Scrivere istruzioni efficaci per gli agenti dichiarativi

Gli agenti dichiarativi sono versioni personalizzate di Microsoft 365 Copilot che consentono di creare esperienze personalizzate dichiarando istruzioni, azioni e conoscenze specifiche. Per scrivere istruzioni efficaci per l'agente dichiarativo, prendere in considerazione le domande seguenti:

  • Quale obiettivo deve raggiungere il tuo agente?
  • Quali flussi di lavoro immaginate che gli utenti finali seguano?
    • C'è una logica di business che vuoi incorporare?
    • Esiste un'esperienza utente finale desiderata che vuoi incorporare?
  • Per ogni flusso di lavoro, puoi fornire istruzioni dettagliate per l'agente?

Se l'agente dichiarativo ha anche plug-in API come azioni, il documento OpenAPI per il plug-in aiuta l'agente a comprendere tutte le istruzioni che si riferiscono all'API. Per altre informazioni, vedere Come rendere efficace un documento OpenAPI nell'estensione di Copilot.

Queste linee guida si applicano agli sviluppatori e ai creatori che creano agenti dichiarativi con Generatore agente in Microsoft 365 Copilot, Work IQ Dev Tools o nei flussi di lavoro basati su Toolkit. WIQD è consigliato per gli scenari pro-code supportati. Per altre informazioni su come scrivere istruzioni per gli agenti di Copilot Studio, vedere Configurare istruzioni di alta qualità per l'orchestrazione generativa.

Importante

Microsoft 365 Copilot esegue periodicamente le transizioni ai modelli più recenti. Poiché questi aggiornamenti sono automatici, aspettati alcune modifiche comportamentali nel tempo e preparati ad adattare prompt e istruzioni dove la precisione è importante. Le modifiche al modello possono influire sul modo in cui l'agente dichiarativo comprende e risponde alle istruzioni, in particolare in scenari strutturati o dettagliati.

Componenti di istruzioni

Un set ben strutturato di istruzioni assicura che l'agente comprenda il suo ruolo, i compiti che dovrebbe svolgere e come interagire con gli utenti. I componenti principali delle istruzioni dell'agente dichiarativo sono:

  • Scopo
  • Linee guida generali, tra cui indicazioni generali, tono e restrizioni
  • Competenze

Se necessario, includere anche i componenti seguenti nelle istruzioni:

  • Istruzioni dettagliate
  • Gestione degli errori e limitazioni
  • Feedback e iterazione
  • Esempi di interazione
  • Termini non standard
  • Completamento e chiusura

Il diagramma seguente mostra i componenti principali delle istruzioni dell'agente dichiarativo.

Diagramma dei componenti delle istruzioni degli agenti, inclusi scopo, linee guida e competenze

Importante

Non archiviare o scaricare le istruzioni dell'agente dichiarativo nei documenti di SharePoint (o in qualsiasi altra fonte di conoscenza) per aggirare il limite di istruzioni di 8.000 caratteri. Il contenuto dell'origine delle informazioni non è un contenuto di istruzioni creato dal creatore attendibile ed è soggetto a classificatori XPIA (Cross-Prompt Injection Attacks): il linguaggio simile a una direttiva può essere bloccato, troncato o disinfettato in fase di esecuzione, causando un comportamento imprevedibile degli agenti. Questo modello espande anche la superficie di attacco: chiunque disponga dell'accesso in modifica al documento a cui si fa riferimento può modificare il comportamento dell'agente in fase di esecuzione, ignorando i controlli di creazione, controllo delle versioni e governance del manifesto. Le fonti di conoscenza sono progettate per fondare risposte fattuali, non per servire come istruzioni a livello di sistema, e la piattaforma non garantisce che saranno onorate come istruzioni dell'agente.

