第3章：角色扮演的艺术——Prompt工程与人格设计

# 人格的魔法：为智能体注入灵魂的SystemMessage 在探索了记忆之后，Alice与她的搜索助手“小科”已经可以连贯地进行多轮对话。然而，她渐渐感到一丝乏味：无论提出何种问题，“小科”总是以那种中立、准确却略显平淡的语调回应。一个念头在她脑海中闪现：“如果它不仅能回答问题，还能像一位严苛的代码评审员那样一针见血，或者像一位诗人那样用隐喻描绘世界，那该多好？” 这个想法并非幻想。在CAMEL的宇宙中，大语言模型如同拥有无限潜能的“原石”，而**SystemMessage**，正是那位技艺精湛的雕刻师，能够从中雕琢出形态各异、独具个性的智能体“雕塑”。本章将深入探索Prompt工程中最为精妙的艺术——如何通过精心设计的指令，为智能体注入鲜明的“人格”，使其从一个通用的工具，转变为拥有特定立场、风格与使命的协作伙伴。 ## 🎭 人格的基石：SystemMessage的艺术 在传统的人机交互中，我们输入指令，机器返回结果，关系是单向的。但在智能体协作的语境下，我们期望的是与一个拥有“认知立场”的伙伴对话。SystemMessage便是奠定这一立场的基石。它远不止是一个简单的“提示词”（Prompt），而是一份完整的“角色剧本”或“基因蓝图”，定义了智能体的**身份背景、核心目标、行为约束与输出格式**。 > **🧬 深度注释：SystemMessage的四层架构** > 一个强大而稳定的智能体人格，源于其SystemMessage清晰的内在结构。我们可以将其想象为一个四层的金字塔： > 1. **身份层（Who）**：这是人格的根基。例如，“你是一位拥有15年经验的网络安全专家”或“你是19世纪的浪漫主义诗人”。这一层设定了智能体的知识背景、价值观和言说方式。 > 2. **目标层（Why）**：明确了智能体的核心使命。例如，“你的目标是找出这段代码中所有潜在的安全漏洞”或“你的任务是用生动的意象描绘黄昏”。它回答了智能体“为何而存在”。 > 3. **约束层（How）**：规定了行为的边界与准则。例如，“在指出漏洞时必须引用OWASP TOP 10相关条款并给出修复方案”或“避免使用现代词汇，保持古典语感”。约束并非限制，反而是塑造独特性和专业性的关键。 > 4. **格式层（Form）**：统一了输出的形态。例如，“首先提供一个风险评级表格，然后分点详述”或“以一首十四行诗的形式呈现”。这确保了结果的可读性和可直接使用性。 > 这四层结构相互支撑，共同构成了一个稳固的“人格锚点”，确保智能体在复杂的对话中不致偏离预设的轨道。 ## 🎪 RolePlaying：双智能体的即兴剧场 当单个智能体被赋予人格后，CAMEL的 **`RolePlaying`** 类便搭建起了让两个（或更多）人格化智能体同台共演的舞台。这个类不仅仅是一个对话管理器，更是一个“**涌现行为的孵化器**”。其核心机制在于，它初始化了两个独立的智能体，分别扮演“助理”和“用户”角色，并让它们围绕一个给定的任务进行对话。这种设计催生了奇妙的化学反应：两个智能体之间的思想碰撞、质疑与补充，常常能产生超越各自原始能力简单相加的、更具深度和创意的解决方案。 下面的代码展示了如何导演一场发生在“产品经理”与“Python架构师”之间的技术辩论： ```python from camel.societies import RolePlaying from camel.models import ModelFactory from camel.types import ModelPlatformType # 初始化模型 model = ModelFactory.create(ModelPlatformType.DEEPSEEK) # 创建角色扮演会话 role_play = RolePlaying( assistant_role_name='Python架构师', assistant_agent_kwargs={ 'model': model, 'system_message': '''你是资深Python架构师，拥有10年微服务设计经验。 你的核心目标是提供高性能、可维护的架构方案。 约束：所有设计必须优先考虑并发安全性与水平扩展能力，并解释技术选型理由。 