Gemini Enterprise 演示系统 7 大结构化 Demo Prompt 设计指南从架构编排到话术约束的完整实战规范【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai导读本文深度解析开源仓库 ge-demo-generatorGemini Enterprise Demo Generator中用于指导 LLM 生成演示话术的权威规范 demo_prompts_guide.md。该规范定义了7 个结构化 Demo Prompt的完整架构——从数据探索、元数据发现、跨源异常检测到多步即时操作、后台批量执行、定时监控与端到端战略自动化系统性地覆盖了 AI Agent 在 Gemini Enterprise 中的全部运行光谱。读完本文你将掌握7 个 Prompt 槽位的职责分配与递进逻辑、贯穿全场的业务叙事弧Narrative Arc与跨部门委任Cross-Departmental Mandate设计、前台/后台执行编排、角色轮换机制、能力开关对槽位的覆盖规则、Encore Prompt 仲裁逻辑以及 6 条必须遵守的负向提示约束NO-Raw-Name / NO-HITL 等并能结合仓库源码理解这些规范背后的工具调用链与 A2UI 交互实现。1. 7-Prompt 架构与递进逻辑一场演示而非七条无关查询GE Demo Generator 合成的是恰好 7 个结构化演示提示词7 Structured Demo Prompts它们共同构成一次完整的、有起伏的演示叙事而不是 7 条彼此孤立的查询。规范开篇即强调读 §1–§3 之后再写任何 Prompt——§4 的槽位表说明每个 Prompt 必须做什么而 §1–§3 说明是什么让这 7 条成为一场演示而非七条无关查询。1.1 七槽位架构总览七个 Prompt 沿一条主线递进覆盖 Agent 的完整运行光谱以下即规范原文 Mermaid 图的文字化表达这一递进恰好与部署产物的运行时能力一一对应Prompt 1–2 依赖 BigQuery 与 Knowledge Catalog 元数据Prompt 3 依赖外部 Drive 文件与 BigQuery 表的跨源绑定external_files_and_drive.mdPrompt 4–5 依赖 Firestore 任务集合与/execute_task后台 workerPrompt 6 依赖 Pub/Sub Cloud Scheduler 定时通道Prompt 7 则汇聚所有数据源并追加不可变审计日志。在 SKILL.md 的 Phase 7 中这 7 条 Prompt 最终以Playbook标题/角色、类别标签、可复制的 Prompt 文本、预期结果、Watch Point的形式输出并本地化为客户的目标语言。1.2 叙事弧Narrative Arc强制项所有 7 个核心 Prompt 必须遵循同一条端到端业务过程实例——一张有问题的订单、一条被标记的申请、一张有争议的发票——在企业内部的流转轨迹。每个 Prompt 都建立在上一轮 Prompt 造成的状态变更之上同时仍要完成其槽位的功能要求。叙事弧是织入woven through槽位的它绝不替代槽位也不改变槽位顺序。收尾要求最后一个核心 Prompt 必须闭合叙事弧——Agent 以量化的过程成果before/after 周期时间或前置时间、已解决事项数、完成的交接次数呈现全程。规范原文一针见血以这是一张图结尾的演示没有结尾。这一量化收尾要求与 agent.py 中工作流的 REPORT 步骤深度耦合系统指令强制最终执行摘要包含关键业务指标before/after 对比、带时间戳的逐项动作日志、变更的统计分析、后续行动建议EXECUTION FLOW→Step 6: REPORT。也就是说Prompt 7 的收尾不是话术花活而是 Agent 系统指令中 REPORT 步骤的必然产物。1.3 跨部门委任Cross-Departmental Mandate强制项Agent 不是某个单一团队的助手而是被塑造成公司的流程操作员companys process operator在共享核心系统数据上跨部门工作。规范给出两种类型Type A事务型操作员任务队列中的事项其解决要求触碰至少两个部门拥有的数据。每一次交接hand-off都是 Agent 代表发送部门执行、且对接收部门可见的状态转换。Type B咨询/分析型每条洞察都量化对至少两个部门的影响每个提案都路由到拥有决策权的部门。行业形态要差异化不要复用单一模板制造业采购 → 生产 → 质量银行业销售网点 → 核保 → 合规零售业门店 → 供应链 → 财务两个值得采用的形态审批预审agent 在提交前按接收部门自身的规则检查提交物和多部门计划打磨草稿计划经其他部门的真实数据与阈值校验后再路由给各负责人审批。逃生舱Escape hatch当业务问题确实只涉及单一部门时不要硬造部门。可用相邻支持职能建模交接支持 → 计费、支持 → 产品质量或者干脆保持单团队。数据必须支撑这一点——参见 data_generation.md §1.3 的共享核心系统数据模型该节要求至少包含 ①一张两个部门都读写的事务表可带owning_department维度、②一张部门所有、他部门工作流必须查阅的规则/阈值表、③一个在任何单一部门视角下不可见、只有跨部门 JOIN 才能发现的审计种子audit seed——这正是 Prompt 3 跨源异常要浮出的东西。规范明确警告跨部门 Prompt 架在单一部门 schema 上只会产生返回空结果的 JOIN。在运行时跨部门流转由 Firestore 文档的current_department/next_department字段与追加式history审计数组承载data_generation.md §1.4。agent.py 的 WORKFLOW EXECUTION MODE 指令相应要求移动条目跨部门边界或改变其工作流状态时必须同步更新current_department/next_department并向history数组追加一条含timestamp、actor、action、approver人类批准时、evidence_ids所查阅的记录 ID 列表的记录且只追加、不覆盖。1.4 前台 / 后台编排Foreground / Background Choreography强制项至少两个核心 Prompt 必须被设计成让 Agent 自身的确认流在台上触发给这些 Prompt 分配其数据含有越阈或异常条目的任务使 Agent 遵循自身系统指令弹出带选项和证据的审批卡、等待一键式人类决策、并可见地改变操作数据库状态。关键原则——这来自任务设计task design而非提示词措辞。§6 的 NO-EXPLICIT-HITL 规则仍然生效永远不要在 Prompt 里写等我的批准。决策节拍来自数据在 Agent 规则下做的事而不是话术里的明示。后台执行只保留给(a) 长时间自主委任(b) 大批量运行(c) 定时任务。其他一切都在前台运行展示推理与中间结果——有趣的活都在屏幕外完成的演示只是在演示一个进度条而已。这一编排在运行时由 fast_api_app.py 的 inline/background 双预算机制落实INLINE_SOFT_TOOL_BUDGET_S武装 agent 侧工具闸门INLINE_HARD_DEADLINE_S默认 115s由转换看门狗在回合仍可渲染时把工作搬到真正的后台任务/execute_taskworker并给出 Check Task Status 芯片。