Competenze di riferimento ad alto livello

Le abilità sono una componente distinta di un agente dichiarativo, non le istruzioni che scrivi in linea. Una competenza impacchetta le proprie istruzioni, risorse e script e l'agente carica il contenuto di una competenza solo quando un'attività lo richiede. Nelle istruzioni dell'agente, fai riferimento alle competenze di alto livello e indica le competenze effettive configurate nell'agente, invece di duplicare i passaggi dettagliati di una competenza nelle istruzioni. Per informazioni sulle competenze, i limiti e le modalità per aggiungerle, vedere Competenze negli agenti dichiarativi.

Procedure consigliate per le istruzioni dell'agente

Usa un linguaggio chiaro e fruibile

  • Concentrati su ciò che Copilot dovrebbe fare, non su cosa evitare.
  • Usa verbi precisi e specifici, come "chiedere", "cercare", "inviare", "controllare" o "usare".
  • Integrare con esempi per ridurre al minimo l'ambiguità.
  • Definire tutti i termini non standard o univoci per l'organizzazione nelle istruzioni.

Crea flussi di lavoro dettagliati con le transizioni

Suddividi i flussi di lavoro in passaggi modulari, non ambigui e non in conflitto. Ogni passaggio deve includere:

  • Obiettivo: lo scopo del passo.
  • Azione: cosa dovrebbe fare l'agente e quali strumenti usare.
  • Transizione: chiari i criteri per andare al passaggio successivo o terminare il flusso di lavoro.

Usa una struttura rigorosa

La struttura è uno dei segnali più forti usati per interpretare l'intenzione:

  • Usare le sezioni per raggruppare attività correlate in categorie logiche, senza implicare sequenza.
  • Usare i punti elenco per attività parallele che possono essere completate in modo indipendente. Evitare la numerazione che potrebbe introdurre ordini indesiderati.
  • Utilizzare i passaggi per le azioni che devono essere eseguite in una sequenza richiesta e riservarli solo per i flussi di lavoro effettivi.

Rendere atomiche le attività

Suddividi le istruzioni multiazione in unità chiaramente separate. Questo approccio riduce l'ambiguità e impedisce al modello di unire o reinterpretare le attività.

  • Invece di: estrai le metriche e riassumi i risultati.
  • Usare passaggi distinti:
    1. Estrarre le metriche.
    2. Riepiloga i risultati.

Specifica sempre tono, dettaglio e formato di output

Se non specifichi tono e livello di dettaglio, il modello linguistico potrebbe dedurre questi attributi, il che può portare a comportamenti incoerenti tra i modelli. Ad esempio, specificare:

  • Tono: professionale e conciso.
  • Output: tre punti elenco per sezione.
  • Restituire solo il formato richiesto; Nessuna spiegazione.

Istruzioni di struttura in Markdown

Per fornire enfasi e chiarezza sull'ordine dei passaggi, usa Markdown.

  • Usare #, ##, e ### per le intestazioni di sezione.
  • Usare - per elenchi non ordinati e 1. per elenchi numerati. Usare elenchi non ordinati a meno che l'ordine dei passaggi non sia importante, nel qual caso utilizzare elenchi numerati.
  • Evidenzia i nomi di strumenti o di sistema (ad esempio, Jira, , ServiceNowTeams) usando i apici inversi (''''').
  • Applicare il grassetto alle istruzioni critiche usando **.

Intestazioni chiare e strutture di elenco coerenti aiutano il modello a comprendere la gerarchia prevista. Evitare di combinare tipi di elenco in modi che potrebbero introdurre interpretazioni indesiderate.

Fornire il vocabolario del dominio

Definire termini specializzati, formule, acronimi e linguaggio specifico del set di dati. Questa definizione impedisce inferenze errate e garantisce un'interpretazione coerente.

Riferimento esplicito a funzionalità, conoscenze e azioni

Richiama chiaramente i nomi delle azioni, delle funzionalità o delle fonti di conoscenza coinvolte in ogni fase.

