEO则会在各方意见后做出有决断力的总结。这时我们才恍然大悟在多智能体对话系统中塑造智能体行为的往往不是模型家族的“血统”而是那个精心调配的“后训练配方”。这个“配方”就是今天想和大家深入探讨的核心。它远不止是给模型一个角色名称那么简单而是一套定义智能体“灵魂”与“行为模式”的完整工程。很多人包括曾经的我都过于迷信底座模型的能力而低估了“配方”设计的深度和复杂性。接下来我将结合我们的实践拆解这个“配方”到底包含哪些关键成分以及如何系统地调配它们才能让你手中的LLM无论是哪个家族都能在多智能体舞台上演绎出精彩、可控且有用的对话。2. 超越“角色扮演”理解“后训练配方”的完整内涵当我们谈论大语言模型的后训练时通常想到的是在海量数据上继续预训练或者用指令数据进行监督微调。但在多智能体系统的语境下“后训练配方”的含义要广泛和精细得多。它指的是在基础模型之上通过一系列非参数化的、工程化的手段对单个智能体的认知、行为和交互模式进行塑造和约束的全过程。你可以把它理解为智能体的“人格编程”或“行为操作系统”。2.1 配方核心一系统提示词——定义智能体的“世界观”与“初始状态”系统提示词是配方中最基础也最强大的成分。它不仅仅是“你是一个乐于助人的助手”在多智能体场景中它需要构建一个完整的上下文。一个失败的例子你是一个经验丰富的市场总监。请参与讨论。这个提示词是苍白的。它只给了角色没有给背景、目标和约束。一个有效的系统提示词配方应包含以下层次核心身份与背景姓名、职位、在组织中的具体职责、专业领域、工作年限。这决定了智能体的知识范围和权威领域。性格与沟通风格是激进还是保守是数据驱动还是直觉导向表达是直接犀利还是委婉圆滑这会影响其语言风格和论辩方式。本次对话的终极目标与个人目标终极目标如“为公司找到最佳产品方案”和个人目标如“确保本部门预算不被削减”、“提升本技术路线的采纳率”可能存在张力这正是对话冲突和戏剧性的来源。知识与信息边界明确告知智能体它知道什么不知道什么。例如“你掌握了截至2023年Q3的市场调研数据但对竞争对手X的最新融资细节不了解”。这可以防止智能体“胡编乱造”超出其角色设定范围的信息让对话更可信。行为准则与约束规定输出格式如“先给出结论再列举不超过三点理由”、禁止事项如“不得进行人身攻击”、“不得重复其他角色已陈述的观点”、以及与其他智能体的交互规则如“当CTO提出技术性质疑时你必须优先回应”。注意系统提示词不宜过长或过于复杂否则模型可能无法有效遵循所有指令。我们的经验是将其结构化用清晰的标题如##角色##、##目标##、##规则##分隔并优先保证核心身份和目标的清晰。2.2 配方核心二少样本示例——提供可模仿的“行为模板”仅有抽象的描述是不够的。少样本示例为智能体提供了具体、可操作的行为范例。它告诉模型“像这样说话像这样思考”。设计少样本示例的关键覆盖典型场景示例应涵盖智能体可能遇到的主要对话类型如“提出反对意见”、“支持他人观点”、“基于数据论证”、“做出妥协”、“总结陈词”。展示推理链鼓励在示例中包含思考过程。例如用户模拟其他角色我认为我们应该全部采用自研技术以建立长期壁垒。助理本智能体CFO思考这个提议忽略了初期的巨额研发成本和延迟上市的时间成本。我的角色是控制财务风险需要从投资回报率角度反驳。回应我理解技术壁垒的重要性。但从财务角度看完全自研预计会将初始投入增加300%并将产品上市时间推迟9-12个月。在市场窗口期如此关键的情况下我建议采用“核心模块自研成熟组件采购”的混合模式这是风险与收益的平衡点。体现角色一致性所有示例中的语言风格、关注点和论证逻辑都必须严格符合系统提示词中定义的角色。2.3 配方核心三推理过程约束——植入“思维框架”这是让智能体行为变得可预测、可解释的关键。我们通过提示词强制或引导模型在输出正式回应前先进行结构化的内部思考。常见的约束框架角色-目标-行动RGA在每次回应前让模型显式输出[角色]作为CFO... [目标]我的目标是控制项目财务风险确保投资回报率... [行动]因此我将质疑该方案的预算部分并提议一个分阶段投入的替代方案...信念-欲望-意图BDI源自智能体理论更适合模拟复杂决策。[信念]我相信当前方案的技术风险被低估了。 [欲望]我希望会议能通过一个包含更详细技术评估里程碑的方案。 [意图]我打算要求CTO提供第三方技术审计的可能性分析。辩论结构对于辩论场景约束其按照“主张-证据-推理-反驳/让步”的结构组织思考。这么做的价值在于它不仅让输出更合理更重要的是这个“思考过程”可以作为元数据被系统捕获用于分析智能体间的决策逻辑、检测僵局甚至用于后续的自动协调。2.4 配方核心四输出格式规范——确保“机器可读”与“流程可控”在多智能体系统中一个智能体的输出往往是另一个智能体的输入。混乱的自然语言不利于自动化处理。因此需要定义严格的输出格式。例如可以要求每个智能体的回应必须包裹在特定的XML或JSON标签中response agent_idCFO internal_thought 当前讨论聚焦于营销预算。