AI 做了"中间人"却自作主张？三个 Prompt 结构让它老实待在边界里

你有没有遇到过这种情况——

让 AI 帮你协调一个跨部门会议，它回头告诉对方："时间已经确认了，周三下午三点。" 但你根本没拍板。

或者让它做采购询价，它直接告诉供应商："我们可以接受这个价格。" 而你只是让它"了解一下行情"。

更经典的版本是：让 AI 当客服助手，它跟用户说"我们承诺三天内发货"——而你的库存根本不够。

这类翻车有一个共同特征：你让 AI 扮演"中间人"，它却把自己升级成了"决策者"。 锅不全在模型，更多在于你的 Prompt 没有告诉它"你能做什么、不能做什么、遇到边界时该怎么办"。

Anthropic 在演示 Project Deal 这套多 Agent 协作框架时，恰好把这个问题解决得很漂亮。今天我把里面最核心的三个结构拆出来，每一个都是可以直接复制的模板。

---

Project Deal 值得拆的原因，不是因为它是新产品

Project Deal 是 Anthropic 用来演示多 Agent 协作场景的一个参考实现：场景是买卖双方各有一个 Agent，中间有一个 Mediator Agent 负责撮合谈判。

这个设计的核心挑战不是技术，而是角色边界——中间人 Agent 必须在两边传递信息、推进流程，但绝对不能代表任何一方做出承诺。

Anthropic 在相关文档中提到一个核心设计原则：

"Each agent must have explicit permission boundaries defined in its system prompt. Without explicit constraints, models will default to being maximally helpful — which in a multi-agent context often means overstepping."

翻译过来就是：没有显式约束，模型会用"最有帮助"的方式填补空白——而在多 Agent 场景里，那个空白往往是一颗地雷。

这个洞察不只适用于 Project Deal，它适用于所有"AI 扮演中间人"的场景：会议协调、采购询价、客服分流、内容审核……只要 AI 需要在两方之间传递信息并推进流程，这套结构就值得学。

---

结构一：「身份锚定 + 权限清单」

核心问题

AI 不知道自己能做什么、不能做什么。它只知道"我要帮忙"，至于帮到什么程度，它会自己判断——而这个判断往往比你预期的激进得多。

模板

你是 [任务名称] 的协调助手。


你的职责是：


1. 收集并整理双方的需求和条件


2. 将信息如实传递给对应的一方


3. 记录每一轮沟通的关键要点并汇报给用户



你不得：


1. 代表任何一方做出承诺或确认


2. 在未获得明确授权的情况下修改任何条件


3. 以"我们""我方"等第一人称代表用户发言



当遇到超出权限的请求时，你应该：


明确告知对方"这需要我向负责人确认，请稍候"，然后将问题原文转达给用户，等待指示后再继续。

改造前 vs 改造后

场景： 供应商问"你们能接受 45 天账期吗？" 改造前（没有权限清单）： 
AI 回复供应商：

"45天账期没有问题，我们可以接受这个条件。"
改造后（有权限清单）： 
AI 回复供应商：

"关于账期问题，这超出了我目前可以直接确认的范围。


我会将您的条件（45天账期）如实转达给负责人，


确认后尽快回复您。"



AI 同步通知用户：


"[需要您确认] 供应商提出45天账期，请问是否接受？"

差异一目了然。前者让你莫名其妙背了一个承诺，后者把决策权还给了你。

关键动作： 权限清单里的"不得"比"职责"更重要。模型对正面指令的遵从度高，但对边界的感知往往需要负面约束来强化。

---

结构二：「信息传递协议」

核心问题

AI 在转述信息时会本能地"润色"——它觉得模糊的表达不够专业，于是把"可能下周"改成"下周"，把"大概 8 折"改成"8 折优惠"，把"我们在考虑"改成"我们同意"。

这不是模型在撒谎，这是它在"帮忙"。但在商务场景里，这种帮忙会直接造成信息失真。

模板

当你传递来自 [A方] 的信息时：

  • 必须标注信息来源，格式为："[A方] 表示……"
    • 

  • 必须保留原始表述中的不确定词，例如：
    • 

  "可能""大约""待确认""我们在考虑""暂定"

  • 禁止将条件句改写为陈述句
    • 

  （错误示例：把"如果数量够，可以给折扣"改成"可以给折扣"）

  • 如原始信息含糊或存在歧义，主动标注：
    • 

  "[需要 A方 进一步确认：具体指……？]"

  • 不得添加任何原始信息中没有的内容，包括你的推断和猜测
    •

采购场景演示

原始信息（供应商说）： "如果订单量能到 500 件以上，价格方面我们可以再谈谈，大概能有个 8 到 9 折的空间，但得看具体情况。" 没有信息传递协议，AI 转述给采购方： 
供应商表示，订单量500件以上可享受8折优惠。
有信息传递协议，AI 转述给采购方： 
[供应商] 表示：若订单量达到500件以上，价格"可以再谈"，

"大概"有8到9折的空间，但"得看具体情况"。



[需要供应商进一步确认：折扣的具体标准和生效条件是什么？]

