這次我們不聊具體模型也不聊某個(gè) ComfyUI 工作流而是聊一個(gè)更底層的問(wèn)題AI Agent 為什么不能只是一個(gè) Prompt 盒子。標(biāo)題里的 Real Identity 和刷臉無(wú)關(guān)它指的不是用戶的身份證而是 Agent 自己在系統(tǒng)里的真實(shí)身份我是誰(shuí)、能干什么、不能干什么、什么情況下應(yīng)該把問(wèn)題交給人。很多團(tuán)隊(duì)做 Agent 的方式是在系統(tǒng)提示詞里寫一句“你是一個(gè)貼心的客服”然后把模型接口一接就上線。短期看沒(méi)問(wèn)題進(jìn)入生產(chǎn)后就會(huì)遇到同一批問(wèn)題角色漂移、越權(quán)調(diào)用工具、多輪對(duì)話后忘記邊界、同一個(gè) Prompt 換個(gè)場(chǎng)景就失效。先說(shuō)結(jié)論Real Identity 不是一個(gè)玄學(xué)概念它由五件具體的事情組成角色定義、主題邊界、記憶策略、工具權(quán)限、響應(yīng)協(xié)議。把這五件事固化下來(lái)Agent 才從 Prompt Box 變成可測(cè)試、可審計(jì)、可批量部署的工程實(shí)體。這篇文章會(huì)先梳理 Prompt、Skill、Identity 三者的關(guān)系再給一個(gè)用 JSON 配置文件加通用模型 API 組裝 System Prompt 的最小實(shí)現(xiàn)最后討論多 Agent 協(xié)同里的身份隔離、Token 成本、常見(jiàn)異常排查。適合正在做客服 Agent、知識(shí)庫(kù)助手、多 Agent 系統(tǒng)或者準(zhǔn)備把 Agent 接入生產(chǎn)環(huán)境的開(kāi)發(fā)者。1. 核心能力速覽Identity 層到底管什么維度說(shuō)明目標(biāo)讓 Agent 在不同任務(wù)、不同會(huì)話、不同工具調(diào)用中保持穩(wěn)定且可控的行為邊界核心組成角色聲明、主題邊界、記憶策略、工具白名單、升級(jí)/響應(yīng)協(xié)議主要解決的問(wèn)題角色漂移、越權(quán)工具調(diào)用、多輪上下文污染、Prompt 復(fù)用性差、Agent 行為不可審計(jì)不解決的問(wèn)題不解決模型本身的能力上限也不替代 RAG、微調(diào)、工作流引擎落地載體System Prompt 模板、JSON Profile 配置、Agent 路由規(guī)則、記憶存儲(chǔ)策略評(píng)估指標(biāo)角色保持率、工具命中率、越權(quán)攔截率、上下文 Token 增量、人工升級(jí)率從工程角度看Identity 層更像是 Agent 的“應(yīng)用層協(xié)議”。模型負(fù)責(zé)生成文本工具負(fù)責(zé)執(zhí)行動(dòng)作而身份層負(fù)責(zé)約束這一整條鏈路。沒(méi)有身份層的 Agent本質(zhì)上是一個(gè)裸模型加一段 Prompt有身份層的 Agent才是一個(gè)完整的業(yè)務(wù)系統(tǒng)。2. 適用場(chǎng)景與使用邊界2.1 適合誰(shuí)如果你在開(kāi)發(fā)客服機(jī)器人、知識(shí)庫(kù)問(wèn)答助手、企業(yè)內(nèi)部流程 Agent或者在做多 Agent 協(xié)同系統(tǒng)Identity 層是剛需。客服場(chǎng)景里Agent 需要知道自己只能查訂單、只能退換貨、不能承諾賠償金額知識(shí)庫(kù)場(chǎng)景里Agent 需要知道自己只能基于已入庫(kù)文檔回答不能拿訓(xùn)練記憶里的舊知識(shí)來(lái)混答多 Agent 場(chǎng)景里每個(gè)子 Agent 必須有獨(dú)立的身份文件否則很容易互相串臺(tái)。2.2 不適合什么場(chǎng)景如果只是做一次性的文本生成 Demo用 Prompt 就夠了不需要單獨(dú)設(shè)計(jì) Identity 層。如果 Agent 完全在一個(gè)封閉的工作流里執(zhí)行固定腳本沒(méi)有自由對(duì)話也沒(méi)有模型自主決策空間身份層能提供的價(jià)值也有限。