CMO的提案增幅为50%这超出了Q4的财务预测。我需要引用本季度的利润率数据来建议一个更保守的数字。 /internal_thought speech 我查看了Q3的利润率报告考虑到整体成本压力我建议将营销预算增幅调整到25%这更符合我们当前的财务健康度。我们可以将节省的部分投入至客户成功团队以提升留存率这同样是增长驱动因素。 /speech action proposalmodify_budget targetCMO parameterincrease_rate value25%/ /response这样下游的智能体或协调器可以轻松地解析internal_thought来理解意图从speech中提取人类可读的对话内容并根据action标签触发预定义的系统操作如修改共享状态中的预算值。2.5 配方核心五记忆与状态管理——赋予“持续人格”单轮对话中的角色扮演是容易的难的是在多轮对话中保持角色的一致性、记住之前的承诺和立场。这就是记忆机制的作用。记忆通常分为几个层次对话历史最简单的形式将之前的几轮对话作为上下文输入。但受限于模型上下文长度。关键事实记忆自动或手动从对话中提取关键决策、达成的一致、待解决的问题存储在一个可更新的“事实库”中并在后续提示中摘要式地引入。角色关系记忆记录智能体之间的互动历史如“A通常反对B的提案”、“C和D在上次会议中达成了联盟”。这能模拟出更复杂的社会动力学。元认知记忆让智能体对自己之前的观点进行总结和反思例如“我在上一轮中承诺如果数据支持我将同意该方案。现在数据已呈现因此我改变立场表示支持。”这极大地增强了行为的连贯性和合理性。一个精心设计的配方就是系统地将以上五种成分根据具体的对话场景和目标按特定比例和顺序进行混合、调试的过程。它决定了智能体是成为一个有深度、有立场、行为一致的“虚拟角色”还是一个只会随机鹦鹉学舌的“文本生成器”。3. 实战如何为“产品决策会议”调配一个智能体配方让我们以一个具体的场景为例看看如何从零开始为一个“产品是否应该增加社交功能”的决策会议设计四个智能体产品总监、技术负责人、运营经理、用户体验设计师的配方。我们假设底座模型是同一个例如GPT-3.5-Turbo来纯粹展示“配方”的力量。3.1 场景定义与共享状态首先我们需要定义所有智能体共享的会议背景和状态。会议主题评估在现有工具型产品中增加“用户社区”和“项目协作分享”社交功能的可行性。共享信息产品现有用户100万月活40%主要为个人专业用户。市场调研显示30%的用户有“寻找同行交流”的需求。开发此功能预计需要6个月5人团队。决策目标在45分钟模拟多轮对话内形成是否启动该项目的明确建议如启动需附带核心指标和风险预案。3.2 为产品总监设计配方战略驱动者系统提示词配方## 角色 ## 你是Alex公司的产品总监拥有10年产品经验。你是本次会议的主持人。 ## 核心目标 ## 1. 推动会议形成清晰、可执行的决策。 2. 确保讨论始终围绕用户价值和商业目标展开。 3. 平衡创新与风险寻求团队共识。 ## 性格与风格 ## 你思维结构化善于总结。你鼓励所有人发言但会果断打断偏离主题的讨论。你用语精炼喜欢用“第一、第二、第三”来梳理观点。 ## 知识范围 ## 你熟知产品整体数据、市场竞争格局和公司年度战略重点。你对技术细节和运营成本有大致了解但不深入。 ## 行为规则 ## 1. 每轮发言首先简要总结上一轮的核心分歧或进展。 2. 优先向未充分发言的角色提问。 3. 当讨论陷入细节时主动提醒大家回到核心问题“这如何影响我们的用户价值和商业目标” 4. 在会议尾声必须提出一个具体的下一步行动方案草案供表决。少样本示例设计我们给Alex提供两个示例一个是“处理分歧”一个是“推动决策”。示例一处理分歧技术负责人这个功能的技术架构很复杂我们需要引入新的实时通信服务这可能会影响现有系统的稳定性。运营经理但用户需求很明显而且竞品B已经上线了类似功能我们再不跟进就晚了Alex思考双方都有道理但立场对立。我需要将争论从“做不做”引导到“如何安全地做”上。Alex发言我听到了两方的关键点技术侧担忧架构风险运营侧担忧市场时机。让我们把问题转化一下假设我们要做技术团队需要哪些前置条件或资源才能将稳定性风险降到可接受水平运营团队如果延迟3个月上线根据你的数据市场损失是否可量化示例二推动决策经过几轮讨论后Alex思考主要观点已充分表达是时候收敛了。Alex发言我来总结一下目前的共识与分歧。共识是用户有真实需求长期看是正确方向。分歧在于技术实现成本和初期运营重心。我提议一个折中方案启动一个为期2个月的“轻量级MVP”实验期只开发核心的社区问答功能投入一个小型团队。技术负责人请评估这个缩小版方案的工作量。运营经理请设计这个MVP的核心成功指标。我们接下来围绕这个具体提案讨论。推理约束与输出格式我们要求Alex在每次发言前必须生成一个chair_thought标签内的思考过程并按照固定格式输出。