也就是说前台展示推理、后台承接长活不仅是话术设计更是运行时硬机制。2. 锚定角色与角色轮换角色轮换Persona rotation在不同 Prompt 间变换语气与视角CFO、运营经理、区域总监、一线主管让整本 playbook 读起来像一个组织在使用 Agent而不是一个人在同一台机器上查询。锚定角色Anchor Persona当用户在 Phase 2 指定了目标角色时该角色就是整场演示的主角protagonistAgent 的业务指令将其定义为这位角色的流程操作员Prompt 1 从这位角色的日常情境开场任何自主委任交付物都指向这位角色的决策链人工审批闸门是这位角色或其直属上级拥有的决策其他角色**仅作为交接对手方hand-off counterparts**轮换——即流程流向和来自的角色——绝不取代主角主线。优先级规则即使场景暗示了更自然的主角通常是该职能的经理或主管用户选择的角色依然胜出。保持其为原型把天然主角降级为对手方且不得替换为相似但不同的职位头衔。这一机制在 SKILL.md 的 Phase 2 Step 2.1 有完整闭环问题 1 就是 Anchor persona谁是这个 Agent 的主要用户一旦用户回答它就变成 brief §1 中陈述的事实the agent is operated by the production control manager of the main works并贯穿生成的 agent 指令、demo guide 的每一个角色设定。3. Operator Watch Points给演示执行者的屏幕观察指令交付的 playbook 中每个 Prompt 都携带一个watch point一句写给运行演示的人而非 Agent的短句——这段 Prompt 运行时屏幕上该看什么。After the approval click, watch the item move to the next department on the operations console.点击批准后观察条目在运营控制台上移动到下一个部门。书写语言必须与 Prompt 同语言。它是观众看到回报与观众看着它滚过去之间的区别。Watch Point 的运行时落点正是 Data Viewer实时运营仪表盘Flask 应用它监控 Firestore 集合并实时刷新agent.py 的系统指令要求在 Firestore 写入后、批量或高影响操作后、确认卡中、以及 Welcome Card 中给出Open Operations Console形式的 Markdown 链接让观众现场目击状态变化——这正是 watch point 要观众盯住的东西。4. Prompt 详情、类别与角色轮换槽位表以下为 §4 的 7 槽位完整规格每个槽位包含 Role/Persona、Objective、Constraints、Expected Agent Behavior 四个维度Prompt 1Foundation Data Overview基础与数据总览角色/人格运营团队主管 / 普通用户或锚定角色自身的开场情境目标建立对运营域的熟悉度审视整体指标与活跃实体约束只使用通用措辞。不得出现原始产品名BigQuery、Firestore或原始表名预期 Agent 行为仅凭 Prompt 内的数据资产目录回答表/列问题零工具调用仅当用户要求具体数字时才调用一次execute_sql_readonly以干净的 KPI 摘要 A2UI Card 呈现Prompt 2Metadata Knowledge Catalog Discovery元数据与知识目录发现角色/人格数据治理主管 / 战略分析师目标推动 Agent 在编写 SQL 前先咨询 Knowledge CatalogDataplex元数据理解列定义、单位与业务规则约束通用化措辞What data do we have available to analyze X and how are these metrics defined across our systems?我们有哪些可用来分析 X 的数据这些指标在我们的系统中是如何定义的预期 Agent 行为调用search_entries、lookup_entry或lookup_context理解表关系与指标后再写 SQLPrompt 3Cross-Source Discovery跨源发现【WOW MOMENT】角色/人格首席财务官CFO/ 内部审计师目标发现外部 Google Drive 文件PDF 审计报告 / Excel 台账与内部数据库之间的隐藏联系或差异约束以高层战略问题表述What is the biggest untracked discrepancy across our recent supplier deliveries?近期供应商交付中最大的未追踪差异是什么预期 Agent 行为查询 BigQuery 事务表与 Google Drive 中的外部审计文件交叉核对识别 5–15% 的偏差并渲染带执行摘要图片的 Analytical Discrepancy CardPrompt 4Multi-Step Dependent Immediate Workflow多步依赖即时工作流【WOW MOMENT】角色/人格运营经理 / 工厂主管目标为小批量 10 项执行同步多步工作流展示相互依赖的链条SCAN - CLASSIFY - RESOLVE - APPROVE - EXECUTE - AUDIT预期 Agent 行为分析待处理队列项消解 SKU/条目歧义呈现带交互式下拉/芯片选择的(J) Dynamic Multi-Entity Batch EditorA2UI 卡等待用户批准并将更新写入 Firestore/BigQueryPrompt 5Large-Scope Batch / Background Workflow大范围批量/后台工作流【WOW MOMENT】角色/人格供应链副总裁 / 企业运营总监目标触发大范围批量操作的执行覆盖 50 条记录或季度历史预期 Agent 行为识别大范围并呈现Execution Mode Selection Card[Run inline now]立即内联运行[Run as a background task]作为后台任务运行[Schedule it to run regularly]安排定期运行芯片标签以对话语言渲染以上英文为参考措辞。选择后台模式时将任务派发给/execute_taskCloud Run worker。Prompt 6Scheduled Automated Monitoring Workflow定时自动监控工作流角色/人格首席运营官COO/ 合规总监目标设置循环自动监控例如每天 09:00扫描阈值违规并自动升级关键任务预期 Agent 行为解释循环监控逻辑用 Pub/Sub 注册定时 cron 触发器并解释后台 worker 将如何运行Prompt 7End-to-End Strategic Automation端到端战略自动化角色/人格执行委员会 / 首席执行官目标综合战略执行——多源分析BigQuery Firestore Drive 文件、条件工作流解决、高管通知起草、不可变审计日志预期 Agent 行为执行端到端推理产出 Executive Summary Infographicgemini-3.1-flash-image更新运营记录并记录完整审计轨迹横切槽位要求交互式仪表盘7 个 Prompt 中恰好一个要求 Agent 构建用户在浏览器中打开并探索的交互式仪表盘。