AI Agent多步推理时Prompt怎么设计？Task拆分后总跑偏

这种情况其实挺常见的，核心问题不是Prompt写得不够“请基于上一步”，而是你把中间结果只留在模型的上下文里，它每步都可能重新解释一遍。我自己的做法是强制让Agent把每一步输出成结构化字段，比如{"weather": "rainy", "reason": "..."}，下一步只允许读这个字段，不让它自由发挥。这样比单纯在子Prompt里写约束稳很多。ReAct确实有帮助，但它解决的是工具调用和思考交替的问题，不直接解决状态传递。还有个坑是主Prompt如果太长，模型会优先关注最后几步，前面的中间结果容易被稀释。可以试试每步只给它必要的上下文，别把整条历史都塞进去。另外温度调到0.2以下也会明显减少脑补。

我踩过同样的坑，后来发现关键不是把每步结果塞进prompt里，而是让第二步真的“看得见”第一步的输出。最简单的做法是每步完成后把结构化结果（比如{"weather":"rainy"}）显式拼进下一步的上下文，别指望模型自己记住。另外你那个短袖例子，很可能是子任务描述太模糊，模型没把天气当成约束条件。ReAct不是必须的，但加个“先复述已知信息再执行”的小步骤会稳不少。

试试把第一步结果显式塞进第二步的prompt里，别让模型自己“记”。我用ReAct也遇到过类似问题，关键还是上下文得手动拼。

我之前也踩过这个坑，后来发现关键不是加约束语句，而是把上一步的输出结构化地塞进下一步的prompt里，比如固定格式{"weather":"rainy"}，模型就不容易丢。光靠“请基于上一步结果”这种话太虚了，模型该忘还是忘。另外ReAct不是必须的，但显式让模型先复述一遍已知条件再推理，稳定性会好不少。你可以试试每个子任务开头都强制它先输出当前掌握的事实清单。

刚入门，这个对我帮助很大。

把上一步结果作为显式输入塞进子prompt里，别指望模型自己记住，亲测有效。