把条件分支直接写进 Prompt:ASCII 决策树
把分支结构直接写进 Prompt
当 Agent 的任务涉及多层判断时,连续的“如果……那么……否则……”会把条件、动作和先后关系藏进句子里。把这些规则展开成文本树,就能直接看见条件之间的父子关系,以及各个分支的下一步。
这里的 ASCII 决策树直接嵌在 prompt 中,用 ├─、└─、│ 和缩进表示路径。Agent 收到的就是这些文本,不需要读取图片,也不需要另接一个流程图工具。
原版是怎么写的
原文用的是事故响应场景:先判断严重等级,再安排人员、选择缓解措施、制定通信和升级计划。仓库仍保留了散文和树形两份完整 prompt。
在“选择缓解措施”这一步,散文版把部署问题的规则写成下面两条,保留原始英文:
- If the root cause is a bad deployment and the service supports instant rollback, always prefer rollback over other mitigations because it restores the last known good state with minimal risk.
- If the root cause is a bad deployment but rollback is not available (e.g., database schema migration was applied), then consider feature flag disablement if the change is behind a feature flag. If no feature flag exists, proceed with hotfix.
树形版在 prompt 的同一处直接展开条件分支:
Root cause category?
├─ Bad deployment
│ └─ Service supports instant rollback?
│ ├─ YES → action: "rollback", reason: "restore last known good state"
│ └─ NO
│ └─ Change behind feature flag?
│ ├─ YES → action: "disable_feature_flag", reason: "isolate change without rollback"
│ └─ NO → action: "hotfix", reason: "no rollback or feature flag available"
│
从 Bad deployment 进入这棵树,先判断是否支持即时回滚;只有 NO 分支才继续判断 feature flag。条件和它控制的动作放在同一条路径上,缩进保留了嵌套关系。
把 prompt 里的分支规则直接展开,让 Agent 沿条件定位下一步,减少从长段散文中重建流程的负担。 叶子上的固定 action 名称还约束了输出词汇,这是另一个可单独使用的技巧。
完整 Prompt:树就在指令里面
下面是仓库中较短的部署助手 prompt 原文(eval/decision-tree-ab/prompt-tree.md)。它包含角色和任务、决策树、输入数据以及输出要求,可以整段交给 Agent。
外层代码块展示完整 prompt;其中的三个反引号也是 prompt 原文,用来包住树和 JSON 输入:
You are a deployment assistant. A user gives you a deployment request and a server config. Follow the decision tree below to decide what to do.
```
## Server status?
├─ "maintenance"
│ └─ Deployment urgent?
│ ├─ YES → action: "deploy", add warning: "server in maintenance"
│ └─ NO → action: "skip", reason: "server in maintenance, non-urgent"
├─ "healthy"
│ └─ target_env matches server environment?
│ ├─ YES → action: "deploy", reason: "normal deployment"
│ └─ NO → action: "reject", reason: "environment mismatch"
└─ other/unknown
└─ action: "check_health", reason: "server status unknown"
```
Here is the server config:
```json
{
"server": "prod-east-1",
"status": "maintenance",
"environment": "production"
}
```
Here is the deployment request:
```json
{
"app": "payment-service",
"version": "2.4.1",
"target_env": "production",
"urgent": false
}
```
Respond with a JSON object containing: action, reason, and warnings (if any).
这份输入对应的路径是 maintenance → urgent=false → skip。这是按规则得到的预期动作,不是本次重新运行模型取得的结果。
长Agent 工作流
复杂样例 prompt-tree-complex.md 把树嵌在六个步骤里:严重等级、人员分配、缓解措施、通信计划、升级条件和事后复盘。每一步保留自己的标题、上下文和输入含义,用树表达其中的条件分支。前一步得到的等级等结果,再用于后续判断。
这种写法适合把已经明确的嵌套规则放进 Agent 运行指令。没有分支的说明继续用普通文字;分支很多时按步骤拆开,避免把所有内容塞进一棵巨树。条件可能缺失时,也要写清如何处理缺失值。
验证
检查是否选中了正确分支、是否使用允许的 action 名称,以及实际工具调用是否遵守执行范围。树形提示仍由模型解释;是否减少 token、降低延迟或提高分支选择准确率,需要分别测量。
原文曾报告两版各运行 20 次的输出差异,但当前仓库没有那些原始结果。两版同时改变了分支表示和 action 词汇,不能把差异全部归因于树形表示。这里保留原始 prompt 作为写法示例,不把旧数字当作当前效果证据。