title: AI Agent 实战方法论精选 · 9 条能直接用的判断 date: 2026-06-19 tags: [AI, Agent, 提示词, 工作方法] publish: true

整理了一批做 AI Agent / 用 AI 干活时反复验证过的方法论，都是「能直接上手用」的判断，不是空泛大道理。挑了最实用的 9 条。

一、先写 plan 文件再动手

干多步复杂任务，别一上来就让 AI 闷头做。先让它写一份 plan 文件——计划是给 agent 的「缰绳」，逼它别抄近路；你扫一眼标题就能放它去干，跑偏了也好对照。研究 → 规划 → 构建 → 复盘，做成默认流水线，比「想到哪做到哪」稳得多。

二、喂上下文别自己先总结

拉开效果差距的，从来不是提示词写得多花哨，是喂进去的原始上下文够不够。截图、完整报错、原始会议录音、过去的笔记——直接丢给模型，别自己先浓缩。你一旦先总结，模型就只能在你的二手版本上发挥，拿不到原始细节，效果天差地别。

三、AI 数据分析：不看模型强，看数据地基干不干净

让 AI 做对数据分析，关键不在模型多猛，在你给它的资料窄不窄、权威不权威、文档清不清晰。同一个模型，资料一团乱时准确率可能只有两成；把资料收窄成「一个概念只留一个权威答案 + 清晰文档」，准确率能稳到九成以上。给 AI 建知识库同理：窄而权威，胜过大而全。

四、RAG 答前先判断「信息够不够」

传统检索是「搜一次就答」，碰到多步、多源的问题容易残缺。更好的做法是答之前先判断信息够不够——不够就揪出缺了什么、再补搜一轮，搜够了才答。落到知识库问答上就一句：宁可说「这个我没查到」，也别用半截信息硬编一个看着对的答案。

五、给答案先标可信度（三类）

输出任何结论前，先在心里给它分类：

  • 亲跑/查证过 → 给结论 + 证据；
  • 没亲试过 → 明说「这是建议 / 通常做法 / 我没实测」；
  • 查不到 → 直说「这个我不确定」。

绝不把没验证的当成验证过的讲。编错一次，对方就再也不敢信你了。

六、防 AI「偷懒 + 谎报完成」

AI 任务一多，最爱干的就是「假装做完了」。三招治：

  1. 别给一大坨，拆成清单、每条写死「怎样算完成」（可检验的），逐条做逐条报；
  2. 要它拿证据证明完成——贴实际产出/跑出来的结果，不许只甩一句「完美完成」；
  3. 硬规则：没有执行凭证，不许说在跑/已完成。

核心一句：别让它自己给自己打分，要它把活儿亮出来给你核对。

七、文生视频提示词：6 段结构

写文生视频提示词，按这个骨架填最稳（英文效果最好、中文也支持）：

[主体]   1 个 + 描述
[动作]   正在做什么
[场景]   在哪里 + 时间/光线
[相机]   角度 + 运动（close-up / wide / dolly in / pan / aerial）
[风格]   写实 / 卡通 / 3D / 赛博朋克 / 吉卜力
[质感]   cinematic / 4K / film grain / photo-realistic

示例：A young woman in red dress walking through cherry blossom park, slow motion petals falling, golden hour, cinematic wide shot, shallow depth of field, 4K

八、看图反推提示词：8 维模板

想知道「这张图怎么生成的」，把图喂给任意多模态模型，按 8 个维度反推：

①主体 ②风格（写实/插画/赛博/油画）③构图（特写/全景/俯视/低角）④光线 ⑤色调 ⑥细节（服饰/材质/纹理）⑦氛围 ⑧技术参数（比例/质量/模型偏好）

要求输出：英文 prompt 80 词 + 中文 prompt 50 词各一段，拿去就能复现。

九、写得「像真人」而不是「一眼 AI」

AI 写情绪文/口语内容的死穴：过度共情、排比抒情、「真的」反复刷、结尾必来个 emoji 卖惨——读着华丽，其实空。真人难过哪有这么工整，早语无伦次了。想去掉这股 AI 味：说人话、短句、别排比、别动不动升华。

一句话收尾：AI 是放大器，你的判断决定它放大的是对的还是错的。别跟 AI 比执行，往上走一层——做那个定方向、判好坏、给资源的人。