Prompt 文本必须携带显式的浏览器打开信号——an interactive dashboard I can open in my browser and click into一个我可以在浏览器中打开并点击进入的交互式仪表盘。若表述为generate a dashboard that summarizes ...则会被理解为分析请求产出静态幻灯片。将其折入自然的概览或战略 Prompt 中使总数恰好保持为 7。这一要求的运行时对应是publish_dashboard工具tools.pyAgent 自编完整自包含 HTML 文档内联全部 CSS/JS、Chart.js 图表、可点击排序表格、实时搜索框、分类筛选、标签页、明暗模式切换发布到 Cloud Storage 签名 URL。agent.py 的系统指令明确interactive或 clickable / open in the browser / explore是信号词即使同一请求同时说summarize或analyze也要据此行动publish_dashboard优先于generate_image后者只产静态幻灯片禁止作为交互式仪表盘的替代品。5. 能力开启时的槽位覆盖Slot Overrides5.1 托管自主 AgentenableManagedAgent默认开启7 个 Prompt 中必须有两个展示自主委任且遵循两种模式——绝不合并进一个 Prompt因为演示需要两个截然不同的自主时刻Pattern A — 网络研究 内部数据综合答案必须离不开实时网络研究research the latest industry trends online and produce a competitive analysis against our own sales data。Pattern B — 复杂长周期交付物可下载的成品业务输出其生产需要顺序依赖的多个阶段定量分析 → 基于分析构建图表 → 专业组装。可以是同一分析的两种互补格式董事会 Deck 两页现场摘要提案文档 一页网络简报也可以是可用的交互工具——一个自包含的 Web 应用其系数来自真实分析外加一份解释模型的短文档。用通俗业务语言陈述 1–2 条质量条件lead with the conclusion on the first page、every number sourced from our data or a citation这让 Agent 的自检-重建循环可见。Pattern A 和 B 必须使用不同的交付格式。槽位分配覆盖基础分布槽位内容5Pattern B取代大范围后台工作流——委任本身就在后台运行同时演示了后台执行与完成通告因此该剧情得以保留7Pattern A织入端到端战略自动化——网络研究加内部综合本身就是端到端展示1 或 2交互式仪表盘 Prompt 移到这里保留其浏览器打开信号。它不得挤占槽位 5 或 7也不得被丢弃跨部门交付物强制被委任的任务综合至少两个部门拥有的数据并将其交付物指向拥有决策权的部门或高管——以叙事弧的旅程总结形式呈现每个部门发生了什么、流程卡在哪里、解决了什么。由于 Pattern A 占据最终核心槽位其交付物还承担弧线终章职责必须以 §1.1 的量化过程成果收尾。避免与轻量工具重叠Agent 还拥有快速内联 SQL、快速分析与聊天内仪表盘。一个查库总结即可回答的 Prompt 会在内联完成自主 Agent 根本不会出现。两个委任 Prompt 都必须要求至少以下之一实时网络研究、产出可下载文件、构建并运行代码。运行时佐证delegate_autonomous_task工具在 tools.py 定义当enableManagedAgent关闭时该工具及配套的get_autonomous_task_status、register_scheduled_autonomous_task、save_deliverables_to_drive全部降级为{status: disabled, ...}。SKILL.md 还警告scripts/managed_agent_instruction.txt若未填[BUSINESS_CONTEXT]enableManagedAgent会被静默跳过连带delegate_autonomous_task与演示 Prompt 5、7 一起失效——这是由文件而非仅由 flag 开关的能力。5.2 WorkspaceenableWorkspaceAuth或enableWorkspaceMcp两个自主 Prompt 中至少一个把 Workspace 动作链接到其交付物上让演示同时展示两种能力...build the executive deck, save it to my Drive as Google Slides, and draft an email to the leadership team summarizing it或...post the summary with the document link to the team Chat space, then put a 30-minute review on my calendar。动作要贴合角色且优先草稿draft措辞——Agent 创建草稿除非被明确指示否则不发送。这与托管 Agent 沙箱的系统指令一致multi_agent_architecture.md §4 的 WORKSPACE ACTIONS 块永远不发送邮件仅草稿除非任务明确要求发送、不删除 Workspace 中的任何东西、只向任务明确指名的 Chat 空间发消息、绝不把 token 写进报告/日志/代码/文件。5.3 Computer useenableComputerUsePattern A 额外指名一个特定的外部页面或门户并把该部分表述为显式的浏览请求browse site live for the latest ...使 Agent 在把任务移交给自主 Agent 之前先在聊天内驱动真实浏览器。保持为单个可快速检查的页面深度多源研究仍属于自主 Agent。沙箱侧对应 BROWSER FINDINGS 块委任消息中的浏览器发现被视为新鲜且权威的输入自主 Agent 自身没有交互式浏览器。6. 槽位预算与 Encore Prompts仲裁7 个核心 Prompt 保持基础分布以及任何 §5 的覆盖。当已启用的能力无法在不把多个展示任务硬塞进一个 Prompt 的情况下塞进 7 个槽位时——不要稀释或静默丢弃任何能力——改为追加至多三个 encore prompts位置 8–10每个 encore 恰好展示一个溢出能力作为同一业务叙事的尾声或另类角度场景encore 可以建立在核心故事的既有状态之上核心故事绝不能依赖 encore每个 encore 都必须在其标签列表中包含字符串encore核心 Prompt 不得携带该标签总 playbook 长度恰好 7 个核心条目 0 到 3 个 encore 条目。