#提示词工程 #AI Agent #任务书 #协作
AI Agent 的输出质量,90% 取决于你给它的任务书质量。同样的模型, 一份模糊的任务书产出模糊的结果,一份结构化的任务书产出可交付的结果。 这不是玄学,是信息论:Agent 只能基于你提供的信息做决策, 信息越完整,决策越准确。
我们在一人公司 + 多 Agent 协作的实践中,把所有任务书收敛成五个固定部分, 缺一不可。这个模板经过 35+ 个真实任务的验证,可直接复制使用:
# 任务书 ## 目标 一句话说清要交付什么(可验收的结果,不是过程) ## 范围 - 负责哪些文件/模块 - 明确排除哪些(防止 Agent 越界乱改) ## 上下文 - 相关背景、约束、已有约定 - 参考文件路径 - 必须遵守的规则 ## 输出要求 - 交付物的具体格式(文件+行号+代码/测试/文章字数) - 语言要求 ## 验收标准 - 什么样算完成(能跑测试?能过评审?字数达标?) - 不允许什么(不要伪代码、不要"待补充")
"范围"里的排除项是防止 Agent 越界的关键。多 Agent 并行时, 如果每个 Agent 都认为"整个项目都是我的范围",结果就是灾难。 明确说"不要碰 XXX 文件",比说"做好你的部分"有效十倍。
"写一篇好文章"不可验收;"输出 800 字以上、含 3 个 h2 标题、 有 meta description、无占位符"可验收。把验收标准写成检查清单, Agent 交付时逐项核对,主代理复核时也逐项核对。
上下文不是越多越好。给相关的背景和约束,但不要塞无关信息—— 那会稀释 Agent 的注意力。判断标准:这段信息影响 Agent 的决策吗? 不影响就不给。
以我们的网站知识库任务为例,任务书长这样:
这个任务书让 Agent 一次产出可用内容,不需要返工。
任务书是 Agent 协作的契约。五要素模板(目标、范围、上下文、输出要求、验收标准) 把"模糊的期望"变成"可验证的交付物"。这套方法不仅适用于 AI Agent, 也适用于任何远程协作场景——把话说清楚,是效率的起点。