Web agent 的prompt构造

Web agent 的prompt构造

在观摩了大佬的DeepResearch感觉真的牛逼，，就顺手写下了这篇文章，来做一个学习记录，以下文章为关于提示词设计对的一些技巧，在设计中，有非常多可取的地方，就记录了下来。。。。

github项目地址https://github.com/Alibaba-NLP/DeepResearch

这个提示词设计主要分为以下两部分：

1. SYSTEM_PROMPT（系统提示）‍
   • 设定了助手的角色、目标、工作方式以及输出格式。
   • 明确要求在完成所有信息收集、分析、整合后，用 <answer></answer> 包裹最终答案。
2. EXTRACTOR_PROMPT（提取器提示）‍
   • 用于在访问网页后，从网页内容中抽取与用户需求相关的信息。
   • 规定了抽取的三个步骤（Rational、Evidence、Summary）以及返回的 JSON 结构。

SYSTEM_PROMPT 详细解读

工具调用细节

• search：接受一个查询数组，返回搜索结果的文字摘要。
• visit：给出 URL 列表和具体信息需求（goal），返回网页摘要。
• PythonInterpreter：执行任意 Python 代码，必须在 <code> 标签内，且 arguments 必须为空对象 {}。
• google_scholar：专门检索学术文献，同样接受查询数组。
• parse_file：解析用户上传的本地文件（PDF、DOCX、CSV 等），返回文件内容的结构化信息。

EXTRACTOR_PROMPT 详细解读

此提示用于 网页内容抽取，在 visit 工具返回网页摘要后，系统会把摘要和用户的具体需求一起送入该提示，要求模型执行以下三步：

1.Rational（理性）‍

• 定位与用户目标直接相关的章节或数据。
• 目的是快速定位信息的“所在位置”。

2. Evidence（证据）‍
   • 提取最关键、最原始的文本片段（尽可能保留完整上下文）。
   • 要求“不要遗漏重要信息”，可以超过三段。
3. Summary（摘要）‍
   • 对提取的内容进行简洁的概括，突出与用户目标的关联性。

返回格式必须是 JSON，包含 rational、evidence、summary 三个字段，便于后续自动化处理或直接呈现给用户。

工作流程示例

1. 用户提问 → 系统识别需要外部信息 → 触发 search 或 visit。
2. 调用 search：获取搜索结果的文字摘要。
3. 若需要深入网页，使用 visit：提供 URL 与具体信息需求（goal）。
4. visit 返回网页内容 → 将内容和用户目标送入 EXTRACTOR_PROMPT，模型输出 JSON（rational、evidence、summary）。
5. 整合所有信息（可能还会用 PythonInterpreter 进行数据处理或 google_scholar 检索学术文献），形成完整答案。
6. 最终答案 用 <answer></answer> 包裹返回给用户。

使用注意事项

• 工具优先：除非问题极其简单（如基础定义、算术），都应先尝试调用工具获取最新、可靠的数据。
• 多轮搜索：对复杂问题建议进行 1‑3 轮搜索，逐步补全信息并交叉验证。
• 输出格式：最终答案必须在 <answer> 标签内，且保持中文自然流畅的表达。
• 证据引用：如果答案中使用了搜索或学术检索得到的具体数据，需要在相应句子后标注证据 ID（如 ``），但在本系统的实现中，证据 ID 由 EXTRACTOR_PROMPT 的 JSON 输出提供。
• 合规性：所有内容必须遵守中国社会主义价值观及平台的内容政策。

简明要点回顾

• 系统提示定义角色、工具、调用方式、输出格式。
• 工具包括搜索、网页访问、代码执行、学术检索、文件解析。
• 提取器提示负责从网页摘要中定位、抽取、概括信息，返回结构化 JSON。
• 工作流程：提问 → 调用工具 → 抽取 → 整合 → <answer> 包裹答案。
• 遵循原则：工具优先、分步验证、合规输出。

经验与总结