我以为会写 Prompt，结果 Agent 一直在转圈——3个核心差异让你的 Agent 真正跑起来

上周我在调试一个竞品分析 Agent，把之前给 ChatGPT 用的 Prompt 直接塞进 instructions 字段，满怀期待地按下运行。

然后，它卡住了。

不是报错，是在第二步——"搜索竞品官网"——反复调用、反复输出、反复重试，整整转了 20 分钟，最后吐出一段"我已经完成了信息收集，但还需要进一步确认……"的废话，什么报告都没有。

那一刻我才意识到：我以为会写 ChatGPT Prompt 就会写 Agent 指令，但这根本是两件事。

ChatGPT 是一个等你发话的助手，你说一句它答一句；Agent 是一个要自己做决策的"自动驾驶系统"，你给它一个目标，它要自己规划路线、调用工具、判断是否完成。

这两件事的底层逻辑不同，写法自然不同。踩了几次坑之后，我整理出了 3 个最关键的差异，配上对照表和可直接复用的指令模板。

不是理论课，是踩坑后的实战总结。

---

第一个坑：目标描述的"粒度"完全不同

ChatGPT 可以接受模糊目标，Agent 不行

给 ChatGPT 写"帮我整理一份竞品报告"，它会脑补你的意图——大概知道你想要什么格式、什么维度，然后给你一个八九不离十的结果。因为这是一次对话，你不满意可以立刻追问，成本极低。

但 Agent 不一样。Agent 拿到任务之后要自主执行，中间不会来问你"这样可以吗"。如果目标模糊，它就不知道什么叫"完成"，会陷入两种死法：

1. 无限重试：觉得任务没做好，一直循环调用工具

2. 提前停止：随便输出一段就认为完成了

我的 Agent 转圈 20 分钟，就是第一种死法的经典案例。

错误写法 vs 正确写法

❌ ChatGPT 风格（直接搬过来就翻车）：

agent = Agent(
name="竞品分析师",
instructions="""
你是一个竞品分析专家。
帮用户整理竞品报告，内容要全面、有洞察。
"""
)

这段指令给 ChatGPT 完全够用，但给 Agent 就是灾难——"全面"是什么？"有洞察"怎么算达到？Agent 无法判断，只能乱跑。

✅ Agent 指令正确写法（加入可验证的终止条件）：

agent = Agent(
name="竞品分析师",
instructions="""
你是一个竞品分析专家。

【任务目标】
针对用户指定的竞品，生成一份结构化分析报告。

【终止条件 — 满足以下所有条件才算完成】
1. 已收集目标竞品的官网信息、定价页、核心功能列表（至少3项）
2. 已完成与用户产品的横向对比表格（至少5个维度）
3. 已输出"机会点"和"威胁点"各至少2条
4. 最终报告已以 Markdown 格式输出

【禁止行为】
- 不得在未收集完信息前输出报告
- 不得重复搜索同一个 URL 超过2次
"""
)

核心原则：Agent 指令里必须有"完成标准"，让 Agent 自己能判断任务是否结束。

这一点是 ChatGPT Prompt 和 Agent 指令最根本的差异。写 Agent 指令之前，先问自己："Agent 怎么知道它完成了？" 如果你答不上来，指令就还没写好。

---

第二个坑：角色设定的"作用域"不一样

ChatGPT 的 System Prompt 管全程，Agent 的角色有范围

给 ChatGPT 写 System Prompt，设定"你是一个严谨的数据分析师，回答简洁直接"，这个人格会贯穿整个对话，不会变。

但在 Agents SDK 2.0 的多 Agent 架构里，你会有主 Agent 和通过 Handoff 触发的子 Agent。这时候角色设定就有了"作用域"的问题。

