系统概述

这是一个基于多 Agent 协作的提示词自动优化系统，通过迭代对比生成结果与参考标准，持续改进提示词质量，直至达到预设的一致性阈值。

核心流程图

核心设计链路

第一阶段：初始化

角色： 主 Agent

任务：

1. 加载初始提示词模板
2. 配置目标网站 URL：https://www.nike.com/
3. 设置参考标准文档路径：collections/nike/DESIGN.md
4. 初始化版本历史库（空）
5. 设置一致性评分阈值（建议：85/100）

输出：

• 初始提示词 V0
• 迭代计数器 = 0

第二阶段：生成循环（迭代核心）

步骤 2.1：启动生成 Subagent

角色： Subagent 1

任务：

1. 接收当前版本的提示词
2. 访问目标网站 https://www.nike.com/
3. 使用提示词分析网站内容
4. 生成品牌设计文档

输出： test/DESIGN.md

关键技术点：

• 网站内容抓取与解析
• 基于提示词的结构化生成
• Markdown 格式输出

步骤 2.2：主 Agent 初步审查

角色： 主 Agent

任务：

1. 读取 test/DESIGN.md
2. 检查文档完整性（必需章节：品牌概述、设计规范、视觉元素等）
3. 快速格式验证
4. 记录迭代元数据（时间戳、提示词版本）

步骤 2.3：启动对比 Subagent

角色： Subagent 2

任务：

1. 读取参考文档：collections/nike/DESIGN.md
2. 读取测试文档：test/DESIGN.md
3. 执行深度一致性分析

分析维度：

输出：

• 一致性打分（0-100）
• 详细评估报告（逐维度打分）
• 具体修改建议列表

步骤 2.4：迭代决策

角色： 主 Agent

决策逻辑：

if 一致性打分 >= 阈值:
    输出最优提示词
    生成最终报告
    终止迭代
else:
    进入优化阶段
    返回步骤 2.1

步骤 2.5：优化提示词

角色： 主 Agent

任务：

1. 解析 Subagent 2 的修改建议
2. 识别低分维度对应的提示词问题
3. 生成优化策略
4. 更新提示词

优化策略示例：

• 结构完整性低分 → 补充"必须包含以下章节"指令
• 内容准确性低分 → 增加"请核对以下关键信息"指令
• 细节丰富度低分 → 添加"请详细描述每个设计元素"指令
• 格式规范性低分 → 强化 Markdown 格式要求
• 语言表达低分 → 提供专业术语示例

步骤 2.6：版本管理

角色： 系统

任务：

1. 迭代计数器 += 1
2. 将优化后的提示词保存为 V{计数器}
3. 记录到版本历史库
4. 生成对比报告（V{n-1} vs V{n}）

版本记录格式：

{
  "version": "V3",
  "timestamp": "2024-04-15T20:30:00Z",
  "prompt_content": "...",
  "test_score": 72,
  "changes": ["补充了颜色系统章节要求", "增加了间距规范说明"],
  "diff_from_previous": "..."
}

第三阶段：收敛输出

当一致性评分达到阈值时：

输出内容：

1. 最优提示词版本
2. 最终一致性打分报告
3. 完整迭代历史
4. 优化趋势图
5. 效果对比表格（V0 vs V最优）

可优化点

1. 评估维度权重动态调整

当前问题： 固定权重可能无法适配不同类型的网站和文档

优化方案：

• 根据参考文档的特征自动调整权重
• 例如：电商网站侧重"内容准确性"，设计网站侧重"细节丰富度"

