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 AgentROLE: 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 2.0AGL 与 Prompt 的区别对比项普通 PromptAGL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ERPCRM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 AgentHR 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。