SKILL.md 的 Phase 7 复述了这一仲裁规则能力放不下时append up to three prompts taggedencorerather than cramming two showcases into one prompt。7. 严格的负向 Prompt 约束Strict Negative Prompt Constraints无论什么槽位、什么能力组合以下 6 条负向约束永远生效NO Raw Product Names绝不提及 BigQuery、Firestore、Cloud Run、Google Maps 或 GCP。NO Raw Column / Table Names绝不提及production_batches、supplier_id、discrepancy_score。NO Filenames不出现market_report_2024不出现.tsv。对外部文档用通用方式指代the suppliers audit report。NO Explicit HITL Command不写Wait for my approval等待我的批准或Propose first先提议。Agent 依据其系统指令自主实现确认工作流——参见 §1.3 如何赚取决策节拍。这四条在运行时被 agent.py 的 BUSINESS-FRIENDLY VOCABULARY 规则强制执行用户可见文本中绝不暴露基础设施或实现名称必须翻译为业务术语——BigQuery → the analytics database分析数据库、Firestore → the operations database运营数据库、Cloud Scheduler/cron → the recurring schedule循环计划、Pub/Sub/任务队列/异步 → 只描述达成什么runs automatically in the background绝不描述机制。同时内部状态枚举如pending_approval、ALERT_ACTIVE不得原样展示内部 ID 每响应至多一个以引用/工单号形式所有其他实体必须以其人类可读名称出现。8. 从规范到运行的源码闭环提示词指南与实现的一致性整本提示词指南并非孤立的文案规范其每一条要求都能在仓库中找到对应的运行时实现。以下是对照总览指南要求运行时实现源码位置Prompt 1 零工具调用回答目录问题PATH 0 ANSWER FROM THIS PROMPT 路由块agent.py 的 DATA EXPLORATION 块Prompt 2 先查元数据再写 SQLsearch_entries/lookup_entry/lookup_context只读agent.py 的 Knowledge Catalog Toolset 段Prompt 4 的 Batch Editorbatch_editor.json少样本MaterialSelect/form绑定 action eventexamples/0.9/batch_editor.jsonPrompt 5 的执行模式选择卡EXECUTION MODE SELECTION Workflow Execution Plan 卡模板Immediate/Background/Scheduled 三按钮agent.py 的 WORKFLOW EXECUTION MODE 段Prompt 5 后台模式派发/execute_taskregister_background_task注册任务POST /execute_taskworker 端点读取 Firestore 任务配置执行tools.py、fast_api_app.pyPrompt 6 定时监控register_scheduled_taskcron 表达式 Pub/Sub 推送订阅tools.pyPrompt 7 高管摘要信息图generate_image工具gemini-3.1-flash-image PROACTIVE VISUALIZATION WOW MOMENT 规则tools.py、agent.py跨部门交接可见Firestorecurrent_department/next_department 追加式history审计数组data_generation.md §1.4后台任务可监控update_task_progress/get_task_result Data Viewer Tasks 标签页tools.py8.1 多代理架构对提示词的支撑从 multi_agent_architecture.md 可见运行时采用Triple-Agent 架构基于 Google Agent Development Kit / ADK默认gemini-3.7-flashroot_agent协调者 A2UI 构建者处理主对话、问候、简单查询、卡片渲染、路由deep_analysis_agent内联分析子代理复杂内联多步分析推理完成后交还控制权background_agent独立异步 worker深批量操作与长流水线经/execute_task端点触发。后台 worker 运行两种结构化流水线之一Operational WorkflowSCAN - ANALYZE - PLAN - EXECUTE - VERIFY - REPORT高风险操作需人工确认或Deep Statistical ReviewCOLLECTION - EXPLORATORY - STATISTICAL - SYNTHESIS - REPORT。Anti-Shallow Guard 强制至少查询 2 个不同数据源/表、引用查询的确切数字指标与 ID、给出至少 3 条具体高影响业务建议。这解释了为什么指南要求后台执行只保留给长自主委任、大批量、定时任务——任何会被 Anti-Shallow Guard 拒绝的浅层任务都不值得占用后台通道。8.2 A2UI 卡片的协议实现指南中所有呈现 XX 卡的预期行为最终都落到 A2UI v0.9 协议a2ui_catalog.md所有载荷包裹在a2ui-json ... /a2ui-json中每条消息带version: v0.9createSurface无root键、根组件必须id: root组件使用扁平类型名component: MaterialButton按钮动作是{action: {event: {name: ..., context: {prompt: ...}}}}其中context.prompt是按钮被点击时 Gemini Enterprise 显示为用户消息的确切文本——这也是指南中 Prompt 建议芯片能被点击执行的根本机制。9. 