必须通过角色设定明确智能体身份、职责与响应风格，否则将失控；需用字符串定义含任务范围、禁止行为及固定开头的提示词，并正确注入Agent实例，否则触发通用应答模式。

要在AgentKit中让智能体准确理解并执行特定业务逻辑，必须通过角色设定（Role Prompt）明确其身份、职责边界与响应风格，否则模型会按通用模式自由发挥，导致库存查询返回天气预报、客服回答混入代码片段等失控现象。

定义角色核心提示词

在agent初始化前，用字符串明确定义角色身份与任务范围，例如："你是一名专注电商售后的智能体，只处理退货申请、物流查询、换货政策解释三类问题。不回答商品推荐、价格对比或技术问题。所有回复必须包含'根据平台售后规则'作为开头。"

这一步不可省略——【缺少角色约束的agent.run()调用，默认触发大模型通用应答模式，业务意图将被稀释】。

提示词中必须包含“禁止行为”条款，仅写“请专注售后”无效；要写成“不回答商品推荐、价格对比或技术问题”，用否定句式封堵歧义路径。

将角色提示注入Agent实例

使用agent = Agent(tools=[...], prompt=role_prompt)方式传入，确保prompt参数为纯字符串，不可嵌套字典或函数。

若将role_prompt误写为f-string格式且内部含未定义变量（如f"我是{dept_name}客服"但dept_name未声明），程序会在agent.run()时抛出NameError而非静默失败。

验证角色生效的最小测试路径

第一步：准备测试输入 → 第二步：调用agent.run("我想买一台新手机") → 第三步：检查输出是否以“根据平台售后规则”开头且内容拒绝该请求 → 第四步：若返回“推荐您查看最新旗舰机型”，说明角色提示未加载或被后续配置覆盖。

这一步操作起来很简单，直接把文件拖进去就行。