Identity 層的價(jià)值出現(xiàn)在“模型需要自己做判斷”的場(chǎng)景里判斷越多約束越重要。2.3 合規(guī)與安全邊界這里需要反復(fù)強(qiáng)調(diào)三點(diǎn)。第一Agent 的身份不能冒充真人。任何面向用戶的 AI Agent都應(yīng)該在適當(dāng)位置告知用戶它是由 AI 驅(qū)動(dòng)的不能偽裝成人類客服、人類醫(yī)生或人類顧問(wèn)。第二涉及用戶數(shù)據(jù)時(shí)記憶策略必須明確哪些字段可以存儲(chǔ)、哪些字段禁止存儲(chǔ)賬號(hào)密碼、身份證號(hào)、支付賬戶這類敏感信息不能進(jìn) Agent 的記憶。第三涉及肖像、聲音、品牌形象的場(chǎng)景必須確認(rèn)授權(quán)。這不是額外負(fù)擔(dān)而是 Agent 上生產(chǎn)前的基本條件。3. Prompt、Skill、Identity 三者到底差在哪不少開(kāi)發(fā)者問(wèn)過(guò)一個(gè)問(wèn)題Skill 是不是就是高級(jí)版的 Prompt從使用體驗(yàn)上看兩者有點(diǎn)像Skill 看起來(lái)像是把多個(gè) Prompt、示例和工具調(diào)用封裝成了一個(gè)可復(fù)用單元。但本質(zhì)上它們處于不同的抽象層級(jí)。Prompt 是單次會(huì)話指令解決的是“這一次讓模型做什么”。比如“把這段文字總結(jié)成三條要點(diǎn)”這是一個(gè) Prompt。它沒(méi)有跨會(huì)話的穩(wěn)定性也沒(méi)有跨任務(wù)的約束力。Skill 是程序化技能單元解決的是“一類任務(wù)怎么做”。它可能包含 Prompt 模板、Few-Shot 示例、參數(shù)校驗(yàn)邏輯甚至包含對(duì)工具調(diào)用的編排。Skill 可以被多個(gè) Agent 復(fù)用但它本身不定義“誰(shuí)在使用它”。Identity 則是跨會(huì)話、跨技能、跨工具的穩(wěn)定框架解決的是“模型在整個(gè)系統(tǒng)里以什么身份、按什么規(guī)則行動(dòng)”。Identity 決定一個(gè) Skill 能不能被調(diào)用、記錄什么樣的記憶、回復(fù)采用什么風(fēng)格。概念作用范圍典型載體是否可復(fù)用是否定義主體Prompt單次輸入一段文本通常不可直接復(fù)用否Skill一類任務(wù)模板 示例 校驗(yàn)邏輯可以跨 Agent 復(fù)用否Identity整個(gè) Agent 的生命周期Profile 配置 記憶策略 工具白名單可模板化但需按場(chǎng)景定制是所以把 Agent 做強(qiáng)不等于把 Prompt 寫長(zhǎng)。真正的做法是先把 Identity 固定下來(lái)再掛載對(duì)應(yīng)的 Skill最后才談單次 Prompt 怎么寫。4. 設(shè)計(jì) Real Identity 的最小工程前置開(kāi)始寫代碼之前先回答五個(gè)問(wèn)題。缺一個(gè)身份層都是殘缺的。第一Agent 的職責(zé)邊界是什么。一個(gè)客服 Agent 能做到的最精確描述不是“你是一個(gè)貼心的客服”而是“你只能處理訂單查詢、退換貨、物流跟蹤不能承諾賠償”。第二用戶是誰(shuí)。面向 C 端消費(fèi)者的語(yǔ)言風(fēng)格和面向企業(yè)內(nèi)部運(yùn)維人員的語(yǔ)言風(fēng)格完全不同。第三哪些工具能用、哪些工具絕對(duì)不能用。工具白名單是最容易被忽略的一塊很多 Agent 越權(quán)出問(wèn)題不是模型的問(wèn)題是工具列表給得太寬。第四記憶怎么存。哪些信息只在當(dāng)前會(huì)話內(nèi)有效哪些信息可以長(zhǎng)期保留哪些信息完全禁止采集。第五模型回答不了時(shí)怎么辦。身份層應(yīng)該給一條明確的升級(jí)路徑而不是讓模型硬編。這些問(wèn)題形成一份設(shè)計(jì)文檔后你的 Agent 就不再是“Prompt 盒子”而是一個(gè)有邊界、有記憶、有工具權(quán)限、可審計(jì)的系統(tǒng)。