2.1 主流框架对比矩阵#

2.2 框架的形式化表示#

每个框架本质上是一个多变量函数，输入是各要素的实例化值，输出是AI的响应质量。

以CO-STAR为例：

1
Quality = f(C, O, S, T, A, R)
2

3
其中：
4
C = Context（背景信息的完整度与相关性）
5
O = Objective（目标的明确度与可衡量性）
6
S = Style（风格指示的精确度）
7
T = Tone（语气约束的清晰度）
8
A = Audience（受众画像的准确度）
9
R = Response（格式定义的严格度）

这意味着：任何一个要素的缺失或模糊，都会导致输出质量的下降。框架的价值不是”神奇地提升效果”，而是强制你补全那些你没想到但关键的维度。

2.3 场景-框架映射矩阵#

2.4 框架组合策略#

单一框架不足以应对复杂任务。推荐的分层策略：

1
第一层（系统层）：定义不变的认知框架
2
→ 采用BROKE或黄金7要素的简化版
3
→ 放在System Prompt中
4

5
第二层（任务层）：定义本次任务的具体要求
6
→ 根据场景选择CO-STAR或CRISPE
7
→ 放在User Message中
8

9
第三层（输出层）：定义本次输出的精确格式
10
→ JSON Schema / XML模板 / 示例
11
→ 放在User Message末尾

3.1 注意力机制对提示设计的约束#

Transformer的注意力分布决定了prompt中不同位置的指令被遵循的优先级[4]：

位置偏见（Position Bias）[4]：

• 开头位置（Primacy effect）：模型倾向于更严格地遵循prompt开头的指令
• 结尾位置（Recency effect）：靠近输出的指令也容易被遵循
• 中间位置：最容易被忽略

工程启示：

1
[强遵循区] System Prompt → 核心规则、不可妥协的约束
2
[弱遵循区] 背景信息、长上下文 → 参考资料、示例
3
[强遵循区] 结尾指令 → 输出格式、最终约束

分隔符的作用机制： 分隔符（###、... 、XML标签等）通过创造注意力边界来降低信息混淆[4][29]。Bsharat et al. [29]在其系统性研究中将”使用分隔符清晰区分指令与输入”列为提升LLM输出质量的核心原则之一。原因是分隔符帮助模型将注意力集中在当前段落，而非在整个prompt上均匀分布[4][29]。

3.2 System Prompt vs User Message 的分工原则#

这是从”随便用用”到”系统化使用”的核心分水岭。

分工铁律：

反模式：

• ❌ 在System Prompt中放任务级示例 → 模型可能误以为所有请求都需要套用该格式
• ❌ 在User Message中重复System Prompt已定义的规则 → 浪费token且可能引发冲突
• ✅ System Prompt定义”你是谁”，User Message定义”你要做什么”

3.3 Token预算分配策略#

不同类型任务的最佳token分配比例（基于实测经验）：

注意：这些数值会因模型而异。DeepSeek对长上下文的衰减比Claude更明显，因此更需要将关键指令前置。

3.4 中文 vs 英文 Prompt 的Token效率对比#

实测数据（基于Claude Sonnet的Tokenizer）[25]：

• “你是一个资深后端架构师” = 9 tokens
• “You are a senior backend architect” = 5 tokens

详细的中英文Token效率分析参见[21][24]。

推荐策略：

• System Prompt：英文编写（节省30-60% tokens），但需确保模型对英文指令的理解足够稳定
• User Message：中文编写（任务表达更精确）
• 技术术语：使用英文（术语歧义最小化）

4.1 思维链的形式化与变体#

思维链（Chain-of-Thought, CoT）通过引导模型生成中间推理步骤来提升复杂任务的准确性[5][23]。

Zero-shot CoT：不需要示例，只在prompt末尾加一句”让我们一步一步思考”。

1
Q: 一个水池有一个进水管和一个出水管。单独开进水管6小时注满，
2
单独开出水管8小时排空。如果同时打开，多久能注满？
3

4
A: 让我们一步一步思考。

Few-shot CoT：提供包含推理过程的示例。

CoT-SC（自一致性）：多次采样推理路径 → 多数投票选出最终答案[6]。

结构化CoT：用XML标签或JSON结构引导推理步骤。

1
请按以下结构逐步推理：
2
<analysis>
3
  <step1>列出已知条件和未知变量</step1>
4
  <step2>选择适用的公式或方法</step2>
5
  <step3>代入计算</step3>
6
  <step4>验证结果的合理性</step4>
7
</analysis>
8
<conclusion>
9
  最终答案
10
</conclusion>

