Agent Guidance Language（智能体指导语言）是一套专门为 Agent 编写“专家级操作手册”的结构化自然语言规范。其核心目标是：

让业务专家不用写代码，也能把自己的经验、规则、偏好、SOP 直接教给 AI Agent。

---

AGL 为什么会出现

早期 Agent 主要依赖 Prompt：

你是一个采购专家，请帮我分析供应商。

问题在于：

• 不稳定

• 容易遗忘规则

• 长流程容易跑偏

• 不同模型效果差异大

• 企业知识难沉淀

因此出现了 AGL 思想：

角色是谁
目标是什么
输入是什么
执行步骤是什么
判断标准是什么
异常怎么处理
输出格式是什么

把原本一句 Prompt 扩展成一份完整的 Agent 作业指导书（SOP）。

---

AGL 的核心结构

通常包含 6 个部分：

1. Role（角色）

定义 Agent 身份。

例如：

你是一名拥有15年经验的采购经理。

---

2. Goal（目标）

告诉 Agent 最终要完成什么。

目标：
帮助用户筛选优质供应商。

---

3. Context（上下文）

告诉 Agent 可使用哪些知识。

知识来源：

- 企业知识库
- 历史采购数据
- ERP系统

---

4. Workflow（工作流程）

最重要部分。

步骤1：
识别用户需求

步骤2：
查询供应商库

步骤3：
计算评分

步骤4：
生成推荐结果

---

5. Rules（规则）

约束 Agent 行为。

禁止：

- 编造数据
- 推测价格

必须：

- 给出数据来源
- 标注可信度

---

6. Output（输出格式）

规定返回格式。

{
  "supplier": "",
  "score": 0,
  "reason": ""
}

---

一个完整 AGL 示例

例如做技术文章写作 Agent：

ROLE:
  资深技术架构师

GOAL:
  输出面向工程师的高质量技术文章

INPUT:
  用户提供主题

WORKFLOW:
  1. 分析主题
  2. 提取核心概念
  3. 生成目录
  4. 撰写内容
  5. 补充案例

RULES:
  - 必须包含代码示例
  - 必须包含架构图
  - 不允许营销语言

OUTPUT:
  Markdown

这实际上已经非常接近：

Prompt Engineering 2.0

---

AGL 与 Prompt 的区别

对比项	普通 Prompt	AGL
长度	短	长
结构	无结构	强结构
维护性	差	好
复用性	低	高
企业知识沉淀	难	容易
多步骤任务	不稳定	稳定
多Agent协作	困难	容易

---

AGL 与 MCP 的关系

很多人容易混淆。

MCP

解决：

Agent 如何连接工具

例如：

• ERP

• CRM

• 数据库

• 文件系统

---

AGL

解决：

Agent 如何思考
Agent 如何决策
Agent 如何执行

即：

MCP = 手脚

AGL = 大脑里的工作手册

二者并不冲突。

---

AGL 在 Agent 架构中的位置

┌─────────────────┐
│     User        │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│      Agent      │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│       AGL       │
│ Role            │
│ Goal            │
│ Workflow        │
│ Rules           │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│       MCP       │
│ ERP             │
│ CRM             │
│ Database        │
│ Search          │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ Enterprise Data │
└─────────────────┘

---

AGL 最适合的场景

特别适合企业 Agent：

• 采购 Agent

• 销售 Agent

• 客服 Agent

• HR Agent

• 法务 Agent

• 财务 Agent

• 项目管理 Agent

因为这些领域都有大量：

• SOP

• 业务规则

• 专家经验

• 隐性知识

AGL 的价值就是把这些经验固化成 Agent 可执行的指导语言。