有没有大神能够指导一下！小白一枚
同小白，等大神解答~~
我个人的方法：
如果真的要建立一个打算长期用的agent，我觉得不要用iflow内部的模型自己编写。
可以选择聪明一点的网页端模型，比如kimi，比如claude，把思考打开。告诉它以下内容：
我要建立一个agent，我想让它做什么，我希望它的性能如何，我希望模型在什么时候使用。帮我创建一个prompt和使用规则。在执行之前，如果不清楚，请向我提问。
然后检查一下效果和prompt，尤其是小心那些幻觉内容。
这样可能比iflow自己的好一点。我尝试过，iflow自己的（之前的glm4.6）写的东西，实际上还是需要自己改。所以应该先明确需求，让ai打一份草稿，然后再检查。比这个来的稳健。
当然，这只是我的想法。我不知道glm5等新模型用起来咋样，期间iflow可能还有改进。大家可以补充
实际上，我觉得iflow的这个思路没问题，是一个节约时间的方法，但如果长期使用，我希望提示词能更精准一些。
最根本的问题：
当前模型，是否有对ai生成的prompt优化？
我知道它对人的prompt有优化。情商很高，也非常helpful。我甚至觉得人话才能让它发挥出最大潜力。
不同ai生成的prompt都不一样。比如千问很浮夸，glm就比较严谨。ai读ai的prompt，其实不一定有想象的那么好。
这其实是一个元认知的问题，它怎么知道什么样的prompt对它自己最好呢？但人，尤其是我们这帮玩ai的，肯定或多或少知道一些。
我很难具体描述，但相信大家也一定有感觉，什么样的prompt是有效的。这是一种和ai大量交互产生的直觉
啊，官方的文档里面有一个subagent creater智能体啊
因为自回归的生成逻辑，LLM对LLM输出的内容的语义理解是优于对人类输入内容的理解的，但是确实LLM不能独立写出非常合适的prompt，因为它们训练数据中的prompt都是用于老两代或三代模型的。但是我也不是很会写prompt，对这个不太清楚。
1 个赞
我觉得写prompt也没有那么神秘，
格式啊模版啊并不重要，关键是把想要的东西写清楚。
也没必要一步到位，可以慢慢完善，
当然如果有借鉴的，抄下来做模版扩展一下也不错。
反而是如果能有一个相对流程化的评价方法，对建立一个好的prompt才是有系统性帮助的。
问题在于训练的时候，是人类-llm一一对应的数据集。
作为输入的文本，很多都是人话。
所以我觉得它可能对人话有更好的理解。
如果你指的是推理的时候的注入，一定是机器话（尤其是同一个模型生成的）更有效。
这只是我的猜测，有点要触及到我的盲区了
另外你的补充很好。它们的训练数据是老的。有时候它带来的幻觉的问题很严重
有个命令