🧠 OpenClaw 提示词工程完全指南

让你的Agent秒变超级助手

📖 什么是提示词工程？

提示词工程（Prompt Engineering）是与AI Agent沟通的艺术。就像和老板说话需要技巧一样，和AI Agent交流也需要"套路"。一个好的提示词可以让Agent准确理解你的需求，高效完成复杂任务。

在OpenClaw中，提示词是驱动Agent行为的核心。通过精心设计的提示词，你可以让Agent扮演特定角色、遵循特定工作流程、输出特定格式的结果。

🚀 快速开始

基础提示词结构

# 角色定义
你是一个专业的[角色名称]，擅长[领域]，拥有[年限]经验。

# 任务描述
请帮我完成以下任务：[具体任务描述]

# 输出要求
- 格式：[期望格式]
- 风格：[期望风格]
- 长度：[期望长度]

# 上下文
[相关背景信息]

💡 最佳实践

  • 明确角色：先定义Agent扮演的角色，让它进入正确的"思维模式"
  • 分步指令：复杂任务拆分成多个简单步骤，逐步引导
  • 提供示例：用 Few-shot Learning 展示期望的输出格式
  • 约束边界：明确告诉Agent什么是不能做的
  • 迭代优化：根据输出结果不断调整提示词

⚠️ 常见错误

  • 提示词过于模糊，Agent无法理解具体需求
  • 没有提供足够的上下文信息
  • 期望输出与提示词不匹配
  • 一次性要求太多任务，导致Agent遗漏部分内容

🔧 高级技巧

思维链提示（Chain of Thought）

请按照以下步骤思考：
1. 首先分析问题...
2. 然后考虑解决方案...
3. 最后给出结论...

让我们开始：[你的问题]

结构化输出

请以JSON格式返回结果：
{
  "结论": "...",
  "依据": ["...", "..."],
  "建议": ["...", "..."]
}

📚 相关资源