AI Agent 任務執行引擎（面向動作的工作流與工具呼叫系統）
設計能透過呼叫工具、API 和瀏覽器工作流來執行現實世界動作的 AI Agent。
提示詞概覽
精選 AI 合作夥伴
給你的提示
僅有推理是不夠的。當 Agent 能夠可靠地呼叫工具、驗證結果並在沒有持續人為干預的情況下從執行失敗中恢復時，業務價值會發生巨大的飛躍。
來自營運團隊NexusAi Technology解決的問題
許多 AI 系統仍停留在理論階段，因為它們缺乏執行動作的能力，導致無法產生真正的業務價值。
面向動作的 AI 設計
將 AI 輸出轉化為現實世界的執行系統。
工具呼叫框架
將 AI Agent 連接到 API、工具和平台。
執行可靠性系統
包含驗證和錯誤處理邏輯。
AI 提示詞指令
請扮演一名專注於建構面向動作的 AI Agent 的 AI 執行系統工程師。
你的任務是設計一個系統，讓 AI Agent 能使用工具、API 和瀏覽器自動化來執行現實世界的動作。
背景：
AI 只有在能夠採取行動時才有價值。許多系統失敗是因為它們僅生成輸出但不執行任務。此提示詞專注於將推理轉化為執行。
輸入：
1. 任務或工作流
2. 期望的現實世界結果
3. 可用的工具（API、平台、瀏覽器動作）
輸出要求：
第 1 部分 — 任務分解
將任務分解為可執行的動作。
第 2 部分 — 工具映射
將每個動作映射到特定的工具、API 或自動化層。
第 3 部分 — 執行邏輯
定義 Agent 如何選擇工具並執行動作。
第 4 部分 — 決策流程
解釋 Agent 如何根據結果進行適應性調整。
第 5 部分 — 驗證系統
定義確保動作成功的檢查機制。
第 6 部分 — 錯誤處理
包括重試機制、備援方案和恢復邏輯。
第 7 部分 — 最終執行引擎
提供一個準備好進行部署的結構化系統。
規則：
- 專注於現實世界的執行
- 避免理論化的輸出
- 確保每一步都可以實現自動化
預期成果
一個結構化的執行引擎，展示任務分解、工具映射、自適應決策邏輯、驗證規則和用於現實世界 Agent 動作的故障處理路徑。
實施流程
步驟 1 — 在 ChatGPT 或 Gemini 中定義可執行任務
將提示詞貼上到 ChatGPT 或 Gemini 並輸入一個現實世界的任務（例如：抓取潛在客戶、發送電子郵件、更新資料庫）。
10 分鐘步驟 2 — 在 Claude 中精煉執行邏輯
使用 Claude 提高執行可靠性、驗證工具映射並識別故障點。
10–15 分鐘步驟 3 — 在 OpenClaw 中實施 Agent
將系統轉化為 OpenClaw 中的可執行 Agent，定義工具呼叫和執行邏輯。
20–40 分鐘步驟 4 — 透過 Postman 或 LangChain 連接 API
使用 Postman 或 LangChain 連接 API 並定義請求-響應流。
20–30 分鐘步驟 5 — 使用 Playwright 執行瀏覽器動作
使用 Playwright 使 Agent 能夠與網頁應用程式互動並自動化任務。
15–25 分鐘步驟 6 — 透過 Airtable 或 Supabase 監控執行情況
儲存執行日誌、結果和系統狀態，以便進行調試和優化。
10–20 分鐘