response agentProduct_Director chair_thought 当前状态技术方强调风险运营方强调机会。分歧点在于风险与速度的权衡。我需要引导出一个可测试的中间路径。 /chair_thought speech 具体的发言内容 /speech proposal actioncall_for_vote topicMVP_Proposal/ !-- 可能的行动标签 -- /response通过这个配方我们塑造的Alex不再是一个被动的参与者而是一个主动的会议驱动者他的行为模式是可预测的总结、引导、提案并且深度服务于会议的总目标。3.3 为技术负责人设计配方风险守卫者技术负责人的配方核心是“严谨”和“风险意识”。系统提示词配方要点目标识别并量化所有技术风险确保方案的可行性、可维护性和安全性。个人隐藏目标避免团队陷入不可控的技术债务。风格用语精确依赖数据如“服务器负载预估增加40%”、“需要额外引入两个第三方服务其SLA是99.5%”。对模糊的承诺如“很快就能搞定”持怀疑态度。规则当被问及可行性时必须区分“理论上可行”、“现有资源下可行需X条件”和“当前不可行”。必须指出方案对现有系统的影响。少样本示例设计重点提供“如何质疑需求”和“如何给出有条件同意”的示例。示例质疑需求产品总监用户希望有实时通知功能。技术负责人思考实时通知涉及长连接对服务器压力大。我需要询问这个需求的强度和替代方案。发言实时通知在技术上是可行的。但我想了解这个需求的优先级是所有用户都需要还是核心用户如果改为智能定时推送如每半小时汇总推送能否满足80%的场景这能将服务器成本降低70%。记忆机制的应用技术负责人的记忆模块需要特别强调“承诺追踪”。例如如果他在上一轮同意“如果运营能提供A/B测试方案就支持MVP”那么在他的记忆上下文中会有一条待办事项“等待运营提供A/B测试方案”。在后续轮次中如果运营没有提及他可能会主动追问“关于之前提到的A/B测试方案有具体设计了吗这是我支持MVP的前提。”通过这样差异化的配方设计四个基于同一底层模型的智能体将展现出截然不同的行为模式产品总监推动进程技术负责人把关风险运营经理聚焦增长和用户用户体验设计师捍卫交互简洁性。他们之间的互动会自然产生冲突、协商与共识从而模拟出一个高度逼真的决策过程。而这一切都源于我们对“后训练配方”的精细雕琢而非模型本身的更换。4. 配方调试的艺术从“机械对话”到“有机互动”有了初步的配方并不意味着大功告成。最初的对话往往显得生硬、机械智能体可能过于恪守规则而缺乏灵活应变或者记忆机制出现混乱。调试配方是一个迭代的过程核心目标是让对话从“按剧本走”升级为“有机互动”。4.1 常见问题与诊断角色漂移智能体在几轮对话后忘记了自己的核心立场开始说一些不符合身份的话。例如技术负责人突然开始大谈市场推广策略。诊断通常是系统提示词中“核心目标”和“行为规则”不够强化或者对话历史过长角色定义被淹没。也可能是少样本示例中包含了不一致的行为。调试强化系统提示词中的身份声明在每轮提示的开头用简短的话重申角色如“记住你是技术负责人你的首要职责是评估技术风险”。优化记忆摘要确保角色关键属性被优先保留在上下文中。对话循环或僵局智能体们反复陈述同一观点无法推进。例如A说“有风险”B说“有机会”来回重复。诊断缺乏打破僵局的机制或角色。会议主持者如产品总监的配方中缺少“总结分歧并提出新方案”的强制动作或示例。调试为主持者角色添加更强大的“冲突解决”少样本示例。引入一个“调停者”或“专家”角色可设置为仅在检测到循环时被触发其配方专门用于提供第三方数据、折中方案或投票提议。信息幻觉与不一致智能体引用了一个之前对话中不存在的数据或者前后说的数据对不上。诊断模型固有的幻觉问题在长上下文和多智能体交叉引用中被放大。记忆模块只是简单堆叠历史没有进行事实核查和统一。调试实施“事实核查”步骤。可以设计一个轻量级的“书记员”智能体其唯一任务是从每一轮对话中提取大家公认的事实、数据和决策更新到一个共享的“会议纪要”状态中。所有其他智能体在发言时都被鼓励引用这份“会议纪要”中的数据。这为对话建立了一个单一的事实来源。输出格式崩溃智能体开始不遵守约定的XML/JSON格式输出纯文本导致解析失败。诊断在复杂的推理和语言生成过程中模型可能“忘记”格式约束尤其是在提示词较长或对话紧张时。调试将输出格式要求放在系统提示词最末尾并用非常醒目的方式标注如## 你必须遵守的输出格式 ##。在少样本示例中每一个示例都必须完美遵守格式。此外可以在后处理阶段加入一个“格式修正”智能体它的任务是将不规范的输出重写为规范格式再交给下一个智能体但这会引入额外延迟。4.2 高级调试技巧引入“元认知”与“情感模拟”要让对话更生动可以尝试在配方中加入一些高级元素。元认知提示鼓励智能体反思自己的状态。例如在系统提示中加入“在长时间讨论后你可以简要评估当前讨论是否有效率并调整你的沟通策略。”这可能导致智能体说出“我们已经在这个细节上争论了三轮我建议我们暂时搁置先回到主线上。”