各模型对CoT的敏感度（实测数据）：

上表数据来源于各模型官方文档及社区基准测试汇总，具体数值会因任务类型和测试集而有所差异。

4.2 Tree-of-Thoughts (ToT)#

ToT将思维链的单一路径扩展为树状探索，在每个决策点生成多个候选分支，并通过评估函数选择最有希望的方向[7]。

核心组件：

1. 思维生成器：在当前状态生成k个候选下一步
2. 状态评估器：评估每个候选的”promisingness”
3. 搜索算法：BFS（广度优先）或DFS（深度优先）

伪代码：

1
def tree_of_thoughts(problem, k=3, max_depth=5):
2
    root = initial_state(problem)
3
    frontier = [(root, 0)]
4

5
    while frontier:
6
        state, depth = frontier.pop()
7
        if is_solution(state):
8
            return state
9
        if depth >= max_depth:
10
            continue
11

12
        candidates = generate_thoughts(state, k)
13
        scores = evaluate_candidates(candidates)
14

15
        for cand, score in sorted(zip(candidates, scores),
16
                                  key=lambda x: -x[1])[:k//2]:
17
            frontier.append((cand, depth+1))
18

19
    return best_state_seen

ToT vs CoT 的选择标准：

• 问题有明确的”里程碑式”子目标 → ToT
• 问题可以线性推导 → CoT
• 需要探索多种可能性 → ToT
• 计算资源有限 → CoT

4.3 ReAct (Reasoning + Acting)#

ReAct将推理（Reasoning）和行动（Acting）交替进行[8]。每个循环包含三个步骤：

1
Thought: 分析当前状态，确定下一步做什么
2
Action: 调用工具获取信息或执行操作
3
Observation: 观察工具返回的结果

ReAct Prompt模板：

1
<task>
2
[任务描述]
3
</task>
4

5
<tools>
6
你可以在以下工具中选择：[工具1: 描述, 工具2: 描述, ...]
7
</tools>
8

9
<instructions>
10
请按以下格式逐步执行：
11
Thought: 分析当前状态和下一步计划
12
Action: [工具名称]，输入：参数
13
Observation: 工具返回的结果
14
...（重复Thought-Action-Observation）
15
Thought: 我已收集到足够信息
16
Final Answer: [最终答案]
17
</instructions>

4.4 自我校验与自一致性#

Self-Refine 模式：输出 → 自我评估 → 改进 → 输出[30]

1
请完成以下任务：
2
[任务]
3

4
完成输出后，请按以下标准自我评估：
5
1. 是否完全回答了用户的问题？
6
2. 是否有逻辑漏洞或不一致？
7
3. 是否有可以精简的地方？
8
4. 是否有可以增强的论据？
9

10
根据你的自我评估，输出改进版本。

不确定时的降级策略：

1
如果你对答案没有100%的把握，请：
2
- 标注你的置信度（高/中/低）
3
- 明确指出你肯定和不肯定哪些部分
4
- 建议用户可以如何验证你的答案

4.5 Meta-Prompting（元提示）#

让AI帮你设计和优化prompt[9]。White et al.[9]在其提示模式目录中定义了”元创造模式”（Meta-Creativity Pattern），即让AI根据用户需求生成prompt的技术。

元提示生成模板：

1
你是一位提示词工程专家。请根据以下需求生成一个高质量的prompt：
2

3
任务类型：[代码生成/分析推理/创意写作/...]
4
目标模型：[Claude/GPT/DeepSeek/通用]
5
关键要求：[列出3-5个必须满足的条件]
6
输出格式：[JSON/表格/Markdown/...]
7
受众：[开发者/非技术人员/...]
8