翻车现场：客服 Agent + 数据分析子 Agent

我曾经搭了一个客服系统：主 Agent 负责接待用户、回答问题，当用户问"我的账单怎么这么高"时，Handoff 给数据分析子 Agent 去查数据。

错误配置是这样的：

# ❌ 错误：子 Agent 没有独立角色定义，继承了主 Agent 的人格
customer_service_agent = Agent(
name="客服小美",
instructions="""
你是客服小美，说话温柔亲切，多用"亲"、"感谢您的耐心"。
当用户询问账单问题时，转交给数据分析师处理。
""",
handoffs=[data_analyst_agent]
)

data_analyst_agent = Agent(
name="数据分析师",
instructions="""
分析用户账单数据，找出异常消费点。
"""
# 没有明确的角色定义
)

实际输出日志（模拟）：

[data_analyst_agent] 亲～感谢您的耐心等待！
我帮您查了一下账单数据，发现您在3月份的消费
比上个月高了很多呢～可能是因为您使用了更多服务哦！
如果有任何疑问，请随时告诉小美～

数据分析子 Agent 说话变成了客服风格，"亲～"满天飞，完全失去了分析师该有的专业感。

✅ 正确配置：每个 Agent 独立定义角色，明确作用域：

customer_service_agent = Agent(
name="客服小美",
instructions="""
【角色】你是客服小美，负责接待用户、回答通用问题。
说话温柔亲切，多用"亲"、"感谢您的耐心"。

【作用域边界】
- 账单数据查询、消费异常分析：转交数据分析师
- 转交时，只传递用户的原始问题，不要加入你的语气风格
""",
handoffs=[data_analyst_agent]
)

data_analyst_agent = Agent(
name="数据分析师",
instructions="""
【角色】你是数据分析师，风格严谨、简洁、数据驱动。
禁止使用"亲"、"哦"等口语化表达。

【任务】分析用户账单数据，用数字和图表说话。
输出格式：问题定位 → 数据依据 → 建议操作
"""
)

核心原则：在多 Agent 架构里，每个 Agent 都要有独立的、明确的角色定义。Handoff 是角色切换，不是角色继承。

---

第三个坑：对"工具调用"的指令方式根本不同

ChatGPT 里说"你可以搜索一下"，Agent 里这句话没用

给 ChatGPT 写"如果需要，你可以搜索最新信息"，ChatGPT 会根据语境判断要不要用搜索工具，这是合理的——因为你随时可以纠正它。

但给 Agent 写同样的话，就会出问题。Agent 面对模糊的工具指令，会产生两种极端行为：

工具滥用：每一步都调用搜索，哪怕已经有了足够的信息
工具漏用：觉得"可以"不等于"必须"，干脆不用，直接靠自己的知识输出——然后产生幻觉

工具调用指令：三段式写法

Agent 的工具指令必须明确三件事：什么时候必须调用、什么时候禁止调用、调用失败怎么办。

❌ ChatGPT 风格（建议性，Agent 不适用）：

你可以使用搜索工具来获取最新信息。

✅ Agent 工具调用指令模板（三段式）：

agent = Agent(
name="市场研究员",
instructions="""
【工具使用规则 — web_search】

▶ 必须调用的情况：
- 需要竞品的实时定价信息
- 需要近30天内的行业新闻
- 用户明确要求"最新"数据

▶ 禁止调用的情况：
- 已在本次任务中搜索过同一关键词（避免重复搜索）
- 问题可以通过已收集的信息直接回答
- 搜索词过于宽泛（如"AI行业"），必须先细化再搜索

▶ 调用失败回退策略：
- 若搜索返回空结果：换一个更具体的关键词重试，最多重试2次
- 若重试2次仍失败：在报告中标注"该数据暂无法获取"，继续完成其他部分
- 禁止因工具失败而编造数据
""",
tools=[web_search_tool]
)