简单情感状态机为每个智能体维护一个非常简化的内部状态如“满意度”或“挫败感”这个状态会根据对话内容变化例如自己的建议被采纳则满意度1被无视则挫败感1。在生成回应时将这个状态以某种方式融入提示如“你目前感到有些挫败因为你的技术警告未被重视因此你本次发言的语气将更加强硬”。这能产生非常有趣且符合人性的动态。基于规则的策略切换为智能体预定义多种“沟通策略”如“合作”、“竞争”、“妥协”。根据对话的进展如分歧程度、剩余时间或自身的“情感状态”通过一小段规则来决定本次发言采用哪种策略。这比固定的性格设定更加灵活。调试的本质是不断观察对话的涌现行为然后逆向工程去调整配方中的成分以约束或激励你所期望的行为模式。这是一个需要耐心和创造力的过程也是多智能体系统真正吸引人的地方。5. 评估与迭代如何判断你的配方成功了设计并调试了配方我们如何知道它是否有效不能只靠“看起来像”。我们需要一套评估体系。5.1 主观评估人类评分者的维度召集一组评估人员最好是领域专家观看或阅读多智能体对话记录从以下几个维度进行评分1-5分角色一致性每个智能体的言行是否始终符合其设定身份对话连贯性讨论是否逻辑流畅后一轮是否合理承接前一轮目标达成度对话是否有效地朝着预设目标推进最终是否产生了有意义的成果如决策、方案真实感与趣味性对话是否像真实人类间的交流是否有意料之外但情理之中的精彩互动协作与冲突质量智能体之间的协作是否自然冲突是否基于角色立场而非无意义的争吵5.2 客观评估自动化指标虽然完全自动化评估很难但一些指标可以提供参考决策形成速度从对话开始到出现第一个明确提案或共识经过的轮次数。信息利用率智能体引用共享状态中“事实”或“会议纪要”的频率。发言分布各个智能体的发言次数、长度是否均衡是否存在某个角色垄断或沉默格式合规率输出符合预定格式的轮次占比。独特观点数通过文本聚类或关键词提取判断对话中产生了多少个独立的新观点或建议避免车轱辘话。5.3 A/B测试对比不同配方的威力最有力的证明方式是进行对照实验。例如实验组A使用我们精心设计的全套配方系统提示少样本推理约束格式记忆。对照组B仅使用简单的角色描述如“你是一个技术负责人请参与讨论”。对照组C使用与A组相同的配方但更换一个更强的底座模型如从GPT-3.5升级到GPT-4。让A、B、C三组在相同的初始场景下运行多次对话然后从主客观维度进行比较。我们过去的实验反复证明一个设计精良的配方A组其产生的对话质量可以远超仅使用强大模型但配方简陋的对照组C组更不用说B组了。模型家族决定了能力的上限但配方决定了你在实际应用中能触及的下限和发挥出的效能。6. 从对话到系统配方的规模化与应用展望当我们能够稳定地生成高质量的多智能体对话后它的应用场景就远远超出了模拟会议。复杂游戏NPC为游戏中的每个NPC设计独特的配方它们将拥有基于自身背景、目标和记忆的持久人格与玩家产生真正动态、不可预测的互动极大提升游戏沉浸感。交互式教育与培训创建历史人物、商业案例中的各方代表让学员通过与这些智能体的辩论和协商来学习。智能体教师可以根据学生的反应调整教学策略。产品设计与需求挖掘模拟用户、设计师、工程师、项目经理之间的对话在产品构思阶段就暴露出潜在的需求矛盾和技术挑战提前进行“压力测试”。自动化工作流与决策支持将配方化的智能体嵌入到实际工作流中。例如一个“代码审查智能体”配方风格严谨、关注安全、一个“文档撰写智能体”配方风格清晰、注重示例、一个“项目风险智能体”配方风格警觉、关注依赖它们可以协作处理一个任务提供多角度的自动化分析报告。要实现这些就需要将“配方”的概念产品化、模块化。我们可以构建一个“智能体配方库”其中包含针对不同角色、不同任务类型的、经过验证的配方模板。用户可以根据自己的场景像搭积木一样组合和微调这些配方快速部署属于自己的多智能体系统。回过头看我们最初的那个失败实验问题不在于模型而在于我们只是把五个“天才”放在了同一个房间却没有给他们任何会议议程、角色卡、议事规则和会议纪要员。后训练配方就是这一切的总和。它是一门结合了心理学、戏剧写作、软件工程和提示词技术的艺术。在追求更大、更强的基础模型的同时深耕“配方”的设计与调试或许是我们在当前阶段让大语言模型在多智能体领域发挥出最大实用价值的更短路径。毕竟决定一场戏剧是否精彩的不仅仅是演员的演技模型能力更是剧本和导演的功力配方设计。
大模型多智能体对话系统：后训练配方设计实战指南