  • Azioni: ad esempio, "Usa Jira per recuperare i ticket".
  • Conoscenza del connettore Copilot: Ad esempio, "Usare ServiceNow KB per gli articoli della Guida".
  • Conoscenza di SharePoint: ad esempio, "Fai riferimento a documenti interni di SharePoint o OneDrive".
  • Email messaggi: Ad esempio, "Controlla le e-mail degli utenti per informazioni pertinenti".
  • Messaggi di Teams: ad esempio, "Cerca nella cronologia chat di Teams".
  • Interprete del codice: Ad esempio, "Usa l'interprete del codice per generare grafici a barre o a torta".
  • People knowledge: ad esempio, "Usare People Knowledge per recuperare l'e-mail dell'utente".

Risposte di base alle origini di conoscenza configurate

I modelli linguistici hanno conoscenze incorporate dai dati di training. In molti scenari di agenti, si desidera che l'agente si basi solo sulle origini delle conoscenze configurate, non sulle conoscenze interne del modello. Questo approccio garantisce che le risposte siano accurate, coerenti e riconducibili ai dati dell'organizzazione.

Il modo consigliato per impedire al modello di attingere alle sue conoscenze incorporate consiste nell'impostare la proprietà nell'oggetto truespecial_instructions del manifesto dell'agentediscourage_model_knowledge. Quando abilitato, l'agente fa del suo meglio per evitare di generare risposte dalla conoscenza del modello e si basa invece sulle origini di conoscenza configurate. Per ulteriori informazioni, vedere Oggetto Istruzioni speciali.

Fornisci esempi

Gli esempi aiutano l'agente a comprendere le istruzioni.

  • Per gli scenari semplici, non è necessario fornire esempi.
  • Per gli scenari complessi, gli agenti dichiarativi funzionano meglio con richieste brevissime. Cioè, fornisci più di un esempio per illustrare diversi aspetti o casi limite.

Controllare il ragionamento tramite la formulazione

La tua formulazione segnala quanto ragionamento vuoi che il modello applichi.

Ragionamento profondo

Per aumentare la profondità:

  • Usa verbi di ragionamento esplicito (analizzare, derivare, valutare, giustificare).
  • Aggiungi spunti di meta-ragionamento (pensa passo dopo passo, rifletti, verifica la logica).
  • Struttura le attività in più passaggi dipendenti.
Use deep reasoning. Break the problem into steps, analyze each step, evaluate alternatives, and justify the final decision. Reflect before answering.
Task: Determine the optimal 3-year migration strategy given constraints A, B, and C.

Per rilevare quando è stato selezionato il ragionamento profondo:

Before answering, report in one sentence whether you needed deep reasoning or minimal reasoning to solve this. Then provide the final answer only.

Ragionamento moderato (bilanciato)

Per bilanciare il ragionamento:

  • Chiedi una spiegazione concisa ma strutturata.
  • Fornisci vincoli chiari, ma non spunti di meta-ragionamento.
Provide a concise but structured explanation. Include a short summary, 3 key drivers, and a final recommendation. No step-by-step reasoning required.
Task: Explain the tradeoffs between solution X and Y.

Ragionamento rapido e minimale

Per ridurre la profondità:

  • Segnalazione brevità. Specifica una risposta breve e veloce; nessun ragionamento/spiegazione.
  • Evita i verbi analitici e le strutture a più fasi.
  • Usare la formulazione imperativa a finalità singola e monofase.
Short answer only. No reasoning or explanation. Provide the final result only.
Task: Extract the product name and renewal date from this paragraph.

Evitare gli errori di prompt comuni

Sii consapevole delle insidie seguenti e delle relative soluzioni per evitare errori comuni.

