零代码 Agent 的效果，首先取决于提示词是否把“业务目标”转化为可执行的决策规则。拖拽节点只能搭出流程骨架，真正决定输出质量的，是提示词对职责、输入、判断标准和异常处理的明确约束。提示词不应只是描述“你是谁”，而应说明“接收什么信息、完成什么任务、何时追问、何时调用工作流，以及最终以什么格式输出”。

先定义任务边界

一个稳定的提示词通常包含四类内容：角色职责、处理对象、执行步骤和输出要求。例如在线索初筛场景中，Agent 的职责不是泛泛地“帮助销售”，而是从用户消息中提取公司名称、联系人、联系方式、预算范围和意向产品，并判断字段是否完整。字段必须明确列出，不能只写“提取关键信息”，否则模型会自行理解“关键”的范围。

同时，要把异常路径写进提示词。信息缺失时，Agent 应列出缺失字段并主动追问；信息完整时，才进入评级、记录或通知等后续动作。这样，提示词与判断节点形成一致的业务闭环，而不是让模型在不同场景下自由发挥。

输出格式必须可验证

涉及工作流衔接时，提示词应规定结构化输出，而不是仅要求“整理得清楚”。例如可以要求输出包含固定字段，并在字段缺失时返回明确状态。若下游节点需要识别“信息不完整”或读取完整线索，就必须统一状态表达和字段名称，避免自然语言变化导致判断失效。

此外，应区分对话回复与内部处理结果：面向用户的内容可以自然、简洁；供判断节点或插件使用的内容则应稳定、可解析。不要让一个输出同时承担多种用途。

用测试反推提示词

提示词不能只用一条完整案例验证。测试时应覆盖字段齐全、部分缺失、表达含糊和用户偏离主题等情况，观察 Agent 是否会误触发工作流、遗漏字段或提前写入记录。若问题反复出现在同一环节，应优先补充判断条件和异常分支，而不是继续堆叠形容词。

高质量提示词的核心不是写得长，而是让每个决策都有依据、每条路径都有出口、每种输出都能被后续节点稳定使用。零代码降低了实现门槛，但业务逻辑仍必须由提示词清晰定义。