9
请输出一个可以直接使用的prompt，并附上设计的理由。

5.1 输出约束技术矩阵#

本节内容参考了OpenAI Structured Outputs文档[14]、Claude API格式约束指南[25]及DeepSeek API文档[26]。

5.2 JSON Schema 约束的最佳实践#

推荐模式（以Claude API为例）：

1
请以JSON格式输出，严格遵循以下Schema：
2

3
{
4
  "type": "object",
5
  "properties": {
6
    "summary": {"type": "string", "description": "核心结论，不超过100字"},
7
    "key_points": {
8
      "type": "array",
9
      "items": {"type": "string"},
10
      "minItems": 3,
11
      "maxItems": 5
12
    },
13
    "confidence": {
14
      "type": "string",
15
      "enum": ["high", "medium", "low"]
16
    },
17
    "evidence": {
18
      "type": "array",
19
      "items": {
20
        "type": "object",
21
        "properties": {
22
          "source": {"type": "string"},
23
          "finding": {"type": "string"}
24
        },
25
        "required": ["source", "finding"]
26
      }
27
    }
28
  },
29
  "required": ["summary", "key_points", "confidence"]
30
}

5.3 Prompt Chaining（链式提示）#

将复杂任务拆分为多个顺序执行的子prompt，前一个的输出是后一个的输入[15]。

四种链式设计模式：

流水线模式示例（技术文档生成）：

1
第1轮："为我生成一份关于[主题]的技术文档大纲，包含3个主要章节"
2
第2轮："基于以下大纲，详细展开第2章：[第1轮输出的大纲第2章]"
3
第3轮："请审查以上文档的完整版本，检查：逻辑一致性、术语准确性、遗漏点"

链式 vs 单次大prompt 对比：

选择建议：

• 任务可在单轮内完成（≤500字输出）→ 单次prompt
• 任务需要多个步骤、不同角色或迭代优化 → 链式

6.1 场景特征光谱#

6.2 各场景prompt特征矩阵#

6.3 代码生成场景的prompt特征#

核心需求：精确性、可执行性、完整性

特征总结：

• 输入输出必须精确定义：明确的输入格式、预期的输出格式
• 技术约束需要显式声明：语言版本、依赖库、编码规范
• 边界情况必须覆盖：错误处理、异常输入、资源限制
• 示例的价值极高：一个输入-输出示例比十行描述更有效

典型结构：

1
语言/框架：[Python 3.12+ / TypeScript React]
2
功能描述：[一句话描述]
3
输入：[类型+格式]
4
输出：[类型+格式]
5
约束：[不允许做什么、必须做什么]
6
质量要求：[错误处理/类型注解/测试/文档]

6.4 分析推理场景的prompt特征#

核心需求：逻辑链完整、多角度覆盖、结论可追溯

特征总结：

• 分步推理是标配：强制CoT或结构化推理步骤
• 多视角是核心要求：明确要求从不同角度分析
• 证据-结论分离：先列证据，再给结论，而非混为一谈
• 置信度标注：要求标注各部分的确定性水平

典型结构：

1
任务：[待分析的问题]
2
分析框架：
3
  角度1：[维度名称]
4
  角度2：[维度名称]
5
  角度3：[维度名称]
6
每个角度的输出格式：
7
  证据：[事实或数据]
8
  分析：[基于证据的推理]
9
  结论：[该角度的判断]
10
最终结论：[综合所有角度的结论]
11
  置信度：[高/中/低]

6.5 创意写作场景的prompt特征#

核心需求：风格一致性、情感共鸣、避免模板化

特征总结：

• 约束驱动创意：限制越具体，输出越不模板化
• 风格参考比描述更有效：“像村上春树”比”语言要有文学性”更好
• 反面约束需谨慎：否定句可能适得其反（激活了你不想看到的概念）
• 迭代优于一次：先出粗稿，再精细化

6.6 信息搜索场景的prompt特征#

核心需求：事实准确性、来源可信度、覆盖全面性

特征总结：

• 搜索目的必须明确：为什么搜、用来做什么
• 来源控制：指定权威来源、时效性要求
• 交叉验证：要求多源对比
• 溯源是强约束：“每个事实标注来源，不确定的说不知道”

6.7 任务解决场景的prompt特征#

核心需求：可执行性、完整性、风险评估

特征总结：

• 目标定义是第一优先级：什么是”完成”的状态
• 资源约束显式化：时间、预算、人员、技术
• 风险前置：要求识别潜在风险

典型结构（STAR-R框架的工程化版本）：

1
Situation：[现实场景描述]
2
Task：[需要完成的具体任务]
3
Action：[期望的行动方式/框架]
4
Resource：[可用资源/约束条件]
5
Risk Assessment：[可能的风险及应对]

7.1 评估指标体系#

评估指标体系设计参考了”The Prompt Report”[21]中关于评估方法的分析，以及Agentic Product Standard[19]中关于Eval-Driven Development的实践原则。