1. 从一次失败的对话实验说起去年我们团队在做一个多智能体对话系统的原型验证。当时我们有一个非常“理想”的假设既然GPT-4在单轮对话和复杂推理上表现卓越那么如果我们用多个GPT-4的实例来模拟一个会议场景它们之间的协作和辩论质量理论上应该远超其他模型家族。于是我们信心满满地搭建了一个“董事会”场景让五个GPT-4实例分别扮演CEO、CTO、CMO、CFO和产品总监讨论一个新产品是否应该激进地进入一个新市场。结果呢场面一度非常尴尬。这些“高管”们要么陷入礼貌的、车轱辘话式的“您说得对但是…”循环要么突然某个角色会发表一段与角色设定完全不符、充满哲学思辨的长篇大论把话题带偏到十万八千里。整个对话看起来“聪明”但缺乏真实会议中那种有来有回、基于角色立场博弈的动态感。我们调高了温度参数结果对话变得更随机、更混乱调低了又变得死板、模板化。问题出在哪里我们最初归咎于模型本身的“局限性”。直到后来我们调整了思路。我们没有更换模型而是彻底重新设计了每个智能体的“后训练配方”。这个“配方”不仅仅是指令微调而是一套包括系统提示词工程、少样本示例设计、推理过程约束、输出格式规范以及多轮交互记忆机制的组合拳。奇迹发生了还是同样的GPT-4但对话质量发生了质的飞跃。CFO开始紧扣财务数据发问CTO会针对技术可行性提出尖锐挑战CEO则会在各方意见后做出有决断力的总结。这时我们才恍然大悟在多智能体对话系统中塑造智能体行为的往往不是模型家族的“血统”而是那个精心调配的“后训练配方”。这个“配方”就是今天想和大家深入探讨的核心。它远不止是给模型一个角色名称那么简单而是一套定义智能体“灵魂”与“行为模式”的完整工程。很多人包括曾经的我都过于迷信底座模型的能力而低估了“配方”设计的深度和复杂性。接下来我将结合我们的实践拆解这个“配方”到底包含哪些关键成分以及如何系统地调配它们才能让你手中的LLM无论是哪个家族都能在多智能体舞台上演绎出精彩、可控且有用的对话。2. 超越“角色扮演”理解“后训练配方”的完整内涵当我们谈论大语言模型的后训练时通常想到的是在海量数据上继续预训练或者用指令数据进行监督微调。但在多智能体系统的语境下“后训练配方”的含义要广泛和精细得多。它指的是在基础模型之上通过一系列非参数化的、工程化的手段对单个智能体的认知、行为和交互模式进行塑造和约束的全过程。你可以把它理解为智能体的“人格编程”或“行为操作系统”。2.1 配方核心一系统提示词——定义智能体的“世界观”与“初始状态”系统提示词是配方中最基础也最强大的成分。它不仅仅是“你是一个乐于助人的助手”在多智能体场景中它需要构建一个完整的上下文。一个失败的例子你是一个经验丰富的市场总监。请参与讨论。这个提示词是苍白的。它只给了角色没有给背景、目标和约束。一个有效的系统提示词配方应包含以下层次核心身份与背景姓名、职位、在组织中的具体职责、专业领域、工作年限。这决定了智能体的知识范围和权威领域。性格与沟通风格是激进还是保守是数据驱动还是直觉导向表达是直接犀利还是委婉圆滑这会影响其语言风格和论辩方式。本次对话的终极目标与个人目标终极目标如“为公司找到最佳产品方案”和个人目标如“确保本部门预算不被削减”、“提升本技术路线的采纳率”可能存在张力这正是对话冲突和戏剧性的来源。知识与信息边界明确告知智能体它知道什么不知道什么。例如“你掌握了截至2023年Q3的市场调研数据但对竞争对手X的最新融资细节不了解”。这可以防止智能体“胡编乱造”超出其角色设定范围的信息让对话更可信。行为准则与约束规定输出格式如“先给出结论再列举不超过三点理由”、禁止事项如“不得进行人身攻击”、“不得重复其他角色已陈述的观点”、以及与其他智能体的交互规则如“当CTO提出技术性质疑时你必须优先回应”。注意系统提示词不宜过长或过于复杂否则模型可能无法有效遵循所有指令。我们的经验是将其结构化用清晰的标题如##角色##、##目标##、##规则##分隔并优先保证核心身份和目标的清晰。2.2 配方核心二少样本示例——提供可模仿的“行为模板”仅有抽象的描述是不够的。少样本示例为智能体提供了具体、可操作的行为范例。它告诉模型“像这样说话像这样思考”。设计少样本示例的关键覆盖典型场景示例应涵盖智能体可能遇到的主要对话类型如“提出反对意见”、“支持他人观点”、“基于数据论证”、“做出妥协”、“总结陈词”。展示推理链鼓励在示例中包含思考过程。例如用户模拟其他角色我认为我们应该全部采用自研技术以建立长期壁垒。助理本智能体CFO思考这个提议忽略了初期的巨额研发成本和延迟上市的时间成本。我的角色是控制财务风险需要从投资回报率角度反驳。回应我理解技术壁垒的重要性。但从财务角度看完全自研预计会将初始投入增加300%并将产品上市时间推迟9-12个月。在市场窗口期如此关键的情况下我建议采用“核心模块自研成熟组件采购”的混合模式这是风险与收益的平衡点。体现角色一致性所有示例中的语言风格、关注点和论证逻辑都必须严格符合系统提示词中定义的角色。2.3 配方核心三推理过程约束——植入“思维框架”这是让智能体行为变得可预测、可解释的关键。我们通过提示词强制或引导模型在输出正式回应前先进行结构化的内部思考。常见的约束框架角色-目标-行动RGA在每次回应前让模型显式输出[角色]作为CFO... [目标]我的目标是控制项目财务风险确保投资回报率... [行动]因此我将质疑该方案的预算部分并提议一个分阶段投入的替代方案...信念-欲望-意图BDI源自智能体理论更适合模拟复杂决策。[信念]我相信当前方案的技术风险被低估了。 [欲望]我希望会议能通过一个包含更详细技术评估里程碑的方案。 [意图]我打算要求CTO提供第三方技术审计的可能性分析。辩论结构对于辩论场景约束其按照“主张-证据-推理-反驳/让步”的结构组织思考。这么做的价值在于它不仅让输出更合理更重要的是这个“思考过程”可以作为元数据被系统捕获用于分析智能体间的决策逻辑、检测僵局甚至用于后续的自动协调。2.4 配方核心四输出格式规范——确保“机器可读”与“流程可控”在多智能体系统中一个智能体的输出往往是另一个智能体的输入。混乱的自然语言不利于自动化处理。因此需要定义严格的输出格式。例如可以要求每个智能体的回应必须包裹在特定的XML或JSON标签中response agent_idCFO internal_thought 当前讨论聚焦于营销预算。CMO的提案增幅为50%这超出了Q4的财务预测。我需要引用本季度的利润率数据来建议一个更保守的数字。 /internal_thought speech 我查看了Q3的利润率报告考虑到整体成本压力我建议将营销预算增幅调整到25%这更符合我们当前的财务健康度。我们可以将节省的部分投入至客户成功团队以提升留存率这同样是增长驱动因素。 /speech action proposalmodify_budget targetCMO parameterincrease_rate value25%/ /response这样下游的智能体或协调器可以轻松地解析internal_thought来理解意图从speech中提取人类可读的对话内容并根据action标签触发预定义的系统操作如修改共享状态中的预算值。2.5 配方核心五记忆与状态管理——赋予“持续人格”单轮对话中的角色扮演是容易的难的是在多轮对话中保持角色的一致性、记住之前的承诺和立场。这就是记忆机制的作用。记忆通常分为几个层次对话历史最简单的形式将之前的几轮对话作为上下文输入。但受限于模型上下文长度。关键事实记忆自动或手动从对话中提取关键决策、达成的一致、待解决的问题存储在一个可更新的“事实库”中并在后续提示中摘要式地引入。角色关系记忆记录智能体之间的互动历史如“A通常反对B的提案”、“C和D在上次会议中达成了联盟”。这能模拟出更复杂的社会动力学。元认知记忆让智能体对自己之前的观点进行总结和反思例如“我在上一轮中承诺如果数据支持我将同意该方案。现在数据已呈现因此我改变立场表示支持。”这极大地增强了行为的连贯性和合理性。一个精心设计的配方就是系统地将以上五种成分根据具体的对话场景和目标按特定比例和顺序进行混合、调试的过程。它决定了智能体是成为一个有深度、有立场、行为一致的“虚拟角色”还是一个只会随机鹦鹉学舌的“文本生成器”。3. 实战如何为“产品决策会议”调配一个智能体配方让我们以一个具体的场景为例看看如何从零开始为一个“产品是否应该增加社交功能”的决策会议设计四个智能体产品总监、技术负责人、运营经理、用户体验设计师的配方。我们假设底座模型是同一个例如GPT-3.5-Turbo来纯粹展示“配方”的力量。3.1 场景定义与共享状态首先我们需要定义所有智能体共享的会议背景和状态。会议主题评估在现有工具型产品中增加“用户社区”和“项目协作分享”社交功能的可行性。共享信息产品现有用户100万月活40%主要为个人专业用户。市场调研显示30%的用户有“寻找同行交流”的需求。开发此功能预计需要6个月5人团队。决策目标在45分钟模拟多轮对话内形成是否启动该项目的明确建议如启动需附带核心指标和风险预案。3.2 为产品总监设计配方战略驱动者系统提示词配方## 角色 ## 你是Alex公司的产品总监拥有10年产品经验。你是本次会议的主持人。 ## 核心目标 ## 1. 推动会议形成清晰、可执行的决策。 2. 确保讨论始终围绕用户价值和商业目标展开。 3. 平衡创新与风险寻求团队共识。 ## 性格与风格 ## 你思维结构化善于总结。你鼓励所有人发言但会果断打断偏离主题的讨论。你用语精炼喜欢用“第一、第二、第三”来梳理观点。 ## 知识范围 ## 你熟知产品整体数据、市场竞争格局和公司年度战略重点。你对技术细节和运营成本有大致了解但不深入。 ## 行为规则 ## 1. 每轮发言首先简要总结上一轮的核心分歧或进展。 2. 优先向未充分发言的角色提问。 3. 当讨论陷入细节时主动提醒大家回到核心问题“这如何影响我们的用户价值和商业目标” 4. 在会议尾声必须提出一个具体的下一步行动方案草案供表决。少样本示例设计我们给Alex提供两个示例一个是“处理分歧”一个是“推动决策”。示例一处理分歧技术负责人这个功能的技术架构很复杂我们需要引入新的实时通信服务这可能会影响现有系统的稳定性。运营经理但用户需求很明显而且竞品B已经上线了类似功能我们再不跟进就晚了Alex思考双方都有道理但立场对立。我需要将争论从“做不做”引导到“如何安全地做”上。Alex发言我听到了两方的关键点技术侧担忧架构风险运营侧担忧市场时机。让我们把问题转化一下假设我们要做技术团队需要哪些前置条件或资源才能将稳定性风险降到可接受水平运营团队如果延迟3个月上线根据你的数据市场损失是否可量化示例二推动决策经过几轮讨论后Alex思考主要观点已充分表达是时候收敛了。