  • Uso eccessivo di strumenti
    • Problema: il modello chiama gli strumenti senza gli input necessari.
    • Soluzione: aggiungere l'istruzione "Chiama lo strumento solo se sono disponibili gli input necessari; In caso contrario, chiedi all'utente".
  • Formulazione ripetitiva
    • Problema: il modello riutilizza la formulazione di esempio alla lettera.
    • Soluzione: incoraggiare risposte diverse e un linguaggio naturale. Considera di aggiungere più esempi invece di uno solo (prompt di pochi colpi). Prova a rimuovere l'esempio per risparmiare sui token.
  • Spiegazioni dettagliate
    • Problema: il modello spiega eccessivamente o fornisce una formattazione eccessiva.
    • Soluzione: per limitare il livello dettagliato o la formattazione, aggiungere vincoli ed esempi concisi.

Aggiungere un passaggio finale di autovalutazione

Un passaggio di autocontrollo rafforza la completezza e garantisce che l'agente verifichi l'allineamento con le tue istruzioni prima di rispondere. Ad esempio: prima di completare la presentazione, verificare che tutti gli elementi della sezione A vengano visualizzati nel riepilogo.

Applica un'intestazione stabilizzatrice quando necessario

Quando un agente mostra segni di deriva dell'inferenza o di riordino dei passaggi, aggiungi una breve intestazione che indica al modello di interpretare le istruzioni alla lettera ed evitare l'inferenza. Per altre informazioni, vedi il modello 8: applica un'intestazione di esecuzione letterale per una stabilità immediata.

Ripeti le istruzioni

Lo sviluppo di istruzioni per agenti dichiarativi è spesso un processo iterativo. In genere consiste nei passaggi seguenti:

  1. Crea istruzioni e spunti di conversazione per il tuo agente seguendo la struttura e il formato descritti in questo articolo.
  2. Pubblica il tuo agente. Le pratiche di intelligenza artificiale responsabile (RAI) sono integrate nel processo di convalida per garantire che gli agenti rispettino gli standard etici. Per altre informazioni, vedere:
  3. Metti alla prova il tuo agente.
    1. Per verificare che l'agente apporti un valore aggiunto durante la risposta, confrontare i risultati con Microsoft 365 Copilot.
    2. Verifica che gli spunti di conversazione funzionino come previsto con le istruzioni dettagliate.
    3. Verificare che l'agente agisca in base alle istruzioni fornite.
    4. Verifica che le richieste utente al di fuori degli spunti di conversazione siano gestite in modo appropriato.
  4. Eseguire l'iterazione sulle istruzioni per valutare se è possibile migliorare ulteriormente l'output.
    • Modificare le istruzioni per cambiare il comportamento dell'agente.
    • Prova ad aggiungere conoscenze come la ricerca sul Web, OneDrive/SharePoint o i connettori di Microsoft 365 Copilot, utilizzando una configurazione supportata in Work IQ Dev Tools o Copilot Studio.

Il diagramma seguente illustra il processo iterativo per la creazione e il perfezionamento delle istruzioni dell'agente dichiarativo.

Diagramma che mostra i passaggi iterativi per creare e perfezionare le istruzioni dell'agente

Suggerimento

Work IQ Dev Tools — Work IQ Dev Tools supporta la creazione di valutazioni per gli agenti dichiarativi in modo da poter misurare come le modifiche alle istruzioni influiscono sul comportamento degli agenti. Creare valutazioni per i comportamenti da testare, quindi eseguirle su un agente di cui è stato eseguito il provisioning mentre si perfezionano le istruzioni. Per ulteriori informazioni, consulta la documentazione degli strumenti di sviluppo di Work IQ.

Istruzioni di esempio

Le seguenti istruzioni di esempio sono per un agente che può aiutare a risolvere i problemi IT comuni.

# OBJECTIVE
Guide users through issue resolution by gathering information, checking outages, narrowing down solutions, and creating tickets if needed. Ensure the interaction is focused, friendly, and efficient.

# RESPONSE RULES
- Ask one clarifying question at a time, only when needed.
- Present information as concise bullet points or tables.
- Avoid overwhelming users with details or options.
- Always confirm before moving to the next step or ending.
- Use tools only if data is sufficient; otherwise, ask for missing info.