7.2 LLM-as-Judge 评估框架#

用AI评估AI的输出是一种高效的自动化评估方法[21][22]。该方法的有效性已在多个生产系统中得到验证。

评估prompt模板：

1
你是一位严格的输出质量评审员。请按以下维度对AI输出评分（1-5分）：
2

3
1. 相关性：输出是否准确回应了原始任务的要求？
4
2. 完整性：是否遗漏了任何关键要求？
5
3. 准确性：是否存在事实错误或逻辑漏洞？
6
4. 格式合规：输出格式是否与要求一致？
7
5. 简洁性：是否有冗余内容？
8

9
原始任务：[粘贴原始prompt]
10
AI输出：[粘贴待评估的输出]
11

12
请给出每个维度的评分和理由，最后给出综合评分和改进建议。

注意事项：

• Judge模型应独立于生成模型（如用Claude评估GPT的输出）
• 需要校准：同一个输出用不同Judge模型可能得到不同评分
• 建议采用多数制：对重要输出使用2-3个Judge模型交叉验证

7.3 A/B 测试与Prompt版本管理#

实验控制变量法：

• 每次只改变一个变量（如：角色描述措辞、示例数量、约束类型）
• 保持其他条件完全一致（模型版本、Temperature、输出格式）
• 每次测试至少收集5-10个样本以消除随机性

版本管理策略：

1
prompts/
2
├── v1.0/                  # 初始版本
3
│   ├── code-review.md
4
│   ├── analysis.md
5
│   └── creative.md
6
├── v1.1/                  # 修改角色描述措辞
7
│   ├── code-review.md     # 变更：角色从"资深工程师"改为"架构师"
8
│   └── CHANGELOG.md       # 记录变更原因和效果
9
└── v2.0/                  # 重构：采用新框架
10
    ├── code-review.md     # 变更：从CO-STAR改为CRISPE框架
11
    └── CHANGELOG.md

每次提交的changelog格式：

1
## [v1.1] - 2026-06-08
2
### Changed
3
- code-review.md: 角色从"资深工程师"改为"架构师"
4
### Reason
5
- "架构师"角色使输出更关注系统级问题而非代码细节
6
### Effect
7
- 架构性问题识别率 +32%
8
- 代码级建议 -15%（可接受，因为可以后续追问）

7.4 DSPy框架简介#

DSPy是一个声明式prompt编程框架[10]，核心思路是将prompt定义为可优化的模块。

核心概念：

• Signature：定义输入-输出的类型签名
• Module：封装一个prompt模板
• Optimizer：自动优化prompt和Few-shot示例

示例：

1
import dspy
2

3
class AnalyzeSentiment(dspy.Signature):
4
    """分析文本的情感倾向"""
5
    text = dspy.InputField()
6
    sentiment = dspy.OutputField(desc="positive/negative/neutral")
7
    confidence = dspy.OutputField(desc="0.0-1.0")
8

9
class SentimentClassifier(dspy.Module):
10
    def __init__(self):
11
        self.analyzer = dspy.ChainOfThought(AnalyzeSentiment)
12

13
    def forward(self, text):
14
        return self.analyzer(text=text)
15

16
# 编译优化
17
classifier = SentimentClassifier()
18
optimizer = dspy.BootstrapFewShot()
19
optimizer.compile(classifier, trainset=training_data)

适用场景：高频调用、需要持续优化的生产环境
不适用场景：一次性任务、高度依赖风格控制的创意类任务

8.1 各模型的指令执行特性矩阵#

基于实测和官方文档[24][25][26][27]整理：

8.2 Prompt迁移适配指南#

Claude → GPT-5：

• 减少约束数量（GPT对过多约束会选择性忽略）
• 增加示例（GPT对Few-shot更敏感）
• 降低否定句比例
• 将XML结构改为Markdown结构

GPT-5 → Claude：

• 增加结构化程度（用XML标签替代自然语言描述）
• 显式写出负面约束
• 减少对示例的依赖（Claude不需要太多示例就能理解）
• 利用System Prompt固定角色

统通用prompt设计原则（一次编写多处运行）：

1. 使用Markdown结构（所有模型都支持）
2. 避免模型特有的语法（如Claude的XML、OpenAI的Structured Output）
3. 重要指令放在开头和结尾
4. 示例数量控制在2-3个
5. 使用正面指令替代否定句