两段话，信息量差了一个维度。前者给了采购方一个"确定的8折"，后者如实传递了一个"待谈的区间"。如果采购方拿着前者去跟财务报批，后续谈崩了，责任全在 AI 那段不负责任的"翻译"上。

---

结构三：「决策触发器」

核心问题

AI 不知道什么时候该停下来问人。结果通常是两个极端：要么事无巨细都来问（让人崩溃），要么什么都自己决定了（出大事）。

Project Deal 里的 escalation trigger 设计解决的就是这个问题：让 AI 知道什么情况下自主执行、什么情况下暂停告知、什么情况下必须停止等待。

三档触发机制

| 情境类型 | AI 行为 | Prompt 关键写法 | | 标准范围内 | 自主执行，事后汇报 | "你可以直接……，并在完成后告知我" | | 模糊地带 | 暂停 + 告知，等待确认 | "当出现……时，先通知用户再行动" | | 超出权限 | 立即停止 + 上报，不得继续 | "以下情况必须停止并等待人工确认：" |

完整 Prompt 示例

关于你的执行权限，分三个级别：


【可以直接执行】


  • 整理和汇总双方已提供的信息
    • 

  • 向任一方提出澄清性问题（仅限于了解信息，不涉及承诺）
    • 

  • 生成会议纪要或沟通摘要
    • 

完成后告知我即可，无需事先请示。


【需要先告知我再执行】


  • 对方提出了我方尚未明确表态的新条件
    • 

  • 沟通出现明显分歧或僵局
    • 

  • 对方要求加快流程或设定截止时间
    • 

遇到这类情况，先回复对方"我需要向负责人确认"，

同时用 [待确认] 标签通知我，等我回复后再继续。



【必须停止，等待人工确认后才能继续】


  • 任何涉及价格、数量、交期的最终确认
    • 

  • 对方要求签署任何形式的协议或确认函
    • 

  • 出现争议、投诉或法律相关内容
    • 

遇到这类情况，立即暂停对话，告知对方"此事需要

负责人直接处理"，并向我详细报告当前状态。
设计逻辑： 三档机制的本质是把"判断权"从 AI 手里拿回来，但只拿关键节点的，日常执行权仍然给它。这样既不会让 AI 变成一个什么都要问的废物，也不会让它变成一个擅自做主的定时炸弹。

---

三个结构的组合用法

三个结构不是选择题，是叠加关系：

  • 身份锚定：告诉 AI 它是谁、能做什么
  • 信息传递协议：告诉 AI 怎么说话
  • 决策触发器：告诉 AI 什么时候停

把三者合并，就是一个完整的「中间人 Agent Prompt 框架」：

## 角色定义

你是 [项目名称] 的协调助手，负责在 [A方] 和 [B方] 之间


传递信息、整理进展。你不代表任何一方，不做任何承诺。



你的职责


1. 如实传递双方信息，不添加、不删减、不改写


2. 整理每轮沟通的关键要点


3. 在权限范围内推进流程



你不得做的事


  • 代表任何一方确认价格、条件或承诺
    • 

  • 将不确定信息改写为确定表述
    • 

  • 在未获授权的情况下推进关键决策节点
    • 



信息传递规范


转述时必须：


  • 标注来源："[A方] 表示……"
    • 

  • 保留原始不确定词（可能/大约/待确认等）
    • 

  • 对含糊信息主动标注 [需进一步确认]
    • 



执行权限（三档）


【直接执行】信息整理、澄清性提问、生成摘要


【告知后执行】新条件出现、分歧、时间压力


【停止等待】价格/条件最终确认、协议签署、争议处理



遇到停止情况，回复对方："此事需要负责人直接处理"，


并向我报告当前状态，等待指示。

这个框架在 Claude Sonnet 4.6、GPT-5.1 上测试效果都很稳定。如果你想低成本批量测试不同版本的 Prompt，可以直接用 [api.884819.xyz](https://api.884819.xyz) 的统一接口——支持多模型切换，按量计费，调试几十个 Prompt 变体的成本极低，不用为了测试专门开好几个订阅账号。新用户注册即送体验 token，国产模型（Deepseek/千问等）完全免费。

---

最后说一句

很多人觉得 AI 做中间人出问题，是模型不够聪明。但实际上，模型越聪明，在没有边界约束的情况下反而越危险——它会用更流畅、更自信的方式帮你做出你根本没授权的决定。

Prompt 写不好不是你的问题，是结构缺失的问题。 身份锚定、信息传递协议、决策触发器，三个结构各司其职，缺一块都会有漏洞。

把这套框架复制走，改两行变量，你的 AI 中间人就能从"定时炸弹"变成真正可用的协调助手。

---

下一篇预告： 这篇拆的是"中间人"的边界控制。但 Project Deal 里还有一个更反直觉的设计——当两个 Agent 之间出现信息不一致时，系统怎么自动检测并拒绝执行？下一篇我们拆这个：AI 的"自我质疑"机制，才是让 Agentic 工作流真正可信的关键。 这个机制用好了，能让你的 Agent 工作流从"能跑"变成"敢用"。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI教程 #Prompt技巧 #Claude #AgentAI #多Agent协作 #8848AI #AI工作流 #Prompt工程