告别玄学：构建跨模型稳定的Agent，从把Prompt拆成“驱动配置”开始
凌晨两点，盯着监控面板上Claude跑出的那堆“合规的胡话”，我忽然想起二十年前第一次做数据库迁移，把Oracle的存储过程往MySQL里搬的那个晚上。同样的熟悉感涌上来：你以为你迁移的是逻辑，其实你迁移的是一整个生态。
我们有个工单分派Agent，在GPT-4上跑了小半年。Prompt改了上百版，行为终于像个老员工一样稳定可靠。团队觉得底座稳了，就做了个“理所当然”的决定：把同一套Prompt，扔给Claude 3 Sonnet跑一下，做个灾备。
结果令人费解。Claude的每一步输出，都严格遵守了Prompt的字面要求，但组合起来的系统行为却彻底变了味。比如，Prompt里写着“若用户情绪激动，升级至L2支持”。GPT-4的处理是：“检测到关键词‘愤怒’、‘无法忍受’，根据规则A-3，执行升级。”而Claude的处理是：“用户表达了强烈不满，但‘激动’是主观判断，我需要更多上下文确认是否达到‘情绪激动’的阈值……”——它开始纠结我们没写的定义。
我们不是遇到了一个不听话的模型，而是遇到了一个过于较真的“新同事”。它把我们在GPT-4时代用顺手的、那些模糊的“共识性指令”，全当成了需要严谨定义的合同条款。工程上最危险的时刻，就是你开始把“偶然适配”当成“通用协议”。
一、Prompt不是代码，是“暗号”
我们过去习惯把Prompt当“伪代码”写，认为它定义了逻辑。但现在看来，它更像一套针对特定模型“认知习惯”的暗号系统。
比如，你在Prompt里写“请逐步分析”。在GPT-4的语境里，这暗号意味着：“开启你内置的、训练良好的链式推理模块”。但在另一个模型那里，可能只意味着：“在输出前面加上‘第一步、第二步’”。
我们那份“成熟”的Prompt里，充满了此类未言明的假设
对“系统指令”的绝对权重：GPT-4会将其视为宪法，而有些模型视其为普通参考。
对格式的隐性理解：我们说“用JSON输出”，依赖的是模型对JSON Schema的心领神会，而非真的能解析Schema。
对模糊边界的默认处理：“复杂任务”四个字，在不同模型心里划出的界限天差地别。
迁移失败的根源，是你试图把一套基于A模型“脑回路”的暗号，原封不动地讲给一个用B模型“脑回路”听的人。 结果就是鸡同鸭讲，虽然每个字都认识。
二、解决方案：从“翻译暗号”到“建立协议”
意识到这点后，我们停掉了无谓的Prompt微调，转而做了一件更底层的事：为“能力”而非“话术”建模。
拆解“黑盒”，定义能力接口
我们不再问“怎么让Claude理解我的Prompt”？，而是问：“这个Prompt模块，在整个系统里提供的核心能力是什么”？是风险识别？多步规划？还是约束校验？我们将那个庞大的、充满魔法语句的Prompt，拆解成一个个清晰的能力规格说明书（Spec）。这个过程极其痛苦，因为它逼迫你承认，原来Prompt里至少30%的内容，是你为了哄好某个特定模型而写的“废话”。为每个能力，编写“模型驱动适配器”
接下来，我们不再追求一个“万能Prompt”。相反，我们为 “规划能力” 这个接口，编写了多个适配器：GPT-4_Planner_Driver.v1&&Claude_Planner_Driver.v1&&Qwen-Max_Planner_Driver.v1。每个Driver都很短小。Claude的Driver里，会明确写上“禁止自行解释模糊条款，如遇歧义，请输出REQUEST_CLARIFICATION”。而对于一些本地模型，Driver的核心指令可能是“请严格按照<step>标签输出，无需在标签外提供任何解释”。Prompt，从此从神圣的“核心逻辑”，降级为可插拔、可测试的“驱动配置”。- 建立“能力基准测试”管道
真正的工程化，意味着验证。我们为每个核心能力（如规划、校验、决策）建立了一套行为基准测试集。测试的不是“答案对不对”，而是 “行为模式是否一致”。例如，给定一个边界模糊的输入，我们测量：模型是否擅自扩大解释范围？or 模型是倾向于行动还是追问？or 其输出结构的稳定性如何？每次更换模型或Driver，都必须跑一遍这个测试管道。通过数据，而不是感觉，来确认“能力”是否迁移成功。
三、系统的韧性，源于对不确定性的封装
走过这一圈后，我们得到了一个反直觉的结论：当你的系统设计成熟后，Prompt反而会变短、变简单。因为复杂的逻辑判断、严格的格式约束、风险的控制逻辑，都被下沉到了系统的其他层面（如校验层、状态管理层、决策引擎）。Prompt的职责，被净化成了：“请以你擅长的方式，帮我完成这个定义清晰的小目标。”
这样一来，模型间的差异，就被封装在了一个个小小的Driver里。切换模型，不再是伤筋动骨的“系统重写”，而更像是更换一个“驱动程序”。
所以，别再为迁移Prompt而头疼了。真正该打磨的是你如何定义、实现和验证一个“能力”。 当你不再依赖模型的“默契”，而是建立起系统的“协议”，你得到的不是一个绑死在GPT-4上的精致花瓶，而是一个真正具备工程韧性的智能体系统。它可能不那么炫酷，但它能上线，能扛压，能在凌晨两点安静地完成切换，而不是用一片飘红的报警来迎接你。这就是工程的意义。