提示词运用

# 提示词运用

大语言模型如何与工厂的生产数据结合起来，这是业界一直在探寻的问题。目前在大语言模型领域主流使用的方式有以下两种：Agent与Workflow：

Agent 的特点
- 自主性：Agent 能根据目标和上下文，自己规划执行步骤，而不是被固定流程约束。
- 灵活性：遇到新情况时，Agent 可以调用工具、调整策略，甚至改变原有计划。
- 泛化能力：同一个 Agent 可以用在不同场景，只要它能访问所需资源/工具。
- 不确定性：由于基于推理、概率和大模型生成，Agent 的行为可能每次都有差异。
适合场景：探索性任务、需要动态决策的复杂流程，比如智能客服、代码调试助手、数据分析探索。
Workflow 的特点
- 确定性：Workflow 是预定义的，按照固定节点（A → B → C）执行，不会随意偏离。
- 可控性：业务流程、审批流、生产调度这类需要合规、可审计的场景，Workflow 更可靠。
- 可重复性：相同输入 → 一定得到相同结果。
- 可编排性：能清楚地看到流程图，方便团队协作、维护。
适合场景：需要高度确定和稳定的业务流程，比如订单处理、审批流、数据清洗管道。

基于工厂生产的数据要求，更倾向于使用Workflow来解决实际的问题。smeGPT中提供了提示词功能，以用来实现Workflow所需的功能。

在介绍提示词相关的功能前，需要对提示词中的一些关键概念有基本的了解。

提示词是以事件为驱动，以步骤为基础，进而实现工作流程的运行。

事件：是一个基本的对象，会携带参数数据，同时也会携带上下文。可以类比为一个快递包裹，里面装着需要处理的数据。
步骤：处理事件的对象，在收到事件后，就会触发处理的流程，处理完成后，会将其产生的结果包装成其后续的事件。可以类比为快递中转站，每个站点收到事件，就会根据内容做一些处理，然后可能再发出新的事件，送到下一个节点。
参数：要传递的信息，相当于是快递包裹中的物品。

以下是这些过程流转的连接示意图：

接下来，将详细介绍如何在smeGPT中创建一个可以使用的提示词。

在[企业GPT]-[GPT应用设置]-[提示词设置]中，创建一个提示词。

填写提示词说明。提示词说明是用来描述提示词的作用，以及提示词的应用场景。这些内容务必要描述清楚，因为在实际运行时，这些内容都会提供给大语言模型，需要根据这些内容来让大语言模型判断是否选用这个提示词来运行。如果描述不清楚，会导致提示词选择错误，无法获取到预期的结果。如果提示词需要引入参数，则继续添加提示词参数的说明，这会帮助大语言模型理解用户提问，并从提问中提取出参数所需的值。

填写提示词的事件。一个提示词中可以有多个事件，需要把这些事件都列举清楚，但是入口事件只能有一个，入口事件就是用来标注从哪个事件开始触发运行的。填写完成后，点击[生成代码]，会将提示词事件的代码基础结构创建出来。这部分代码使用的是Python语法，在代码生成后，可以点击[编辑代码]，打开代码编辑框，对Python代码进行编辑操作。

填写提示词的步骤。提示词步骤中用于处理提示词事件传递的参数信息。标注了从哪个起始事件中获取参数，并在处理完成后将参数传递给指定的结束事件。起始事件(startEvent)已在smeGPT中预先设置好，最后一个步骤的结束事件应填写StopEvent。填写完成后，点击[生成代码]，会将提示词事件的代码基础结构创建出来。这部分代码使用的是Python语法，在代码生成后，可以点击[编辑代码]，打开代码编辑框，对Python代码进行编辑操作。