5. 最小實(shí)現(xiàn)把 Identity 從 Prompt 里拆出來(lái)5.1 寫一份 identity.json 配置先不要急著寫 System Prompt先把身份內(nèi)容寫進(jìn)一個(gè)結(jié)構(gòu)化配置文件。這樣做的核心好處是可讀、可測(cè)試、可批量生成不同 Agent 共用同一套加載邏輯。{ agent_id: support-bot-v1, name: 售后助手, description: 面向電商場(chǎng)景的售后客服 Agent, role: { identity_statement: 你是售后助手只處理訂單、退換貨、物流問(wèn)題。你不是人類客服。, audience: 購(gòu)買本店商品并需要售后幫助的消費(fèi)者, persona: 耐心、直接、不編造承諾, language: zh-CN }, boundaries: { allowed_topics: [訂單查詢, 退換貨, 物流跟蹤], blocked_topics: [價(jià)格談判, 醫(yī)療建議, 法律咨詢, 政治評(píng)論, 情感陪伴], escalation: 如果用戶要求退款且金額超過(guò)500元轉(zhuǎn)人工不自行承諾 }, memory_policy: { session_memory: summary_and_last_5_turns, long_term_memory_keys: [user_id, user_order_status, user_preference], forbidden_memory_keys: [password, id_card, payment_account] }, tool_policy: { allowed_tools: [query_order, create_return, track_logistics], blocked_tools: [refund_immediately, delete_user, send_sms] }, response_style: { max_length: 180, when_unknown: 告知用戶需要人工確認(rèn)并收集訂單號(hào)轉(zhuǎn)交 } }這里的字段名可以根據(jù)項(xiàng)目改但職責(zé)劃分建議保留角色、邊界、記憶、工具、回復(fù)風(fēng)格五塊獨(dú)立配置盡量不要寫成一坨 Prompt。5.2 寫一個(gè) System Prompt 組裝器配置文件寫好后需要把它渲染成真正的 System Prompt。通用做法是寫一個(gè)加載函數(shù)把 JSON 里的字段拼成一段結(jié)構(gòu)清晰的文本。import json def load_identity(path: str) - dict: with open(path, r, encodingutf-8) as f: return json.load(f) def build_system_prompt(profile: dict) - str: parts [] role profile.get(role, {}) boundaries profile.get(boundaries, {}) style profile.get(response_style, {}) parts.append(role.get(identity_statement, )) parts.append(f服務(wù)對(duì)象{role.get(audience, )}) parts.append(f語(yǔ)言{role.get(language, zh-CN)}) parts.append(允許討論的主題 、.join(boundaries.get(allowed_topics, []))) parts.append(禁止討論的主題 、.join(boundaries.get(blocked_topics, []))) parts.append(升級(jí)規(guī)則 boundaries.get(escalation, 轉(zhuǎn)人工)) parts.append(回復(fù)風(fēng)格 style.get(persona, 簡(jiǎn)潔)) return \n.join(parts)5.3 把組裝后的 Prompt 發(fā)給模型下面是一個(gè)通用的模型 API 調(diào)用示例用 Python requests 完成。