一个构造良好的提示封装了所有必要的信息，确保AI Agent生成准确的响应并有效地执行任务。
通过系统地组合特定组件，提示符为LLM提供了一个全面的框架，以实现最佳功能。
六个关键要素如下：
1.用户请求：这是用户提供的原始任务描述，概述了目标和期望的结果。它作为代理行为的基础，确保LLM准确理解任务的上下文和范围。
2.Agent指令：清晰而详细的指令指导代理的操作，指定代理的角色、要遵循的规则和预期的输出。该组件构建推理过程，概述代理将处理哪些输入以及LLM应该产生哪些输出。
3.环境状态：提示包括GUI屏幕截图和UI数据，这些数据表示代理对其环境的感知。多个版本的屏幕截图，如干净的和注释的版本，有助于减少潜在的障碍。这种多模式输入对于准确决策和任务执行至关重要。
4.动作文档：这部分详细介绍了AI Agent可用的动作，包括函数名、参数、返回值和其他参数。提供此文档为LLM提供了有效选择适当操作所需的上下文。
5.演示示例：包括示例输入输出对激活LLM的上下文学习能力。这些示例说明了任务需求，帮助模型泛化并增强其在执行gui相关任务时的性能。
6.补充信息：额外的上下文，例如来自代理记忆的历史数据或来自外部来源的知识，如RAG（检索-增强生成），可以改进代理的决策过程。这些补充信息增强了智能体准确规划和推断的能力。
通过将这六个要素整合到提示中，AI代理可以确保LLM具备有效可靠地执行任务所需的背景和指导。
这种提示工程的系统方法最大限度地提高了llm驱动的GUI代理的有效性，使它们能够无缝地处理复杂的用户请求。