# WORKFLOW

## Step 1: Gather Basic Details
- **Goal:** Identify the user's issue.
- **Action:**
  - Proceed if the description is clear.
  - If unclear, ask a single, focused clarifying question.
    - Example:
      User: "Issue accessing a portal."
      Assistant: "Which portal?"
- **Transition:** Once clear, proceed to Step 2.

## Step 2: Check for Ongoing Outages
- **Goal:** Rule out known outages.
- **Action:**
  - Query `ServiceNow` for current outages.
  - If an outage is found:
    - Share details and ETA.
    - Ask: "Is your issue unrelated? If yes, I can help further."
    - If yes, go to Step 3. If no/no response, end politely.
  - If none, inform the user and go to Step 3.

## Step 3: Narrow Down Resolution
- **Goal:** Find best-fit solutions from the knowledge base.
- **Action:**
  - Search `ServiceNow KB` for related articles.
  - **Iterative narrowing:** Don't list all results. Instead:
    - Ask clarifying questions based on article differences.
    - Eliminate irrelevant options with user responses.
    - Repeat until the best solution is found.
  - Provide step-by-step fix instructions.
  - Confirm: "Did this help? If not, I can go deeper or create a ticket."
    - If more info is provided, repeat this step.
    - If ticket needed, go to Step 4.
    - If resolved/no response, end politely.

## Step 4: Create Support Ticket
- **Goal:** Log unresolved issues.
- **Action:**
  1. Map **category** and **subcategory** from the `sys_choice` SharePoint file.
     - Use only valid pairs. Leave blank if not clear.
  2. Fetch user's UPN (email) with the people capability.
  3. Fill the ticket with:
     - Caller ID (email)
     - Category, Subcategory (if mapped)
     - Description, attempted steps, error codes, metadata
- **Transition:** Confirm ticket creation and next steps.

# OUTPUT FORMATTING RULES
- Use bullets for actions, lists, next steps.
- Use tables for structured data where UI allows.
- Avoid long paragraphs; keep responses skimmable.
- Always confirm before ending or submitting tickets.

# EXAMPLES

## Valid Example
**User:** "I can't connect to VPN."
**Assistant:**
- "Are you seeing a specific error?"
  (User: "DNS server not responding.")
- "Let me check for outages."
  (No outage.)
- "No outages. Searching knowledge base…"
  (Finds articles. Asks: "Are you on office Wi-Fi or home?")
  (User: "Home.")
- "Try resetting your DNS settings. Here's how…"
- "Did this help? If not, I can create a support ticket."

## Invalid Example
- "Here are 15 articles I found…" *(Overwhelms the user)*
- "I'm raising a ticket" *(without confirming details)*

Modelli di istruzioni e modelli di progettazione

In questa sezione vengono forniti modelli e modelli che è possibile aggiungere alle istruzioni dell'agente dichiarativo. Gli esempi mostrati non sono prescrittivi. Usali come punto di partenza e adattali ai requisiti del tuo caso d'uso.

Modello 1: Convertire richieste multitasking ambigue in flussi di lavoro deterministici

Usando questo modello, si elimina l'ambiguità definendo passaggi atomici, formule esplicite e convalida necessaria. Questo approccio garantisce un comportamento stabile e ripetibile in tutte le versioni del modello.

## Task: Metrics and ROI (Deterministic)

### Definitions (Do not invent)
- Metrics to compute: [Metric1], [Metric2], [Metric3]
- ROI definition: ROI = (Benefit - Cost) / Cost
- ROI scope: [e.g., 12 months, Product X only, Region Y]
- Source of truth: Use ONLY the provided document(s) for inputs

### Steps (Sequential — do not reorder)
Step 1: Locate inputs for [Metric1-3] in the document. Quote the section/table name where each input came from.
Step 2: Compute [Metric1-3] exactly as defined above. If any input is missing, stop and ask ONE question listing what's missing.
Step 3: Compute ROI using the ROI definition above. Do not substitute other ROI formulas.
Step 4: Output ONLY the table in the format below.

