Статья
18 нояб. 2026 г.
чтение
Контексты, шаги и промпт по секциям
Адам Келси
Вице-президент по продукту
Создайте бесплатно.
Создайте пространство и запустите первый сценарий вызова за считанные минуты.
Голосовой ИИ
AI-агенты
Учебные пособия для разработчиков
Это вторая часть серии материалов о создании говорящего светильника Джека, который приветствует колядующих, а первая часть — это то, с чего начинается разработка. В первой части я подключил браузер к AI-агенту SignalWire по видеосвязи. В этой части агент обретает свой характер, личность и три режима, и я могу проверить каждый из них без совершения звонка.
Тыква веет себя по-разному в зависимости от того, кто перед ней стоит. Когда никого нет, она ждет. Когда останавливаются подростки или взрослые, она играет свою роль — пренебрежительную, властную и тайне радующуюся их приходу. С маленьким или испуганным ребенком она остается собой, но никто в компании никогда не становится объектом шутки. Каждый режим представляет собой контекст со своим собственным промптом и своими собственными инструментами.
Создание агента
Агент — это класс, который наследует AgentBase. Конструктор задает ему имя, определяет маршрут на сервере, а также устанавливает голос и параметры искусственного интеллекта.
Подсказки помогают распознаванию речи справляться со словами, которые в противном случае были бы расслышаны неверно, особенно учитывая то, что их будут произносить маленькие дети в шумной обстановке. Таймаут неактивности установлен на один час тишины — это максимальное разрешенное значение, так как вызов длится всю ночь. Благодаря barge_min_words, равным 2, случайное слово с улицы не сможет прервать тыкву на полуслове. Здесь также включено зрение, о чем рассказывается в части 4.
Написание базового промпта по секциям
Базовый промпт применяется в каждом режиме, и я собираю его из именованных секций. Я пишу каждую из них так, как если бы вы давали вводную актеру, указывая конкретно, что делать, а не то, чего следует избегать.
Вот каждая секция базового промпта тыквы:
Секция
Что она сообщает модели
Прямо сейчас
Текущее настроение визита, задаваемое сервером
Кто вы
Персонаж
Ваши глаза
Как и когда смотреть (часть 4)
Ваше прошлое
Какой инструмент вызывать при возникновении вопросов о ее истории
Как вы разговариваете
Длина, тон и форма
Персонал
Люди, раздающие конфеты, разбираются со всем, что ниже уровня тыквы
Чего вы не знаете
Никогда не говорите «Я не знаю»; вместо этого расскажите историю
Фразы, которых вы придерживаетесь
Границы и инструмент, который нужно вызвать при их нарушении
Я бы добавил такую секцию, как «Персонал», в любого агента-персонажа. Она дает модели возможность перенаправить любой запрос, который ей не следует обрабатывать, причем передача управления происходит в рамках роли.
Передача в промпт динамических значений из global_data
Часть информации, необходимая модели, меняется во время визита. Мой сервер определяет, когда группа задержалась достаточно долго, и с этого момента тыква должна начать выпроваживать их. Сервер хранит текущее настроение визита в global_data — данных, привязанных к вызову, которые модель видит только там, где они включены в промпт. Промпт задается в момент начала вызова, поэтому изменение самого промпта в середине звонка означает подстановку нового. Изменение значения в этих данных требует одного небольшого обновления от сервера, и тыква остается на том же шаге, на котором находилась. Промпт считывает настроение с помощью ${global_data.visit_mood}:
Мы пересобираем базовый промпт на каждом шаге, поэтому новое значение попадает в следующую реплику тыквы. В части 7 показан код, который это изменяет.
Создание режимов как контекстов и шагов
Контекст — это режим со своей собственной секцией промпта и собственными шагами. Шаг — это этап внутри режима со своими собственными инструкциями и списком инструментов. Модель может вызывать только те инструменты, которые перечислены на текущем шаге, поэтому каждый шаг определяет возможности модели в данный момент.
Контекст
Шаги
Что он делает
default (двор)
idle
Никого нет. Приветствует новых посетителей фразой, подходящей для любого случая, осматривается и сообщает о том, что видит.
act
greet, banter, shoo
Представление, начиная с первого оскорбления и заканчивая проводами.
gentle
reassure
Здесь находится маленький или испуганный ребенок. Тот же характер; никто в компании не является мишенью.
