8.0
热点
AI SCORE
编程提效2026-07-31 22:27
Prompt 工程标准化：224 角色仅需 4 个模板
dev.to · AI#Prompt工程#Agent架构
Editor brief · 编辑速览
揭示如何用参数化配置替代数百个 prompt，实现 AI 工作力的规模化管理，消除 prompt 爆炸。
揭示如何用参数化配置替代数百个 prompt，实现 AI 工作力的规模化管理，消除 prompt 爆炸。
当人们听到"224个AI员工"时，他们通常假设我们写了224个不同的prompt。我们没有。我们只写了4个核心模板。其他一切都是结构化的配置数据。
这是我们从prompt爆炸阶段（18万词、每个新角色2小时）到模板化系统（2,400词、每个新角色5分钟）的完整事后总结。
跨境贸易很复杂。内容、营销、销售、物流、合规、财务、法律——每个领域都需要不同的专业知识。我们尝试过单个"超级代理"。结果是法律审查草率、营销文案生硬，还把财务数据泄露到面向公众的内容中。
所以我们仿照真实的贸易公司进行了建模：18个部门，224个明确定义的角色。
在v1版本中，我们为每个角色写了一个独特的prompt。每个约800词。总计约18万词。三个人，花费两周时间。
经过四次迭代，我们落地了：模板 → 角色卡 → 联合协调
第1层：核心模板（1个通用）
12个固定字段：身份、结果、边界、输出格式、通信协议、合规保障。每个角色都继承这个骨架。
第2层：部门约束（18套）
部门特定规则一次性注入，应用于该团队的所有角色。财务、法律、营销——每个都有自己的约束层。
第3层：角色参数（224套，自动注入）
每个角色只需5-8个参数，存储为YAML/JSON配置文件。没有自由文本prompt。
全局层：联合协调规则
任务路由、交接协议、冲突解决、审计需求——为整个组织制定一套。
当用户说"在德国推出新的护肤产品"时：
没有任何一个代理掌握完整上下文——就像真实公司一样。
我们很想听听你在多代理系统中如何处理角色管理和跨代理协调。
系列后续：我们如何为224个AI员工进行绩效评审——KPI、自动化评估循环和动态角色优化。