### Output format
Return a single Markdown table with columns: Metric | Value | Source (section/table) | Notes

### Final check (Self-evaluation)
Before finalizing: confirm every metric has (a) a value, (b) a source, and (c) no assumptions. If assumptions exist, stop and ask the user.

Modello 2: Struttura parallela corretta rispetto a quella sequenziale

Usando questo modello, ci si assicura che il modello separi la logica parallela da quella sequenziale. Il modello esegue correttamente i flussi di lavoro senza aggiungere o riordinare passaggi.

Section A — Extract Data
- Extract pricing changes.
- Extract margin changes.
- Extract sentiment themes.

Section B — Build the Summary
Step 1: Integrate all findings from Section A.
Step 2: Produce the 2 page call prep summary.

Modello 3: regole decisionali esplicite

Usando questo modello, si aggiungono regole if/then esplicite che impediscono l'interpretazione involontaria del modello e applicano risultati deterministici. Questo approccio impedisce al modello linguistico di risolvere autonomamente una logica condizionale ambigua, che può generare rami misti ("fai entrambe le cose") o la selezione del percorso condizionale errato.

Read the product report.
Check category performance.
If performance is stable or improving, write the summary section.
If performance declines or anomalies are detected, write the risks/issues section.

Modello 4: contratto di output

I contratti di output forniscono forma, struttura, tono e contenuto consentito, garantendo la coerenza. Senza vincoli di output espliciti, il tuo agente potrebbe produrre spiegazioni eccessivamente lunghe, risposte eccessivamente concise o passare in modo imprevedibile da una versione all'altra.

Buona precisione:

Produce a 2-page call-prep briefing:
Page 1 → key metrics: revenue, margin, YoY deltas (calculate as needed).
Page 2 → top themes, risks, opportunities, customer signals.
Tone: Professional. Reasoning: none unless calculation required.

Contratto di produzione:

## Output Contract (Mandatory)
Goal: [one sentence]
Format: [bullet list | table | 2 pages | JSON]
Detail level: [short | medium | detailed] — do not exceed [X] bullets per section
Tone: [Professional | Friendly | Efficient]
Include: [A, B, C]
Exclude: No extra recommendations, no extra context, no “helpful tips”
Example shape:
- Section 1: ...
- Section 2: ...

Usa questo schema quando l'output deve seguire:

  • Un formato preciso (punti elenco, tabella, JSON, riepilogo a più pagine).
  • Livello di dettaglio specificato (breve, medio, dettagliato).
  • Un modello di conformità, audit o rivolto ai clienti.
  • Un processo aziendale che richiede una formattazione coerente tra i team.

Modello 5: Pulire la struttura Markdown

Un Markdown pulito e intenzionale assicura che il modello possa analizzare in modo affidabile le istruzioni. Elenchi nidificati in modo errato, intestazioni poco chiare o formattazione incoerente causano passaggi uniti, gerarchia non desiderata o sezioni compresse.

## Section A — Extract Data
- Extract pricing changes.
- Extract margin changes.
- Extract sentiment themes.

## Section B — Build the Summary (Sequential)
**Step 1:** Integrate findings from Section A.
**Step 2:** Produce the 2 page call prep summary.

Modello 6: cancello di autovalutazione

Aggiungendo un passaggio di autocontrollo esplicito, si incoraggia il modello a convalidare la completezza, verificare l'allineamento con le istruzioni e correggere le omissioni prima di rispondere. Questo passaggio aumenta la coerenza e l'affidabilità.

## Section A: Extract Data (Non-Sequential)
Perform these tasks when the user requests data extraction from the document:
- Extract pricing changes.
- Extract margin changes.
- Extract sentiment themes.
Use the **Vocabulary Reference** SharePoint document to interpret acronyms, domain specific terms, and company specific vocabulary.

## Section B: Build the Summary (Sequential)
Perform these steps **in order** when the user requests a call prep summary:
Step 1: Integrate all extracted elements from Section A.
Step 2: Produce a clear, well structured 2 page call prep summary.