Вот действие (act) с его первым шагом. Секция контекста задает персонажа для всего режима, а каждый шаг добавляет указания о том, что делать сейчас.
set_valid_steps перечисляет шаги, к которым модель может перейти из текущего. Как только критерии шага выполнены, модель самостоятельно переходит от greet к banter. Мой сервер совершает любое другое движение — будь то переход в режим, выход из него или переход к shoo. В частях 3 и 7 этого руководства показано, как это работает.
В мягком режиме (gentle) есть только один шаг, и у модели нет возможности выйти из него:
Только сервер может вывести тыкву из мягкого режима. Никакие шаги или инструменты в нем не ведут куда-либо еще, поэтому тыква в мягком режиме не знает о существовании других режимов. Часть 7 этой серии руководств покажет вам это.
Обеспечение чистого листа для каждой группы
Вызов длится часами, и через него проходят десятки групп. Если бы разговор каждой группы оставался в контексте модели, тыква повторяла бы прошлые реплики и называла новых посетителей именами тех, кто приходил раньше. Семья из четырех человек вряд ли захочет, чтобы их называли Джеральдом только потому, что час назад заходил ребенок по имени Джеральд. В конце концов разговор достиг бы своего лимита по размеру, и вызов завершился бы.
set_isolated(True) предотвращает все это, поскольку вход в изолированный контекст стирает разговор, и каждая группа начинает с чистого листа. Все, что требуется шагу с прошлой беседы, передается через global_data. Когда тыква впервые видит группу, она сохраняет то, во что они одеты, в global_data.visitors, а шаг greet считывает это обратно с помощью ${global_data.visitors}.
Проверка без совершения звонка
Наш SDK включает инструмент swaig-test, который загружает файл агента и выводит SWML, который получил бы SignalWire, включая каждый контекст, шаг и список инструментов.
Список функций каждого шага в выводе — это ровно то, что модель может делать на этом шаге. Изучение этих списков позволяет выявить отсутствующий инструмент до того, как с ним столкнется посетитель.
Ловушки, которых следует избегать
Не скрывайте историю разговора, чтобы начать с чистого листа. Скрытые реплики остаются вне поля зрения модели, но все равно учитываются при расчете размера разговора, и вызов, длящийся всю ночь, достигнет лимита. Вместо этого изолируйте контекст и переносите необходимое в global_data.
Не размещайте изменяющиеся в середине шага данные в тексте шага. Текст шага заполняется один раз при входе на шаг, поэтому его значения ${...} не обновляются до следующего шага. Размещайте динамические значения в секции базового промпта, в которую передаются данные из global_data.
Не оставляйте set_functions пустым для шага. Шаг без этого параметра наследует инструменты предыдущего шага, в результате чего инструмент, который вы хотели удалить, останется на месте. Вызывайте set_functions на каждом шаге, даже если список не меняется.
Далее
У тыквы есть голос и три режима, но ей нечего сказать сверх ее промпта. В части 3 я пишу ее инструменты. Они наделяют ее противоречащей самой себе памятью, историями, которые рассказываются по одному такту за раз, и точной формулировкой фраз, за которые она не переступит.
Серия
- Система и вызов.
Система и вызов.
- Агент: личность и три режима в виде контекстов и шагов (эта публикация).
Агент: личность и три режима в виде контекстов и шагов (эта публикация).
- Инструменты: то, что ИИ вызывает на моем сервере, и почему его материал живет в коде.
Инструменты: то, что ИИ вызывает на моем сервере, и почему его материал живет в коде.
- Зрение: позволяем агенту видеть и проверяем камеру перед принятием любого важного решения.
Зрение: позволяем агенту видеть и проверяем камеру перед принятием любого важного решения.
- Сцена: определение того, кто стоит перед тыквой, прямо в браузере.
Сцена: определение того, кто стоит перед тыквой, прямо в браузере.
- Голос: аудиоэффекты в браузере.
Голос: аудиоэффекты в браузере.
- Темп и состояние: сервер ведет счет.
Темп и состояние: сервер ведет счет.
- Оператор: человек с телефоном, который может отменить решение агента.
Оператор: человек с телефоном, который может отменить решение агента.
- Тестирование и запуск на всю ночь.
Тестирование и запуск на всю ночь.