2. 并行化多个测试网站

当前问题： 只在 Nike 网站上测试，泛化能力未知

优化方案：

• 同时在多个同类网站（Adidas、Puma、Under Armour）测试
• 使用平均分评估提示词的泛化性
• 只有多网站都达标才算收敛

3. 增量式生成

当前问题： 每次都是全量生成，浪费计算资源

优化方案：

• Subagent 2 识别低分章节
• 下一轮迭代只生成需要改进的章节
• 其他章节复用上一轮结果

4. 自动阈值调整

当前问题： 固定阈值可能导致过度优化或收敛困难

优化方案：

• 初始阈值设低（如 60 分）
• 每轮迭代根据改进幅度动态调整
• 连续 3 轮改进 < 2 分时自动降低阈值要求

5. 提示词模板库

当前问题： 每次从零开始优化，效率低

优化方案：

• 预置针对不同网站类型的提示词模板库
• 根据网站特征自动选择最接近的初始模板
• 减少迭代轮次

问题点

1. 幻觉风险

问题描述： Subagent 1 可能生成网站上不存在的信息

解决方案：

• 在提示词中强调"只生成网站明确展示的信息"
• 引入事实核查 Subagent
• 对生成的关键信息进行交叉验证

2. 迭代发散

问题描述： 可能出现提示词越来越复杂但效果反而下降

解决方案：

• 限制最大迭代次数（如 20 轮）
• 记录历史最优解，发现退化时回滚
• 引入提示词复杂度惩罚机制

3. 收敛过慢

问题描述： 某些情况下需要几十轮迭代才能收敛

解决方案：

• 引入早停机制（early stopping）
• 连续 5 轮无显著改进时终止
• 分析卡点并人工干预

4. 参考文档偏差

问题描述： collections/nike/DESIGN.md 本身可能存在主观性或错误

解决方案：

• 使用多个专家标注的参考文档
• 计算参考文档之间的共识
• 只对比高共识部分

5. 网站内容变化

问题描述： Nike 网站可能在迭代期间更新，导致对比失效

解决方案：

• 每轮迭代缓存网站快照
• 所有 Subagent 使用同一快照
• 或明确标注网站访问时间戳

补充扩展点

6. 负样本对比机制

设计思路： 除了与参考文档对比，还引入负样本测试：

• 故意使用"反例提示词"生成文档
• 评估系统应能识别出明显的错误
• 验证评估系统的鲁棒性

实现方式：

# 在迭代过程中随机插入负样本测试
if iteration % 5 == 0:
    negative_prompt = "请生成一个完全错误的 Nike 设计文档"
    negative_result = generate(negative_prompt)
    negative_score = evaluate(negative_result)
    assert negative_score < 30, "评估系统无法识别负样本"

7. A/B 测试框架

设计思路： 对于每个优化点，同时尝试多个策略，选择效果最好的：

示例：

• 优化"细节丰富度"时，同时测试：
  • 策略 A：“请详细描述每个设计元素”
  • 策略 B：“补充每个元素的 RGB 值、使用场景和设计意图”
  • 策略 C：提供具体的颜色、字体示例模板
• 使用多 Agent 并行测试
• 选择得分最高的策略

8. 可解释性增强

设计思路： 为每次迭代增加"推理链路"记录，让优化过程更透明：

记录内容：

## 迭代 V3 决策记录

### 问题诊断
- 当前得分：72/100
- 主要短板：细节丰富度（45%）、格式规范性（58%）

### 优化推理
1. 细节不足分析：
   - 颜色系统缺少 RGB 值
   - 字体规范缺少 line-height、letter-spacing
   - 间距单位混用（px、rem、em）

2. 格式问题分析：
   - 表格缺少对齐声明
   - 代码块语言标注不一致
   - 链接使用相对路径而非绝对路径

### 优化策略
- 在提示词中添加"颜色系统必须包含 RGB 值"的显式指令
- 增加格式规范示例代码块
- 要求统一使用 rem 单位

### 预期效果
- 细节丰富度提升至 65%
- 格式规范性提升至 80%
- 综合得分预期：78/100

实施建议

优先级排序

1. P0（必须）： 解决幻觉风险、迭代发散
2. P1（重要）： 评估维度动态调整、并行多网站测试
3. P2（优化）： 增量式生成、A/B 测试、可解释性增强

技术栈推荐

• Agent 编排： Claude Agent SDK 或自定义框架
• 网站抓取： Playwright 或 Puppeteer（支持动态内容）
• 对比评估： 结构化 diff + LLM 辅助
• 版本管理： Git + 自定义元数据存储

成功指标

总结

这个提示词优化迭代系统通过多 Agent 协作形成了一个闭环反馈机制：

1. 闭环路径： 版本库 → Subagent 1 → 生成文档 → Subagent 2 → 评估打分 → 优化提示词 → 版本库
2. 核心价值： 将人工优化提示词的经验转化为可自动执行的迭代流程
3. 扩展潜力： 可应用于各类需要高质量结构化输出的场景

关键在于设计好评估维度和优化策略，让每次迭代都有明确的改进方向。