这套三段式写法，本质上是在给 Agent 写行为约束，而不是给人类写"建议"。Agent 是执行者，不是建议的接受者。

---

一张表总结 + 万能 Agent 指令框架

对照表：ChatGPT Prompt vs Agent 指令

万能 Agent 指令框架（带注释，可直接复用）

# Agent 指令模板 v1.0
适用于 Agents SDK 2.0 的 Agent(instructions=...) 字段

---

【角色定义】
你是 [具体角色名]，专注于 [核心职责]。
风格：[沟通风格，如"严谨简洁"/"友好亲切"]
禁止：[不符合角色的行为，如"禁止使用口语化表达"]

↑ 为什么这样写：明确角色边界，防止多 Agent 场景下人格漂移

---

【任务目标】
用户目标：[用一句话描述用户想要什么]

【终止条件 — 满足以下所有条件才算完成】
1. [可验证的条件1，如"已收集至少5个竞品数据"]
2. [可验证的条件2，如"已生成对比表格"]
3. [可验证的条件3，如"已以指定格式输出"]

↑ 为什么这样写：Agent 必须能自己判断"完成"，否则会死循环或提前停止

---

【工具使用规则】
工具名称：[tool_name]
必须调用：[触发条件]
禁止调用：[禁止条件]
失败回退：[失败时的处理方式]

↑ 为什么这样写：模糊的工具指令会导致工具滥用或漏用

---

【输出格式】
最终输出必须包含：
[格式要求1]
[格式要求2]
使用语言：[中文/英文]
输出格式：[Markdown / JSON / 纯文本]

↑ 为什么这样写：精确的格式要求防止输出漂移，便于下游处理

---

【异常处理】
若无法获取某项数据：标注"暂无数据"，继续完成其他部分
若任务超出能力范围：输出"[ESCALATE]"并说明原因
禁止：编造数据、无限重试、提前停止

↑ 为什么这样写：Agent 的 Plan B 必须写在指令里，不能靠它自己发挥

---

💡 想直接上手验证这套框架？

文中的 Agent 指令模板已经在 GPT-5.1 / o3 系列上测试过。如果你还没有稳定的 API 访问渠道，可以试试 [api.884819.xyz](https://api.884819.xyz) —— 支持 Agents SDK 2.0 所需的全部接口，按量计费，调试期间成本可控。新用户注册即送体验 token，国产模型（Deepseek、通义千问等）完全免费，没有月租。

把上面的框架复制进去，改改任务描述，10 分钟就能看到你的第一个 Agent 跑通。

---

写 Agent 指令的本质，是给"自动驾驶"写行车规则

有一个类比让我想清楚了这件事：

给 ChatGPT 写 Prompt，像是坐副驾驶跟司机说"我想去吃火锅"——司机会问你哪家、几点、几个人，你们可以一路聊着调整。

给 Agent 写指令，像是给自动驾驶系统编程——你要提前告诉它目的地、路线偏好、遇到红灯怎么办、如果高速封路走哪条备用路线、到了停哪里。你不能坐在车里随时纠正，因为它会自己开。

指令写得不好，不是 Agent 笨，是你没给够规则。

我现在每次写 Agent 指令之前，都会先问自己三个问题：

1. Agent 怎么知道它完成了？（终止条件）

2. 如果有多个 Agent，每个的角色边界在哪里？（作用域）

3. 工具什么时候必须用、什么时候不能用、用失败了怎么办？（工具约束）

把这三个问题回答清楚，再动笔写指令，Agent 跑偏的概率会大幅下降。

---

📌 下一篇预告

搞清楚怎么写指令只是第一步。

下一篇我会拆解一个更隐蔽的坑：当 Agent 调用工具失败时，你的"错误处理指令"写得够不够好？

90% 的 Agent 项目在生产环境翻车，不是因为 Prompt 写错了，而是因为根本没写"Plan B"——工具超时、返回空值、网络抖动，这些情况 Agent 一个都扛不住。

下周我会用真实的失败日志，拆解错误处理指令的完整写法。

🔔 关注不迷路，下周见。

---

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 #AgentsSDK #Prompt技巧 #AI开发 #ChatGPT #人工智能 #8848AI #Agent开发