實(shí)際接入時(shí)把 URL 和模型名替換成你正在使用的服務(wù)即可。import requests profile load_identity(identity.json) system_prompt build_system_prompt(profile) user_message 我的訂單顯示已簽收但我沒(méi)收到貨。 payload { model: your-model-name, messages: [ {role: system, content: system_prompt}, {role: user, content: user_message} ], temperature: 0.3 } resp requests.post( YOUR_API_ENDPOINT, jsonpayload, timeout60 ) data resp.json() print(data[choices][0][message][content])一個(gè)更嚴(yán)格的工程化設(shè)計(jì)還會(huì)把工具定義也帶進(jìn)請(qǐng)求里。模型只有在身份層的白名單范圍內(nèi)才能在回復(fù)中觸發(fā)工具調(diào)用。不要把所有工具都塞給模型模型不需要知道它不能調(diào)用的工具。5.4 驗(yàn)證這個(gè)最小鏈路啟動(dòng)后先跑一次最簡(jiǎn)單的對(duì)話確認(rèn)兩個(gè)點(diǎn)System Prompt 是否被正確加載模型回復(fù)是否符合身份聲明。如果回復(fù)里出現(xiàn)了和身份完全無(wú)關(guān)的內(nèi)容先檢查配置文件再檢查組裝函數(shù)。鏈路跑通后再往里面加工具、加記憶、加多輪對(duì)話。6. Identity 層功能測(cè)試與效果驗(yàn)證6.1 角色一致性測(cè)試用同一組問(wèn)題分別問(wèn)三次觀察回答口徑是否穩(wěn)定。提問(wèn)示例“你叫什么名字你能幫我查訂單嗎你能給我賠錢嗎”預(yù)期結(jié)果是Agent 會(huì)報(bào)出自己的身份名稱會(huì)引導(dǎo)用戶提供訂單號(hào)拒絕承諾賠償?shù)o出升級(jí)路徑。判斷標(biāo)準(zhǔn)是角色保持率如果第一次回答和第三次回答在關(guān)鍵承諾上不一致說(shuō)明身份約束還沒(méi)生效。6.2 工具邊界測(cè)試把白名單外的一個(gè)工具名放進(jìn)用戶問(wèn)題里例如“立即幫我退款”。一個(gè)合格的 Identity 層會(huì)在兩個(gè)位置攔截模型不生成對(duì)應(yīng)工具調(diào)用或者系統(tǒng)在工具執(zhí)行前做白名單校驗(yàn)。更穩(wěn)妥的方案是雙重校驗(yàn)既在 Prompt 里約束又在工具調(diào)度器里強(qiáng)制校驗(yàn)。6.3 記憶邊界測(cè)試先做多輪對(duì)話然后主動(dòng)詢問(wèn) Agent 是否記得剛才的細(xì)節(jié)。這里重點(diǎn)驗(yàn)證的不是模型的記憶能力而是記憶策略是否生效會(huì)話摘要有沒(méi)有正常寫入已經(jīng)聲明禁止采集的字段有沒(méi)有被動(dòng)進(jìn)入長(zhǎng)期記憶。敏感字段的測(cè)試必須做比如讓用戶說(shuō)出銀行卡號(hào)然后查看日志里存了什么。這個(gè)測(cè)試不應(yīng)該跳過(guò)。6.4 Token 成本測(cè)試把身份配置文件逐步增大觀察每次請(qǐng)求的輸入 Token 增量。這里的判斷標(biāo)準(zhǔn)不是“越短越好”而是“每一段身份描述都必須在實(shí)際對(duì)話里產(chǎn)生約束作用”。如果某段描述寫了很多次Agent 的行為卻沒(méi)有變化這段就是在浪費(fèi) Token。7. 多 Agent 協(xié)同中的身份隔離與批量路由當(dāng)你開(kāi)始做多 Agent 系統(tǒng)時(shí)Identity 的價(jià)值會(huì)放大。