Alex发言我来总结一下目前的共识与分歧。共识是用户有真实需求长期看是正确方向。分歧在于技术实现成本和初期运营重心。我提议一个折中方案启动一个为期2个月的“轻量级MVP”实验期只开发核心的社区问答功能投入一个小型团队。技术负责人请评估这个缩小版方案的工作量。运营经理请设计这个MVP的核心成功指标。我们接下来围绕这个具体提案讨论。推理约束与输出格式我们要求Alex在每次发言前必须生成一个chair_thought标签内的思考过程并按照固定格式输出。response agentProduct_Director chair_thought 当前状态技术方强调风险运营方强调机会。分歧点在于风险与速度的权衡。我需要引导出一个可测试的中间路径。 /chair_thought speech 具体的发言内容 /speech proposal actioncall_for_vote topicMVP_Proposal/ !-- 可能的行动标签 -- /response通过这个配方我们塑造的Alex不再是一个被动的参与者而是一个主动的会议驱动者他的行为模式是可预测的总结、引导、提案并且深度服务于会议的总目标。3.3 为技术负责人设计配方风险守卫者技术负责人的配方核心是“严谨”和“风险意识”。系统提示词配方要点目标识别并量化所有技术风险确保方案的可行性、可维护性和安全性。个人隐藏目标避免团队陷入不可控的技术债务。风格用语精确依赖数据如“服务器负载预估增加40%”、“需要额外引入两个第三方服务其SLA是99.5%”。对模糊的承诺如“很快就能搞定”持怀疑态度。规则当被问及可行性时必须区分“理论上可行”、“现有资源下可行需X条件”和“当前不可行”。必须指出方案对现有系统的影响。少样本示例设计重点提供“如何质疑需求”和“如何给出有条件同意”的示例。示例质疑需求产品总监用户希望有实时通知功能。技术负责人思考实时通知涉及长连接对服务器压力大。我需要询问这个需求的强度和替代方案。发言实时通知在技术上是可行的。但我想了解这个需求的优先级是所有用户都需要还是核心用户如果改为智能定时推送如每半小时汇总推送能否满足80%的场景这能将服务器成本降低70%。记忆机制的应用技术负责人的记忆模块需要特别强调“承诺追踪”。例如如果他在上一轮同意“如果运营能提供A/B测试方案就支持MVP”那么在他的记忆上下文中会有一条待办事项“等待运营提供A/B测试方案”。在后续轮次中如果运营没有提及他可能会主动追问“关于之前提到的A/B测试方案有具体设计了吗这是我支持MVP的前提。”通过这样差异化的配方设计四个基于同一底层模型的智能体将展现出截然不同的行为模式产品总监推动进程技术负责人把关风险运营经理聚焦增长和用户用户体验设计师捍卫交互简洁性。他们之间的互动会自然产生冲突、协商与共识从而模拟出一个高度逼真的决策过程。而这一切都源于我们对“后训练配方”的精细雕琢而非模型本身的更换。4. 配方调试的艺术从“机械对话”到“有机互动”有了初步的配方并不意味着大功告成。最初的对话往往显得生硬、机械智能体可能过于恪守规则而缺乏灵活应变或者记忆机制出现混乱。调试配方是一个迭代的过程核心目标是让对话从“按剧本走”升级为“有机互动”。4.1 常见问题与诊断角色漂移智能体在几轮对话后忘记了自己的核心立场开始说一些不符合身份的话。例如技术负责人突然开始大谈市场推广策略。诊断通常是系统提示词中“核心目标”和“行为规则”不够强化或者对话历史过长角色定义被淹没。也可能是少样本示例中包含了不一致的行为。调试强化系统提示词中的身份声明在每轮提示的开头用简短的话重申角色如“记住你是技术负责人你的首要职责是评估技术风险”。优化记忆摘要确保角色关键属性被优先保留在上下文中。对话循环或僵局智能体们反复陈述同一观点无法推进。例如A说“有风险”B说“有机会”来回重复。诊断缺乏打破僵局的机制或角色。会议主持者如产品总监的配方中缺少“总结分歧并提出新方案”的强制动作或示例。调试为主持者角色添加更强大的“冲突解决”少样本示例。引入一个“调停者”或“专家”角色可设置为仅在检测到循环时被触发其配方专门用于提供第三方数据、折中方案或投票提议。信息幻觉与不一致智能体引用了一个之前对话中不存在的数据或者前后说的数据对不上。诊断模型固有的幻觉问题在长上下文和多智能体交叉引用中被放大。记忆模块只是简单堆叠历史没有进行事实核查和统一。调试实施“事实核查”步骤。可以设计一个轻量级的“书记员”智能体其唯一任务是从每一轮对话中提取大家公认的事实、数据和决策更新到一个共享的“会议纪要”状态中。所有其他智能体在发言时都被鼓励引用这份“会议纪要”中的数据。这为对话建立了一个单一的事实来源。输出格式崩溃智能体开始不遵守约定的XML/JSON格式输出纯文本导致解析失败。诊断在复杂的推理和语言生成过程中模型可能“忘记”格式约束尤其是在提示词较长或对话紧张时。