用Prompt调教Agent时总是答非所问，到底该写多详细？

我前阵子也踩过类似的坑，后来发现光靠prompt加例子不太够。会议纪要这种任务，最好把“决策”和“待办”拆成两步做，先让模型标出所有带行动指向的句子，再二次过滤。另外可以试试在prompt里明确排除标准，比如“不含具体负责人和时间点的内容不算待办”，比只给正例管用。

会议纪要这种非结构化输入，光靠prompt确实难稳，试试让它先输出时间戳和发言人再判断？

感觉你缺的不是更详细，而是更结构化的约束。我之前也踩过这个坑，后来把“提取决策和待办”拆成两步：先让模型只标出所有带行动意图的句子，再单独判断哪些算决策、哪些是待办，准确率明显上来了。你还可以在prompt里明确排除闲聊类信号，比如“不含具体动作或责任人的内容一律忽略”。另外会议纪要这种任务，给模型一个固定输出字段（决策/待办/负责人/时间）比堆例子管用。

我最近也在搞类似的会议纪要Agent，感觉问题可能不在Prompt写多详细，而是模型对“决策”和“待办”的理解跟咱们不一样。你试试把任务拆开，先让它逐条判断每句话是不是决策/待办/闲聊，再汇总，别一步到位。另外时间节点漏掉可能是因为没让它显式输出“原文引用”，加上这个约束会稳不少。

我之前也踩过这个坑，整理会议纪要的Agent特别容易把“我们下周要不要考虑一下”这种模糊讨论当成决策。后来发现光靠few-shot不够，关键是要在Prompt里把判断标准写死，比如明确告诉它“只有出现‘决定’‘确认’‘拍板’这类词，或者有人明确说‘就这么定了’才算决策，其他一律归为讨论”。待办事项也一样，得定义清楚必须有责任人加时间点才算，缺一个就丢到“待跟进”里。另外你可以试试让它先输出一份带原文引用的中间结果，再基于那个结果做二次提取，这样漏掉时间节点的概率会小很多。角色设定其实作用有限，真正管用的是把输出结构约束住，比如强制它按“决策/待办/风险”三个字段返回JSON，跑偏了也容易发现是哪一步出的问题。

我最近也在搞类似的会议Agent，感觉问题可能不在Prompt写多细，而是模型对“决策”和“闲聊”的边界判断太模糊。你试试把任务拆成两步，先让它标记每句话的类型，再从中抽决策和待办，这样准确率高不少。另外时间节点可以单独用一个字段去抓，别和决策混在一起要求，模型容易顾此失彼。

我遇到过类似情况，最后发现关键不在Prompt写多细，而是得让模型先判断“这句话是不是决策”。可以试试分两步走：第一步只让它标注每句话的类型，第二步再提取。另外会议纪要里时间节点漏掉，可能是你例子给得不够“负”，加几个反例（比如闲聊里出现“决定”但其实是开玩笑）会稳很多。

我之前也踩过这个坑，后来发现关键不在写多详细，而是把“决策”和“待办”的定义收窄。比如明确说“只有出现‘我们决定’‘最终敲定’这类表述才算决策”，漏掉的概率会小很多。另外会议纪要这种任务，最好让它先输出带时间戳的原文片段，再基于片段做判断，纯靠概括容易脑补。你可以试试把few-shot里的反例也加上，告诉它哪些闲聊不算数，比只给正例管用。

这种任务光靠调Prompt确实挺难稳定的，我踩过类似的坑。后来发现把“提取决策和待办”拆成两步会好很多：先让模型判断每句话是不是决策或待办，再单独整理成清单，比一步到位靠谱。另外会议纪要这种场景，时间节点漏掉往往是因为模型不知道哪些算“重要”，可以在Prompt里明确说“所有提到日期、负责人、截止时间的地方都必须保留”。还有个歪招是让它输出前先复述一遍它理解的规则，跑偏率能降不少，你可以试试。

我一般把决策和待办拆成两个字段分别提取，再加个“无则留空”的约束，跑偏少很多。

我上周也刚踩过类似的坑，做需求评审会的纪要提取，发现光靠few-shot和角色设定确实不够稳。后来我换了个思路，把任务拆成两步：第一步让模型先逐段判断“这句话属于决策、待办、时间节点还是闲聊”，相当于让它做分类而不是直接生成摘要；第二步再根据分类结果拼装结构化输出。这样跑偏率明显降下来了，因为模型不用同时干“理解+筛选+组织”三件事。另外你提到的漏时间节点，可能是prompt里没给明确的抽取模板，比如强制要求输出“负责人+动作+截止时间”这种三元组，缺一个就标null。还有个偏方是加一句“如果不确定，宁可不写也不要猜”，对减少把闲聊当决策挺有用的。不过代价是召回率会掉一些，得看你的场景更怕误报还是漏报。

我也遇到过类似情况，后来发现光靠prompt加例子不够，关键是要让模型先做一步“筛选”而不是直接提取。可以试试拆成两段：先让它逐条判断每句话是决策、待办还是闲聊，再单独汇总，准确率会高不少。另外会议纪要里时间节点容易漏，我一般会在prompt里明确要求“凡是出现日期、截止时间的句子必须原样保留”。不过这套流程token消耗会翻倍，你得权衡下成本。

我一般会把“关键决策”定义清楚，比如必须包含拍板人和结论，不然模型确实容易瞎抓。