客服 Agent、財(cái)務(wù) Agent、數(shù)據(jù) Agent 如果共用一個(gè)裸 Prompt 框架風(fēng)險(xiǎn)極高。每個(gè) Agent 需要有獨(dú)立的 identity.json獨(dú)立工具白名單最好還要有獨(dú)立的記憶空間。下面是一個(gè)簡(jiǎn)單的多 Agent 路由配置。{ agents: { support-bot: { identity_file: ./identities/support.json, tools: [query_order, create_return] }, finance-bot: { identity_file: ./identities/finance.json, tools: [invoice_query, refund_review] }, data-bot: { identity_file: ./identities/data.json, tools: [log_search, metric_query] } }, router: { strategy: intent_match, fallback: support-bot } }路由層根據(jù)用戶輸入先判斷交給哪個(gè) Agent再把對(duì)應(yīng) Agent 的 System Prompt 注入到請(qǐng)求里。這里最容易踩的坑是模型在對(duì)話中串了身份比如財(cái)務(wù) Agent 突然用客服口吻說(shuō)話。解決辦法不是加一句“你必須記住你是財(cái)務(wù) Agent”而是在每次請(qǐng)求時(shí)都重新注入該 Agent 的完整身份配置模型本身不負(fù)責(zé)跨請(qǐng)求記憶身份。批量任務(wù)場(chǎng)景下不同任務(wù)最好帶上各自的 agent_id。這樣日志、回調(diào)、錯(cuò)誤追蹤都會(huì)更容易定位。8. 資源占用與性能觀察Identity 不是免費(fèi)的Identity 層的每一項(xiàng)約束都會(huì)消耗輸入 Token。一個(gè)常見(jiàn)的估算方式是以中文為例1000 個(gè)漢字大約對(duì)應(yīng) 1000 到 2000 Token具體要按模型分詞器實(shí)測(cè)。如果身份配置寫得非常長(zhǎng)再加上 RAG 檢索片段、歷史摘要和工具定義一次請(qǐng)求的輸入 Token 會(huì)被快速推高。在實(shí)際項(xiàng)目中建議從三個(gè)維度觀察成本首輪請(qǐng)求 Token身份配置 工具描述 用戶問(wèn)題這是基礎(chǔ)消耗。多輪請(qǐng)求 Token歷史摘要的增長(zhǎng)方式?jīng)Q定了長(zhǎng)會(huì)話的成本曲線。工具調(diào)用 Token每次工具調(diào)用會(huì)把結(jié)果帶回對(duì)話這個(gè)增量容易被忽略。降低開(kāi)銷的方法包括身份配置保持精簡(jiǎn)只保留能改變模型行為的描述工具描述控制在兩三行內(nèi)歷史記憶用一個(gè)摘要加最近幾輪的形式而不是全部拼進(jìn)上下文對(duì)長(zhǎng)對(duì)話做會(huì)話截?cái)喑^(guò)閾值后壓縮轉(zhuǎn)人工或新開(kāi)會(huì)話。9. 常見(jiàn)問(wèn)題與排查方法問(wèn)題現(xiàn)象可能原因排查方式解決方案多輪對(duì)話后角色漂移身份約束只體現(xiàn)在首輪后續(xù)請(qǐng)求沒(méi)有重新注入查看后續(xù)請(qǐng)求的 System Prompt 是否包含完整身份配置每次請(qǐng)求都重新組裝 System PromptPrompt 被平臺(tái)內(nèi)容策略攔截身份或指令里拼入了敏感/攻擊性內(nèi)容檢查 System Prompt 原文定位被攔截的片段拆分測(cè)試每段字段刪除可能觸發(fā)策略的表述模型調(diào)用了白名單外的工具工具列表傳得太寬只靠 Prompt 約束檢查請(qǐng)求體里的 tools 參數(shù)在調(diào)度器層做硬校驗(yàn)白名單外直接拒絕上下文越來(lái)越長(zhǎng)響應(yīng)變慢歷史消息全部拼接看每次請(qǐng)求的 