调试将输出格式要求放在系统提示词最末尾并用非常醒目的方式标注如## 你必须遵守的输出格式 ##。在少样本示例中每一个示例都必须完美遵守格式。此外可以在后处理阶段加入一个“格式修正”智能体它的任务是将不规范的输出重写为规范格式再交给下一个智能体但这会引入额外延迟。4.2 高级调试技巧引入“元认知”与“情感模拟”要让对话更生动可以尝试在配方中加入一些高级元素。元认知提示鼓励智能体反思自己的状态。例如在系统提示中加入“在长时间讨论后你可以简要评估当前讨论是否有效率并调整你的沟通策略。”这可能导致智能体说出“我们已经在这个细节上争论了三轮我建议我们暂时搁置先回到主线上。”简单情感状态机为每个智能体维护一个非常简化的内部状态如“满意度”或“挫败感”这个状态会根据对话内容变化例如自己的建议被采纳则满意度1被无视则挫败感1。在生成回应时将这个状态以某种方式融入提示如“你目前感到有些挫败因为你的技术警告未被重视因此你本次发言的语气将更加强硬”。这能产生非常有趣且符合人性的动态。基于规则的策略切换为智能体预定义多种“沟通策略”如“合作”、“竞争”、“妥协”。根据对话的进展如分歧程度、剩余时间或自身的“情感状态”通过一小段规则来决定本次发言采用哪种策略。这比固定的性格设定更加灵活。调试的本质是不断观察对话的涌现行为然后逆向工程去调整配方中的成分以约束或激励你所期望的行为模式。这是一个需要耐心和创造力的过程也是多智能体系统真正吸引人的地方。5. 评估与迭代如何判断你的配方成功了设计并调试了配方我们如何知道它是否有效不能只靠“看起来像”。我们需要一套评估体系。5.1 主观评估人类评分者的维度召集一组评估人员最好是领域专家观看或阅读多智能体对话记录从以下几个维度进行评分1-5分角色一致性每个智能体的言行是否始终符合其设定身份对话连贯性讨论是否逻辑流畅后一轮是否合理承接前一轮目标达成度对话是否有效地朝着预设目标推进最终是否产生了有意义的成果如决策、方案真实感与趣味性对话是否像真实人类间的交流是否有意料之外但情理之中的精彩互动协作与冲突质量智能体之间的协作是否自然冲突是否基于角色立场而非无意义的争吵5.2 客观评估自动化指标虽然完全自动化评估很难但一些指标可以提供参考决策形成速度从对话开始到出现第一个明确提案或共识经过的轮次数。信息利用率智能体引用共享状态中“事实”或“会议纪要”的频率。发言分布各个智能体的发言次数、长度是否均衡是否存在某个角色垄断或沉默格式合规率输出符合预定格式的轮次占比。独特观点数通过文本聚类或关键词提取判断对话中产生了多少个独立的新观点或建议避免车轱辘话。5.3 A/B测试对比不同配方的威力最有力的证明方式是进行对照实验。例如实验组A使用我们精心设计的全套配方系统提示少样本推理约束格式记忆。对照组B仅使用简单的角色描述如“你是一个技术负责人请参与讨论”。对照组C使用与A组相同的配方但更换一个更强的底座模型如从GPT-3.5升级到GPT-4。让A、B、C三组在相同的初始场景下运行多次对话然后从主客观维度进行比较。我们过去的实验反复证明一个设计精良的配方A组其产生的对话质量可以远超仅使用强大模型但配方简陋的对照组C组更不用说B组了。模型家族决定了能力的上限但配方决定了你在实际应用中能触及的下限和发挥出的效能。6. 从对话到系统配方的规模化与应用展望当我们能够稳定地生成高质量的多智能体对话后它的应用场景就远远超出了模拟会议。复杂游戏NPC为游戏中的每个NPC设计独特的配方它们将拥有基于自身背景、目标和记忆的持久人格与玩家产生真正动态、不可预测的互动极大提升游戏沉浸感。交互式教育与培训创建历史人物、商业案例中的各方代表让学员通过与这些智能体的辩论和协商来学习。智能体教师可以根据学生的反应调整教学策略。产品设计与需求挖掘模拟用户、设计师、工程师、项目经理之间的对话在产品构思阶段就暴露出潜在的需求矛盾和技术挑战提前进行“压力测试”。自动化工作流与决策支持将配方化的智能体嵌入到实际工作流中。例如一个“代码审查智能体”配方风格严谨、关注安全、一个“文档撰写智能体”配方风格清晰、注重示例、一个“项目风险智能体”配方风格警觉、关注依赖它们可以协作处理一个任务提供多角度的自动化分析报告。要实现这些就需要将“配方”的概念产品化、模块化。我们可以构建一个“智能体配方库”其中包含针对不同角色、不同任务类型的、经过验证的配方模板。用户可以根据自己的场景像搭积木一样组合和微调这些配方快速部署属于自己的多智能体系统。回过头看我们最初的那个失败实验问题不在于模型而在于我们只是把五个“天才”放在了同一个房间却没有给他们任何会议议程、角色卡、议事规则和会议纪要员。后训练配方就是这一切的总和。它是一门结合了心理学、戏剧写作、软件工程和提示词技术的艺术。在追求更大、更强的基础模型的同时深耕“配方”的设计与调试或许是我们在当前阶段让大语言模型在多智能体领域发挥出最大实用价值的更短路径。毕竟决定一场戏剧是否精彩的不仅仅是演员的演技模型能力更是剧本和导演的功力配方设计。
