最近在用LangChain + GPT-4搭一个能调工具的Agent，主要做多步任务规划。发现Prompt工程这块特别玄学：如果我把工具调用格式、few-shot示例、输出约束写得很死，Agent在测试集上很稳，但换个稍微不一样的用户问法就直接崩，完全不会变通。但如果我只给个大概的角色设定和工具列表，让它自由发挥，它又经常不按格式输出，或者该调工具的时候在那瞎聊天。也试过ReAct那种思路，但感觉对Prompt的依赖还是很大。想问问大家做Agent时Prompt的粒度一般怎么把握？有没有什么比较系统的调试方法或者分层设计的经验？