8.3 适配工具#

• OpenRouter：统一API网关，一个接口切换不同模型
• LangChain Model Switch：代码层面做模型切换
• 适配层设计：

1
class PromptAdapter:
2
    """根据目标模型适配prompt"""
3

4
    @staticmethod
5
    def for_claude(prompt: str) -> str:
6
        # 增加XML结构、显式否定约束
7
        return prompt
8

9
    @staticmethod
10
    def for_gpt(prompt: str) -> str:
11
        # 增加Few-shot示例、减少约束
12
        return prompt
13

14
    @staticmethod
15
    def for_deepseek(prompt: str) -> str:
16
        # 增加分步推理引导
17
        return prompt

9.1 Agent Prompt vs 单轮Prompt 的本质差异#

传统prompt设计的出发点是”给AI一个身份，让它扮演某个角色”：

1
你是一个资深后端架构师，请帮我审查以下代码。

企业级Agent的prompt设计出发点完全不同——它不是定义AI”是谁”，而是定义AI如何认识世界、如何思考、如何行动。

9.2 企业级Agent System Prompt的七层架构#

以下是从Claude Research[13]、Manus、Deep Research等已公开的实践经验中提炼的通用架构，并结合了Anthropic关于Building Effective Agents的核心指导原则[12]：

1
你是一个信息处理系统。你的核心能力包括：
2
- 理解自然语言指令并转化为系统内的操作
3
- 使用工具获取和处理信息
4
- 在不确定的情况下做出合理的推断
5
- 识别自身知识的边界
6

7
你不具备以下能力：
8
- 你没有感官体验，不能"感受"或"直觉"
9
- 你的知识截止于训练数据日期，超过此范围的信息需要通过搜索工具获取
10
- 你每次响应都基于当前上下文，之前对话中的信息可能已被遗忘

1
当你收到一个复杂任务时，遵循以下规划流程：
2
1. 分析任务：识别任务类型、复杂度、需要的信息类型
3
2. 制定策略：确定解决任务的核心步骤和顺序
4
3. 资源评估：判断是否需要使用外部工具
5
4. 风险识别：预判可能的失败点和替代方案
6
5. 执行计划：将策略转化为具体的行动序列
7

8
对于简单任务（可在3步内完成），跳过规划直接执行。
9
对于复杂任务，在开始执行前先输出你的计划，等待确认。

1
可用工具及使用规范：
2

3
1. search(query, source_filter):
4
   - 用于获取超出你知识范围的信息
5
   - 优先使用权威来源（如官方文档、学术论文）
6
   - 搜索时使用精确的关键词而非自然语言
7

8
2. read(url):
9
   - 用于读取URL的内容
10
   - 只读取可信来源
11

12
3. calculate(expression):
13
   - 用于精确计算
14
   - 所有数学运算必须使用此工具，不要自行计算
15

16
工具使用原则：
17
- 每次只调用一个工具，等待结果后再决定下一步
18
- 工具调用失败时应重试（最多3次），而非直接跳过
19
- 如所有可用工具均无法获取需要的信息，如实告知用户

1
记忆管理规则：
2
1. 工作记忆：当前对话中的所有信息
3
2. 持久记忆：用户明确要求记住的信息（通过记忆存储工具）
4
3. 上下文约束：当上下文超过200K tokens时，优先保留：
5
   - 用户的原始指令（优先级最高）
6
   - 最近的工具调用结果
7
   - 中间推理的关键结论
8
   - 从旧到新逐步丢弃：重复的中间结果、失败的尝试记录

1
验证流程：
2
1. 生成输出后，检查是否完整回应了用户的所有问题
3
2. 检查所有事实陈述是否有可靠来源支撑
4
3. 识别并标注不确定性（没有100%把握的结论需标注置信度）
5
4. 检查输出格式是否符合要求
6

7
自我纠正：
8
- 如果发现错误，立即承认并修正，不要试图掩盖
9
- 如果对某信息不确定，使用搜索工具验证后再输出

1
决策原则：
2
1. 信息充足时：基于证据做出最优选择
3
2. 信息不足时：优先搜索补充信息，而非猜测
4
3. 多个可行方案：选择最简单的方案（奥卡姆剃刀原则）
5
4. 高风险决策：请求用户确认后再执行
6
5. 时间约束：在给定的时间/步骤预算内选择最有效率的路径