附如何在本仓库中深入实践阅读完整技能定义SKILL.mdv2.14.4含 8 阶段生命周期、9 个高级设置开关、.env键的完整说明阅读提示词指南原文demo_prompts_guide.md配套参考文档a2ui_catalog.md——A2UI v0.9 协议与组件库data_generation.md——合成数据与共享核心系统数据模型external_files_and_drive.md——外部文件与 Drive 上传multi_agent_architecture.md——Triple-Agent 架构与自主沙箱指令deployment_and_iam.md——6 步部署依赖图与 IAMdatastore_connectors.md、mcp_catalog.md——数据存储连接器与 MCP 集成核心模板源码agent.py系统指令与路由、tools.pyMCP 工具集与后台任务、fast_api_app.pyA2A 服务与/execute_taskworkerA2UI 少样本示例examples/0.9含batch_editor.json、execution mode相关卡片、iframe_dashboard.json等 26 个示例 surface项目整体说明与部署指引ge-demo-generator/README.md需要说明的是本仓库为只读示例代码仓库实际演示环境的合成与部署由 GE Demo Generator Skill可运行于编码 Agent 或 Apps Script Web 应用在用户自己的 Google Cloud 项目中完成生成的 Demo 提示词 Playbook 将按上述规范本地化输出。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Gemini Enterprise 演示系统 7 大结构化 Demo Prompt 设计指南：从架构编排到话术约束的完整实战规范
Gemini Enterprise 演示系统 7 大结构化 Demo Prompt 设计指南从架构编排到话术约束的完整实战规范【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai导读本文深度解析开源仓库 ge-demo-generatorGemini Enterprise Demo Generator中用于指导 LLM 生成演示话术的权威规范 demo_prompts_guide.md。该规范定义了7 个结构化 Demo Prompt的完整架构——从数据探索、元数据发现、跨源异常检测到多步即时操作、后台批量执行、定时监控与端到端战略自动化系统性地覆盖了 AI Agent 在 Gemini Enterprise 中的全部运行光谱。读完本文你将掌握7 个 Prompt 槽位的职责分配与递进逻辑、贯穿全场的业务叙事弧Narrative Arc与跨部门委任Cross-Departmental Mandate设计、前台/后台执行编排、角色轮换机制、能力开关对槽位的覆盖规则、Encore Prompt 仲裁逻辑以及 6 条必须遵守的负向提示约束NO-Raw-Name / NO-HITL 等并能结合仓库源码理解这些规范背后的工具调用链与 A2UI 交互实现。1. 7-Prompt 架构与递进逻辑一场演示而非七条无关查询GE Demo Generator 合成的是恰好 7 个结构化演示提示词7 Structured Demo Prompts它们共同构成一次完整的、有起伏的演示叙事而不是 7 条彼此孤立的查询。规范开篇即强调读 §1–§3 之后再写任何 Prompt——§4 的槽位表说明每个 Prompt 必须做什么而 §1–§3 说明是什么让这 7 条成为一场演示而非七条无关查询。1.1 七槽位架构总览七个 Prompt 沿一条主线递进覆盖 Agent 的完整运行光谱以下即规范原文 Mermaid 图的文字化表达这一递进恰好与部署产物的运行时能力一一对应Prompt 1–2 依赖 BigQuery 与 Knowledge Catalog 元数据Prompt 3 依赖外部 Drive 文件与 BigQuery 表的跨源绑定external_files_and_drive.mdPrompt 4–5 依赖 Firestore 任务集合与/execute_task后台 workerPrompt 6 依赖 Pub/Sub Cloud Scheduler 定时通道Prompt 7 则汇聚所有数据源并追加不可变审计日志。在 SKILL.md 的 Phase 7 中这 7 条 Prompt 最终以Playbook标题/角色、类别标签、可复制的 Prompt 文本、预期结果、Watch Point的形式输出并本地化为客户的目标语言。1.2 叙事弧Narrative Arc强制项所有 7 个核心 Prompt 必须遵循同一条端到端业务过程实例——一张有问题的订单、一条被标记的申请、一张有争议的发票——在企业内部的流转轨迹。每个 Prompt 都建立在上一轮 Prompt 造成的状态变更之上同时仍要完成其槽位的功能要求。叙事弧是织入woven through槽位的它绝不替代槽位也不改变槽位顺序。收尾要求最后一个核心 Prompt 必须闭合叙事弧——Agent 以量化的过程成果before/after 周期时间或前置时间、已解决事项数、完成的交接次数呈现全程。规范原文一针见血以这是一张图结尾的演示没有结尾。这一量化收尾要求与 agent.py 中工作流的 REPORT 步骤深度耦合系统指令强制最终执行摘要包含关键业务指标before/after 对比、带时间戳的逐项动作日志、变更的统计分析、后续行动建议EXECUTION FLOW→Step 6: REPORT。也就是说Prompt 7 的收尾不是话术花活而是 Agent 系统指令中 REPORT 步骤的必然产物。1.3 跨部门委任Cross-Departmental Mandate强制项Agent 不是某个单一团队的助手而是被塑造成公司的流程操作员companys process operator在共享核心系统数据上跨部门工作。规范给出两种类型Type A事务型操作员任务队列中的事项其解决要求触碰至少两个部门拥有的数据。每一次交接hand-off都是 Agent 代表发送部门执行、且对接收部门可见的状态转换。Type B咨询/分析型每条洞察都量化对至少两个部门的影响每个提案都路由到拥有决策权的部门。行业形态要差异化不要复用单一模板制造业采购 → 生产 → 质量银行业销售网点 → 核保 → 合规零售业门店 → 供应链 → 财务两个值得采用的形态审批预审agent 在提交前按接收部门自身的规则检查提交物和多部门计划打磨草稿计划经其他部门的真实数据与阈值校验后再路由给各负责人审批。逃生舱Escape hatch当业务问题确实只涉及单一部门时不要硬造部门。可用相邻支持职能建模交接支持 → 计费、支持 → 产品质量或者干脆保持单团队。数据必须支撑这一点——参见 data_generation.md §1.3 的共享核心系统数据模型该节要求至少包含 ①一张两个部门都读写的事务表可带owning_department维度、②一张部门所有、他部门工作流必须查阅的规则/阈值表、③一个在任何单一部门视角下不可见、只有跨部门 JOIN 才能发现的审计种子audit seed——这正是 Prompt 3 跨源异常要浮出的东西。规范明确警告跨部门 Prompt 架在单一部门 schema 上只会产生返回空结果的 JOIN。在运行时跨部门流转由 Firestore 文档的current_department/next_department字段与追加式history审计数组承载data_generation.md §1.4。agent.py 的 WORKFLOW EXECUTION MODE 指令相应要求移动条目跨部门边界或改变其工作流状态时必须同步更新current_department/next_department并向history数组追加一条含timestamp、actor、action、approver人类批准时、evidence_ids所查阅的记录 ID 列表的记录且只追加、不覆盖。