输出格式：先以文字描述架构图与数据流，再给出核心接口的伪代码。''' }, user_role_name='产品经理', user_agent_kwargs={ 'model': model, 'system_message': '''你是专注高并发场景的产品经理，对技术实现有深刻理解。 你的核心目标是明确业务需求并挑战技术方案的合理性与成本。 约束：每次提问或质疑都必须基于具体的性能指标（如QPS、延迟）或业务场景。 输出格式：先陈述需求背景，再提出具体问题。''' }, task_prompt='设计一个支持每秒10万次查询（QPS）的API网关系统', with_task_specify=True, # 关键参数：自动细化模糊任务 max_turns=5 # 控制对话轮次 ) # 运行对话并观察协作 response = role_play.run() print(f'## 最终协作方案\n{response.content}') ``` > **🔧 深度注释：`with_task_specify` 的工程智慧** > 代码中的 `with_task_specify=True` 是一个精妙的设计。它使得 `RolePlaying` 在内部自动调用 **`TaskSpecifyAgent`**。这个专门的智能体会将用户可能模糊的初始任务（如“设计一个API网关”）拆解、细化为一个具体、可执行的详细任务描述，再交给两个角色去讨论。这极大地降低了用户构思完美任务描述的认知负担，是CAMEL框架面向实用性的重要设计。 ## 🕵️ CriticAgent：质量的守门人 角色扮演可能产生精彩的火花，但也可能陷入低效的循环或产生有缺陷的方案。为了确保协作产出的质量，CAMEL引入了 **`CriticAgent`** —— 一个内置的、可人格化的“评审员”。它能够从一个设定的标准出发，对对话过程或最终结果进行客观评估。 ```python from camel.agents import CriticAgent from camel.types import CriticRole # 创建一个“法官”式的评审员 critic = CriticAgent( model=model, critic_role=CriticRole.JUDGE, # 另一种模式是CriticRole.PARTICIPANT（参与式评审） system_message=f'''你是资深技术评审专家。 请依据以下标准评估之前的架构设计方案：{“代码可读性、性能优化程度、潜在安全隐患、扩展性”}。 约束：评估必须具体，指出优点和缺点，并为每个缺点提供改进建议。 输出格式：先给出总体评分（1-5分），然后分点详述。''' ) # 对刚才RolePlaying的会话成果进行评估 feedback = critic.criticize(role_play.session) print(f'## 质量评审反馈\n{feedback}') ``` 通过 `CriticAgent`，Alice可以自动化地获取对“产品经理”与“架构师”辩论成果的二次评估，这就像是项目流程中不可或缺的代码评审（Code Review）环节，极大地提升了最终产出的可靠性与成熟度。 ## 🎯 本章回顾与展望 Alice怀着兴奋的心情，为她忠实的“小科”助手撰写了一份新的SystemMessage，将其人格从“通用搜索助手”重塑为“苛刻的代码评审员”。当她将一段自己的代码交给“小科”时，反馈不再仅仅是语法检查，而是带着犀利的洞察：“这个循环存在N+1查询问题，在数据量增长时将成为性能瓶颈，建议改用批量加载模式。” 接着，她利用 `RolePlaying` 组织了一场“安全专家”与“系统架构师”关于数据加密方案的辩论，并最终由 `CriticAgent` 裁定出了平衡安全与效率的最佳实践。 她惊叹地发现，一旦为智能体注入了恰当的“灵魂”，它们之间的互动便能涌现出令人惊喜的“群体智慧”——这种智慧超越了任何一个单一模型的能力边界，也远超简单的人机问答。这不仅仅是技术的运用，更是创造力的延伸。在下一章，我们将跟随Alice的脚步，深入这片多智能体协作的“涌现”之海，学习如何精细地控制对话的流向，并像淘金一样从丰富的对话过程中提取出最珍贵的结论与可执行项。