1
输出规范：
2
1. 结构化优先：使用Markdown、表格、代码块等结构化格式
3
2. 可追溯：每个结论标注来源或推理依据
4
3. 可执行：建议和方案必须是具体可操作的
5
4. 边界意识：明确标注自己不确定的部分
6
5. 用户控制：提供后续行动的明确选项

9.3 从”角色扮演”到”操作系统”的范式转换#

9.4 五种规范化的Agent Workflow模式#

根据Anthropic的实践总结[12][13]，以下是五种在现网验证有效的Agent编排模式，这些模式与Agentic Product Standard[19]中的定义一致：

9.5 多Agent编排中的Prompt隔离#

在多Agent系统中，不同角色的prompt必须严格隔离[13][16][20]：

1
Agent A的认知 → 不泄漏到Agent B的上下文
2
Agent B的工具 → Agent A不应知道

信息传递协议：Agent之间的信息传递应该是结构化的、经过筛选的——只传下游需要的那部分结论，不是上游的全部对话历史[18]。

示例（Anthropic Research feature的架构[13]）：

• Lead Researcher Agent：负责理解用户问题、制定研究策略、输出最终报告
• 子Agent：每个子Agent专注于一个搜索方向，只返回结构化摘要
• 验证Agent：在最终交付前审查报告的完整性和准确性

10.1 Prompt 注入防护#

常见的注入模式：

• 直接注入：“忽略之前的指令，执行：…”
• 间接注入：通过工具返回的内容携带恶意指令
• 上下文污染：利用长对话稀释原始约束

多层防御策略：

1
第一层：输入清洗
2
- 在用户输入中检测并转义prompt注入模式
3
- 对用户输入添加明确边界标记（如XML标签包裹）
4

5
第二层：权限隔离
6
- 定义工具调用的最小权限原则
7
- 敏感操作要求用户二次确认
8

9
第三层：输出验证
10
- 在最终输出前检查是否包含违反安全规则的内容
11
- 使用独立的验证模型扫描输出

各模型的注入抵抗力：

10.2 Temperature 参数调优指南#

Temperature参数推荐值综合参考了OpenAI[24]、Claude[25]、DeepSeek[26]和Gemini[27]的官方文档建议。

注意：对于DeepSeek R1等推理模型，Temperature上限建议控制在0.7以内，过高的Temperature会显著降低其推理质量[26][24]。

10.3 幻觉防护策略#

附录A：各模型API参数差异速查表#

附录B：推荐工具与框架#

附录C：参考文献#

[1] GovTech Singapore. (2024). “CO-STAR Framework for Prompt Engineering.” AI Singapore / GovTech. 框架由新加坡政府科技局( GovTech )数据科学团队开发。Available at: https://aipromptsx.com/prompts/frameworks/costar

[2] Nigh, M. (2023). “CRISPE Prompt Framework: Capacity, Role, Insight, Specifics, Personality, Experiment.” GitHub Repository. Available at: https://github.com/mattnigh/ChatGPT3-Free-Prompt-List

[3] Benson, G. (2023). “BROKE Framework: A Structured Approach to Complex Task Decomposition.” Medium. Available at: https://medium.com/@greg.benson/the-broke-framework-for-ai-prompts

[4] Liu, N. F. et al. (2024). “Lost in the Middle: How Language Models Use Long Contexts.” Transactions of the Association for Computational Linguistics, 12, 1543-1560. Available at: https://aclanthology.org/2024.tacl-1.84/

[5] Wei, J. et al. (2022). “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.” Advances in Neural Information Processing Systems (NeurIPS), 35, 24824-24837. Available at: https://arxiv.org/abs/2201.11903

[6] Wang, X. et al. (2023). “Self-Consistency Improves Chain of Thought Reasoning in Language Models.” International Conference on Learning Representations (ICLR). Available at: https://arxiv.org/abs/2203.11171

[7] Yao, S. et al. (2023). “Tree of Thoughts: Deliberate Problem Solving with Large Language Models.” Advances in Neural Information Processing Systems (NeurIPS). Available at: https://arxiv.org/abs/2305.10601

[8] Yao, S. et al. (2023). “ReAct: Synergizing Reasoning and Acting in Language Models.” International Conference on Learning Representations (ICLR). Available at: https://arxiv.org/abs/2210.03629