1.4 前台 / 后台编排Foreground / Background Choreography强制项至少两个核心 Prompt 必须被设计成让 Agent 自身的确认流在台上触发给这些 Prompt 分配其数据含有越阈或异常条目的任务使 Agent 遵循自身系统指令弹出带选项和证据的审批卡、等待一键式人类决策、并可见地改变操作数据库状态。关键原则——这来自任务设计task design而非提示词措辞。§6 的 NO-EXPLICIT-HITL 规则仍然生效永远不要在 Prompt 里写等我的批准。决策节拍来自数据在 Agent 规则下做的事而不是话术里的明示。后台执行只保留给(a) 长时间自主委任(b) 大批量运行(c) 定时任务。其他一切都在前台运行展示推理与中间结果——有趣的活都在屏幕外完成的演示只是在演示一个进度条而已。这一编排在运行时由 fast_api_app.py 的 inline/background 双预算机制落实INLINE_SOFT_TOOL_BUDGET_S武装 agent 侧工具闸门INLINE_HARD_DEADLINE_S默认 115s由转换看门狗在回合仍可渲染时把工作搬到真正的后台任务/execute_taskworker并给出 Check Task Status 芯片。也就是说前台展示推理、后台承接长活不仅是话术设计更是运行时硬机制。2. 锚定角色与角色轮换角色轮换Persona rotation在不同 Prompt 间变换语气与视角CFO、运营经理、区域总监、一线主管让整本 playbook 读起来像一个组织在使用 Agent而不是一个人在同一台机器上查询。锚定角色Anchor Persona当用户在 Phase 2 指定了目标角色时该角色就是整场演示的主角protagonistAgent 的业务指令将其定义为这位角色的流程操作员Prompt 1 从这位角色的日常情境开场任何自主委任交付物都指向这位角色的决策链人工审批闸门是这位角色或其直属上级拥有的决策其他角色**仅作为交接对手方hand-off counterparts**轮换——即流程流向和来自的角色——绝不取代主角主线。优先级规则即使场景暗示了更自然的主角通常是该职能的经理或主管用户选择的角色依然胜出。保持其为原型把天然主角降级为对手方且不得替换为相似但不同的职位头衔。这一机制在 SKILL.md 的 Phase 2 Step 2.1 有完整闭环问题 1 就是 Anchor persona谁是这个 Agent 的主要用户一旦用户回答它就变成 brief §1 中陈述的事实the agent is operated by the production control manager of the main works并贯穿生成的 agent 指令、demo guide 的每一个角色设定。3. Operator Watch Points给演示执行者的屏幕观察指令交付的 playbook 中每个 Prompt 都携带一个watch point一句写给运行演示的人而非 Agent的短句——这段 Prompt 运行时屏幕上该看什么。After the approval click, watch the item move to the next department on the operations console.点击批准后观察条目在运营控制台上移动到下一个部门。书写语言必须与 Prompt 同语言。它是观众看到回报与观众看着它滚过去之间的区别。Watch Point 的运行时落点正是 Data Viewer实时运营仪表盘Flask 应用它监控 Firestore 集合并实时刷新agent.py 的系统指令要求在 Firestore 写入后、批量或高影响操作后、确认卡中、以及 Welcome Card 中给出Open Operations Console形式的 Markdown 链接让观众现场目击状态变化——这正是 watch point 要观众盯住的东西。4. Prompt 详情、类别与角色轮换槽位表以下为 §4 的 7 槽位完整规格每个槽位包含 Role/Persona、Objective、Constraints、Expected Agent Behavior 四个维度Prompt 1Foundation Data Overview基础与数据总览角色/人格运营团队主管 / 普通用户或锚定角色自身的开场情境目标建立对运营域的熟悉度审视整体指标与活跃实体约束只使用通用措辞。不得出现原始产品名BigQuery、Firestore或原始表名预期 Agent 行为仅凭 Prompt 内的数据资产目录回答表/列问题零工具调用仅当用户要求具体数字时才调用一次execute_sql_readonly以干净的 KPI 摘要 A2UI Card 呈现Prompt 2Metadata Knowledge Catalog Discovery元数据与知识目录发现角色/人格数据治理主管 / 战略分析师目标推动 Agent 在编写 SQL 前先咨询 Knowledge CatalogDataplex元数据理解列定义、单位与业务规则约束通用化措辞What data do we have available to analyze X and how are these metrics defined across our systems?我们有哪些可用来分析 X 的数据这些指标在我们的系统中是如何定义的预期 Agent 行为调用search_entries、lookup_entry或lookup_context理解表关系与指标后再写 SQLPrompt 3Cross-Source Discovery跨源发现【WOW MOMENT】角色/人格首席财务官CFO/ 内部审计师目标发现外部 Google Drive 文件PDF 审计报告 / Excel 台账与内部数据库之间的隐藏联系或差异约束以高层战略问题表述What is the biggest untracked discrepancy across our recent supplier deliveries?近期供应商交付中最大的未追踪差异是什么预期 Agent 行为查询 BigQuery 事务表与 Google Drive 中的外部审计文件交叉核对识别 5–15% 的偏差并渲染带执行摘要图片的 Analytical Discrepancy CardPrompt 4Multi-Step Dependent Immediate Workflow多步依赖即时工作流【WOW MOMENT】角色/人格运营经理 / 工厂主管目标为小批量 10 项执行同步多步工作流展示相互依赖的链条SCAN - CLASSIFY - RESOLVE - APPROVE - EXECUTE - AUDIT预期 Agent 行为分析待处理队列项消解 SKU/条目歧义呈现带交互式下拉/芯片选择的(J) Dynamic Multi-Entity Batch EditorA2UI 卡等待用户批准并将更新写入 Firestore/BigQueryPrompt 5Large-Scope Batch / Background Workflow大范围批量/后台工作流【WOW MOMENT】角色/人格供应链副总裁 / 企业运营总监目标触发大范围批量操作的执行覆盖 50 条记录或季度历史预期 Agent 行为识别大范围并呈现Execution Mode Selection Card[Run inline now]立即内联运行[Run as a background task]作为后台任务运行[Schedule it to run regularly]安排定期运行芯片标签以对话语言渲染以上英文为参考措辞。