## Final Check: Self Evaluation
Before finalizing the output, review your response for completeness, ensure that all Section A elements are accurately represented, check for inconsistencies or uncertainty, and revise the answer if needed.

Modello 7: ragionamento della modalità automatica dello sterzo

Gli spunti di ragionamento espliciti ti danno il controllo su quanto il pensiero si applica al modello. Senza questa guida, il tuo agente potrebbe spiegare in modo eccessivo le risposte semplici o le decisioni complesse.

Innesca un ragionamento profondo:

Use deep reasoning. Break the problem into steps, analyze each step, evaluate alternatives, and justify the final decision. Reflect before answering.
Task: Determine the optimal 3-year migration strategy given constraints A, B, and C.

Forza il ragionamento rapido e minimo:

Short answer only. No reasoning or explanation. Provide the final result only.
Task: Extract the product name and renewal date from this paragraph.

Usare questo modello quando il flusso di lavoro richiede:

  • Ragionamento più profondo (pianificazione, valutazione delle alternative, logica a più fasi).
  • Recupero o estrazione rapidi con spiegazioni minime.
  • Passaggio da riepiloghi di alto livello ad analisi più approfondite.
  • Profondità coerente per più agenti o casi d'uso.

Modello 8: applicare un'intestazione di esecuzione letterale per una stabilità immediata

Un'intestazione di esecuzione letterale consente di stabilizzare temporaneamente un agente esistente. Questo modello è particolarmente utile come correzione provvisoria durante l'aggiornamento del set di istruzioni completo.

Always interpret instructions literally.
Never infer intent or fill in missing steps.
Never add context, recommendations, or assumptions.
Follow step order exactly with no optimization.
Respond concisely and only in the requested format.
Do not call tools unless a step explicitly instructs you to do so.

Usare questo modello quando:

  • Osservi riordino, passaggi aggiunti o ragionamenti eccessivi nelle risposte del tuo agente.
  • È necessaria una rapida mitigazione a breve termine prima di applicare miglioramenti strutturali più profondi.
  • Si vuole diagnosticare se il problema sia causato dall'inferenza o dall'ambiguità delle istruzioni.

Modello 9: Valutare le istruzioni dell'agente dichiarativo esistenti

Usa una richiesta di valutazione strutturata per controllare rapidamente un agente esistente, identificare punti deboli specifici e generare correzioni precise.

You are reviewing Data Access (DA) agent instructions for stability.

INPUT
<instructions>
[PASTE CURRENT INSTRUCTIONS]
</instructions>

TASK
Concise audit. Identify ONLY issues and exact fixes.

CHECKS
- Step order: identify ambiguity, missing steps, or merged steps → propose atomic, numbered steps.
- Tool use: identify auto-calls, retries, or tool switching → add "use only in step X; no auto-retry".
- Grounding: detect inference, blending, or citation gaps → add "cite only retrieved; no inference; no cross-document stitching".
- Missing-data handling: if retrieval is empty or conflicting → add "stop and ask the user".
- Verbosity: identify chatty or explanatory output → replace with "return only the requested data/format".
- Contradictions or duplicates: resolve discrepancies; prefer explicit over implied.
- Vague verbs ("verify", "process", "handle", "clean"): replace with precise, observable actions.
- Safety: prohibit step reordering, optimization, or reinterpretation.

OUTPUT (concise)
- Header patch (3–6 lines)
- Top 5 changes (bullet list: "Issue → Fix")
- Example rewrite (≤10 lines) for the riskiest step

Usare questo modello quando:

  • Si sta controllando un agente esistente che si comporta in modo incoerente.
  • Non sei sicuro di quali parti del set di istruzioni siano fragili o ambigue.
  • Vuoi un processo di valutazione ripetibile per più agenti dichiarativi all'interno di un'organizzazione.
  • È necessario un modo rapido per identificare quali problemi sono strutturali, stilistici o di sicurezza.