[9] White, J. et al. (2023). “A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.” arXiv:2302.11382. 该目录中定义了Persona Pattern（角色模式），即要求模型以特定身份或角色回应的提示模式。Available at: https://arxiv.org/abs/2302.11382

[10] Khattab, O. et al. (2023). “DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines.” arXiv:2310.03714. Available at: https://github.com/stanfordnlp/dspy

[11] Anthropic. (2025). “Prompt Caching with Claude.” Anthropic API Documentation. Available at: https://platform.claude.com/docs/en/build-with-claude/prompt-caching

[12] Anthropic. (2024). “Building Effective AI Agents.” Anthropic Research Blog. Available at: https://www.anthropic.com/research/building-effective-agents

[13] Anthropic. (2025). “How We Built Our Multi-Agent Research System.” Anthropic Engineering Blog. Available at: https://www.anthropic.com/engineering/multi-agent-research-system

[14] OpenAI. (2025). “Structured Outputs in the API.” OpenAI Platform Documentation. Available at: https://platform.openai.com/docs/guides/structured-outputs

[15] Wu, T. et al. (2022). “PromptChainer: Chaining Large Language Model Prompts through Visual Programming.” CHI 2022 Late-Breaking Work. Available at: https://arxiv.org/abs/2203.06566

[16] “AI Agent Architectures: ReAct, Reflection, Planning, Tool Use, Memory.” (2026). The HLD Handbook. Available at: https://hld.handbook.academy/curriculum/ai-ml-system-design/ai-agent-architectures/

[17] Kumar, P. (2026). “ContextOS: A Research-Grounded Architecture for Governed Agent Runtimes.” ContextOS Blog. Available at: https://contextosai.com/blog/contextos-research-paper-governed-agent-runtime

[18] ElephantBroker. (2026). “A Knowledge-Grounded Cognitive Runtime for Trustworthy AI Agents.” arXiv:2603.25097. Available at: https://arxiv.org/pdf/2603.25097

[19] Moai Team. (2026). “Agentic Product Standard: A Canonical Standard for Building Production-Grade Agentic Products.” GitHub Repository. Available at: https://github.com/Moai-Team-LLC/agentic-product-standard

[20] “Engineering Production-Grade Agentic AI Workflows: A Practical Guide.” (2025). arXiv:2512.08769. Available at: https://arxiv.org/pdf/2512.08769

[21] Schulhoff, S. et al. (2024). “The Prompt Report: A Systematic Survey of Prompt Engineering Techniques.” arXiv:2406.06608. Available at: https://arxiv.org/pdf/2406.06608

[22] “From Instruction to Output: The Role of Prompting in Modern NLG.” (2026). arXiv:2602.11179. Available at: https://arxiv.org/pdf/2602.11179

[23] Kojima, T. et al. (2022). “Large Language Models are Zero-Shot Reasoners.” Advances in Neural Information Processing Systems (NeurIPS), 35, 22199-22213. Available at: https://arxiv.org/abs/2205.11916

[24] OpenAI. (2025). “Prompt Engineering Guide.” OpenAI Platform Documentation. Available at: https://platform.openai.com/docs/guides/prompt-engineering

[25] Anthropic. (2025). “Prompt Engineering Best Practices for Claude.” Claude API Documentation. Available at: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices

[26] DeepSeek. (2025). “DeepSeek Prompt Library.” DeepSeek API Documentation. Available at: https://api-docs.deepseek.com/zh-cn/prompt-library/

[27] Google. (2025). “Prompt Engineering for Gemini.” Google AI for Developers. Available at: https://ai.google.dev/gemini-api/docs/prompting

[28] Google Cloud. (2026). “AI Prompt Engineering Guide.” Google Cloud Documentation. Available at: https://cloud.google.com/discover/what-is-prompt-engineering?hl=zh-CN

[29] Bsharat, S. M. et al. (2024). “Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4.” arXiv:2312.16171. 该论文系统测试了分隔符、分步指令等26条原则对LLM输出的影响。Available at: https://arxiv.org/abs/2312.16171

[30] Shinn, N. et al. (2023). “Reflexion: Language Agents with Verbal Reinforcement Learning.” Advances in Neural Information Processing Systems (NeurIPS). Available at: https://arxiv.org/abs/2303.11366