选择后台模式时将任务派发给/execute_taskCloud Run worker。Prompt 6Scheduled Automated Monitoring Workflow定时自动监控工作流角色/人格首席运营官COO/ 合规总监目标设置循环自动监控例如每天 09:00扫描阈值违规并自动升级关键任务预期 Agent 行为解释循环监控逻辑用 Pub/Sub 注册定时 cron 触发器并解释后台 worker 将如何运行Prompt 7End-to-End Strategic Automation端到端战略自动化角色/人格执行委员会 / 首席执行官目标综合战略执行——多源分析BigQuery Firestore Drive 文件、条件工作流解决、高管通知起草、不可变审计日志预期 Agent 行为执行端到端推理产出 Executive Summary Infographicgemini-3.1-flash-image更新运营记录并记录完整审计轨迹横切槽位要求交互式仪表盘7 个 Prompt 中恰好一个要求 Agent 构建用户在浏览器中打开并探索的交互式仪表盘。Prompt 文本必须携带显式的浏览器打开信号——an interactive dashboard I can open in my browser and click into一个我可以在浏览器中打开并点击进入的交互式仪表盘。若表述为generate a dashboard that summarizes ...则会被理解为分析请求产出静态幻灯片。将其折入自然的概览或战略 Prompt 中使总数恰好保持为 7。这一要求的运行时对应是publish_dashboard工具tools.pyAgent 自编完整自包含 HTML 文档内联全部 CSS/JS、Chart.js 图表、可点击排序表格、实时搜索框、分类筛选、标签页、明暗模式切换发布到 Cloud Storage 签名 URL。agent.py 的系统指令明确interactive或 clickable / open in the browser / explore是信号词即使同一请求同时说summarize或analyze也要据此行动publish_dashboard优先于generate_image后者只产静态幻灯片禁止作为交互式仪表盘的替代品。5. 能力开启时的槽位覆盖Slot Overrides5.1 托管自主 AgentenableManagedAgent默认开启7 个 Prompt 中必须有两个展示自主委任且遵循两种模式——绝不合并进一个 Prompt因为演示需要两个截然不同的自主时刻Pattern A — 网络研究 内部数据综合答案必须离不开实时网络研究research the latest industry trends online and produce a competitive analysis against our own sales data。Pattern B — 复杂长周期交付物可下载的成品业务输出其生产需要顺序依赖的多个阶段定量分析 → 基于分析构建图表 → 专业组装。可以是同一分析的两种互补格式董事会 Deck 两页现场摘要提案文档 一页网络简报也可以是可用的交互工具——一个自包含的 Web 应用其系数来自真实分析外加一份解释模型的短文档。用通俗业务语言陈述 1–2 条质量条件lead with the conclusion on the first page、every number sourced from our data or a citation这让 Agent 的自检-重建循环可见。Pattern A 和 B 必须使用不同的交付格式。槽位分配覆盖基础分布槽位内容5Pattern B取代大范围后台工作流——委任本身就在后台运行同时演示了后台执行与完成通告因此该剧情得以保留7Pattern A织入端到端战略自动化——网络研究加内部综合本身就是端到端展示1 或 2交互式仪表盘 Prompt 移到这里保留其浏览器打开信号。它不得挤占槽位 5 或 7也不得被丢弃跨部门交付物强制被委任的任务综合至少两个部门拥有的数据并将其交付物指向拥有决策权的部门或高管——以叙事弧的旅程总结形式呈现每个部门发生了什么、流程卡在哪里、解决了什么。由于 Pattern A 占据最终核心槽位其交付物还承担弧线终章职责必须以 §1.1 的量化过程成果收尾。避免与轻量工具重叠Agent 还拥有快速内联 SQL、快速分析与聊天内仪表盘。一个查库总结即可回答的 Prompt 会在内联完成自主 Agent 根本不会出现。两个委任 Prompt 都必须要求至少以下之一实时网络研究、产出可下载文件、构建并运行代码。运行时佐证delegate_autonomous_task工具在 tools.py 定义当enableManagedAgent关闭时该工具及配套的get_autonomous_task_status、register_scheduled_autonomous_task、save_deliverables_to_drive全部降级为{status: disabled, ...}。SKILL.md 还警告scripts/managed_agent_instruction.txt若未填[BUSINESS_CONTEXT]enableManagedAgent会被静默跳过连带delegate_autonomous_task与演示 Prompt 5、7 一起失效——这是由文件而非仅由 flag 开关的能力。5.2 WorkspaceenableWorkspaceAuth或enableWorkspaceMcp两个自主 Prompt 中至少一个把 Workspace 动作链接到其交付物上让演示同时展示两种能力...build the executive deck, save it to my Drive as Google Slides, and draft an email to the leadership team summarizing it或...post the summary with the document link to the team Chat space, then put a 30-minute review on my calendar。动作要贴合角色且优先草稿draft措辞——Agent 创建草稿除非被明确指示否则不发送。这与托管 Agent 沙箱的系统指令一致multi_agent_architecture.md §4 的 WORKSPACE ACTIONS 块永远不发送邮件仅草稿除非任务明确要求发送、不删除 Workspace 中的任何东西、只向任务明确指名的 Chat 空间发消息、绝不把 token 写进报告/日志/代码/文件。5.3 Computer useenableComputerUsePattern A 额外指名一个特定的外部页面或门户并把该部分表述为显式的浏览请求browse site live for the latest ...