Pydantic-AI项目中Agent系统提示加载问题的分析与解决

问题背景

在使用Pydantic-AI框架开发AI代理时，开发者遇到了一个看似简单但令人困惑的问题：系统提示(system_prompt)无法正确加载到代理(Agent)中。这个问题尤其出现在使用Celery工作者的场景下，导致代理无法按照预期执行指令。

问题现象

开发者创建了一个运行类(Runs)，其中包含创建代理并执行的方法。在初始化Agent时，明确传递了system_prompt参数，但实际运行时发现系统提示并未生效。通过日志记录可以看到，虽然system_prompt参数被正确传递给了Agent构造函数，但在最终的消息记录中却找不到系统提示的内容。

问题根源

经过深入分析，发现问题出在Pydantic-AI框架的一个设计决策上：当同时传递message_history和system_prompt参数时，框架会优先使用message_history中的内容，而忽略新传入的system_prompt。这种设计假设如果开发者提供了message_history，那么其中应该已经包含了必要的系统提示。

解决方案

针对这个问题，开发者提出了两种解决方案：

1. 直接修改message_history：将系统提示直接添加到message_history变量中，而不是通过system_prompt参数传递。这种方法简单直接，适用于大多数场景。

2. 框架改进建议：建议框架允许同时使用message_history和system_prompt，特别是在复杂的代理工作流中，不同代理可能需要使用相同的message_history但不同的系统提示。

深入技术分析

在AI代理开发中，系统提示扮演着至关重要的角色。它定义了代理的行为准则、响应方式和知识边界。Pydantic-AI框架当前的设计可能源于以下考虑：

• 消息连续性：确保对话上下文的完整性
• 性能优化：避免重复处理系统提示
• 简化API：减少参数组合的复杂性

然而，这种设计在复杂场景下确实会带来限制，特别是在以下情况：

1. 多阶段代理工作流：不同阶段的代理需要相同的对话历史但不同的行为准则
2. 动态系统提示：需要根据上下文动态调整系统提示
3. 分类器场景：只需要系统提示和对话历史，不需要新的用户输入

最佳实践建议

基于这一问题的分析，我们建议开发者在Pydantic-AI项目中采用以下实践：

1. 统一使用message_history：将所有提示信息(包括系统提示)都放入message_history中
2. 创建辅助函数：编写工具函数来帮助构建包含系统提示的message_history
3. 关注框架更新：留意Pydantic-AI未来版本对此设计的改进

结论

虽然Pydantic-AI当前的设计在简单场景下工作良好，但在复杂代理工作流中确实存在局限性。理解框架的这一行为特点后，开发者可以通过适当调整代码结构来规避问题。同时，这一问题也提醒我们在设计AI框架API时，需要平衡简洁性和灵活性，以适应各种使用场景。