messages 長(zhǎng)度采用摘要 最近幾輪記憶策略跨會(huì)話丟失用戶信息長(zhǎng)期記憶沒(méi)有落庫(kù)檢查記憶寫入流程把關(guān)鍵信息寫入結(jié)構(gòu)化存儲(chǔ)按 user_id 讀取多 Agent 串身份多個(gè) Agent 共用一份 System Prompt查看路由日志里的 agent_id每個(gè) Agent 獨(dú)立 identity 文件路由前加載API 返回超時(shí)上下文過(guò)長(zhǎng)或工具調(diào)用過(guò)多觀察單次請(qǐng)求耗時(shí)和 Token 數(shù)截?cái)嗌舷挛臏p少工具次數(shù)這里特別說(shuō)明一下 Prompt 被攔截的問(wèn)題。在 Agent 開(kāi)發(fā)中如果把攻擊性、歧視性、誘導(dǎo)越獄的內(nèi)容直接寫進(jìn) System Prompt很多模型的 API 會(huì)返回類似“prompt was flagged as potentially violating our usage policy”的提示。這不是模型壞了而是內(nèi)容策略攔住了請(qǐng)求。排查手段很簡(jiǎn)單把身份配置拆成小段逐段測(cè)試找到觸發(fā)攔截的那一段改寫或刪除。10. 最佳實(shí)踐與使用建議第一身份配置當(dāng)代碼管。identity.json 要納入版本管理變更要留記錄。兩個(gè)版本的 Agent 行為差異往往就藏在某一行身份描述的變化里。第二先硬約束后自由發(fā)揮。不要一上來(lái)就追求“人設(shè)生動(dòng)”先把 allowed_topics、blocked_topics、tools 白名單定死再慢慢加 persona 風(fēng)格。人設(shè)是加分項(xiàng)邊界是保命項(xiàng)。第三工具權(quán)限最小化。不要一次性把 20 個(gè)工具全部傳給模型。模型只需要知道當(dāng)前任務(wù)能用的工具給得越多誤用概率越大。第四把“轉(zhuǎn)人工”作為一等公民。一個(gè)好的 Identity 層應(yīng)該明確告訴模型什么情況下必須轉(zhuǎn)人工什么話不能說(shuō)死。讓模型硬編不確定性信息比它直接承認(rèn)不知道要危險(xiǎn)得多。第五做成模板但保留定制空間。你可以做一個(gè)標(biāo)準(zhǔn)身份模板但每個(gè)業(yè)務(wù)場(chǎng)景都要人工 review 一遍 allowed_topics 和 escalation不要直接套用。第六評(píng)估指標(biāo)要上線前定好。角色保持率、越權(quán)攔截率、人工升級(jí)率、首輪 Token 數(shù)這四個(gè)指標(biāo)建議作為最低評(píng)估集。第七涉及用戶隱私和版權(quán)的數(shù)據(jù)先確認(rèn)授權(quán)再進(jìn)記憶系統(tǒng)。這是一個(gè)不可妥協(xié)的底線。第八注意長(zhǎng)會(huì)話的分層記憶臨時(shí)摘要、可檢索的長(zhǎng)期記憶、禁止采集字段三者必須分開(kāi)存儲(chǔ)不能都塞進(jìn)同一個(gè)向量庫(kù)。11. 下一步從 Prompt Box 到 Identity Box如果你手頭已經(jīng)有一個(gè)能跑的 Agent第一步不是繼續(xù)優(yōu)化 Prompt而是把它的身份層拆成配置文件職責(zé)邊界寫清楚、工具白名單收窄、升級(jí)路徑寫明確。這半天的工作量能明顯減少后續(xù)的角色漂移和工具誤用問(wèn)題。跑通身份層之后再去掛 Skill、接 RAG、加 MCP 工具順序不要反。回到開(kāi)頭那個(gè)問(wèn)題AI Agent 到底是不是一個(gè) Prompt 盒子如果只是做演示是如果要進(jìn)生產(chǎn)不是。Real Identity 不是讓 Agent 更像人而是讓它在業(yè)務(wù)邊界內(nèi)更可控。先把身份層固定下來(lái)再去堆 Prompt 和 Skill這個(gè)順序值得每個(gè)做 Agent 的團(tuán)隊(duì)認(rèn)真對(duì)待。