使 Agent 在把任务移交给自主 Agent 之前先在聊天内驱动真实浏览器。保持为单个可快速检查的页面深度多源研究仍属于自主 Agent。沙箱侧对应 BROWSER FINDINGS 块委任消息中的浏览器发现被视为新鲜且权威的输入自主 Agent 自身没有交互式浏览器。6. 槽位预算与 Encore Prompts仲裁7 个核心 Prompt 保持基础分布以及任何 §5 的覆盖。当已启用的能力无法在不把多个展示任务硬塞进一个 Prompt 的情况下塞进 7 个槽位时——不要稀释或静默丢弃任何能力——改为追加至多三个 encore prompts位置 8–10每个 encore 恰好展示一个溢出能力作为同一业务叙事的尾声或另类角度场景encore 可以建立在核心故事的既有状态之上核心故事绝不能依赖 encore每个 encore 都必须在其标签列表中包含字符串encore核心 Prompt 不得携带该标签总 playbook 长度恰好 7 个核心条目 0 到 3 个 encore 条目。SKILL.md 的 Phase 7 复述了这一仲裁规则能力放不下时append up to three prompts taggedencorerather than cramming two showcases into one prompt。7. 严格的负向 Prompt 约束Strict Negative Prompt Constraints无论什么槽位、什么能力组合以下 6 条负向约束永远生效NO Raw Product Names绝不提及 BigQuery、Firestore、Cloud Run、Google Maps 或 GCP。NO Raw Column / Table Names绝不提及production_batches、supplier_id、discrepancy_score。NO Filenames不出现market_report_2024不出现.tsv。对外部文档用通用方式指代the suppliers audit report。NO Explicit HITL Command不写Wait for my approval等待我的批准或Propose first先提议。Agent 依据其系统指令自主实现确认工作流——参见 §1.3 如何赚取决策节拍。这四条在运行时被 agent.py 的 BUSINESS-FRIENDLY VOCABULARY 规则强制执行用户可见文本中绝不暴露基础设施或实现名称必须翻译为业务术语——BigQuery → the analytics database分析数据库、Firestore → the operations database运营数据库、Cloud Scheduler/cron → the recurring schedule循环计划、Pub/Sub/任务队列/异步 → 只描述达成什么runs automatically in the background绝不描述机制。同时内部状态枚举如pending_approval、ALERT_ACTIVE不得原样展示内部 ID 每响应至多一个以引用/工单号形式所有其他实体必须以其人类可读名称出现。8. 从规范到运行的源码闭环提示词指南与实现的一致性整本提示词指南并非孤立的文案规范其每一条要求都能在仓库中找到对应的运行时实现。以下是对照总览指南要求运行时实现源码位置Prompt 1 零工具调用回答目录问题PATH 0 ANSWER FROM THIS PROMPT 路由块agent.py 的 DATA EXPLORATION 块Prompt 2 先查元数据再写 SQLsearch_entries/lookup_entry/lookup_context只读agent.py 的 Knowledge Catalog Toolset 段Prompt 4 的 Batch Editorbatch_editor.json少样本MaterialSelect/form绑定 action eventexamples/0.9/batch_editor.jsonPrompt 5 的执行模式选择卡EXECUTION MODE SELECTION Workflow Execution Plan 卡模板Immediate/Background/Scheduled 三按钮agent.py 的 WORKFLOW EXECUTION MODE 段Prompt 5 后台模式派发/execute_taskregister_background_task注册任务POST /execute_taskworker 端点读取 Firestore 任务配置执行tools.py、fast_api_app.pyPrompt 6 定时监控register_scheduled_taskcron 表达式 Pub/Sub 推送订阅tools.pyPrompt 7 高管摘要信息图generate_image工具gemini-3.1-flash-image PROACTIVE VISUALIZATION WOW MOMENT 规则tools.py、agent.py跨部门交接可见Firestorecurrent_department/next_department 追加式history审计数组data_generation.md §1.4后台任务可监控update_task_progress/get_task_result Data Viewer Tasks 标签页tools.py8.1 多代理架构对提示词的支撑从 multi_agent_architecture.md 可见运行时采用Triple-Agent 架构基于 Google Agent Development Kit / ADK默认gemini-3.7-flashroot_agent协调者 A2UI 构建者处理主对话、问候、简单查询、卡片渲染、路由deep_analysis_agent内联分析子代理复杂内联多步分析推理完成后交还控制权background_agent独立异步 worker深批量操作与长流水线经/execute_task端点触发。后台 worker 运行两种结构化流水线之一Operational WorkflowSCAN - ANALYZE - PLAN - EXECUTE - VERIFY - REPORT高风险操作需人工确认或Deep Statistical ReviewCOLLECTION - EXPLORATORY - STATISTICAL - SYNTHESIS - REPORT。Anti-Shallow Guard 强制至少查询 2 个不同数据源/表、引用查询的确切数字指标与 ID、给出至少 3 条具体高影响业务建议。这解释了为什么指南要求后台执行只保留给长自主委任、大批量、定时任务——任何会被 Anti-Shallow Guard 拒绝的浅层任务都不值得占用后台通道。8.2 A2UI 卡片的协议实现指南中所有呈现 XX 卡的预期行为最终都落到 A2UI v0.9 协议a2ui_catalog.md所有载荷包裹在a2ui-json ... /a2ui-json中每条消息带version: v0.9createSurface无root键、根组件必须id: root组件使用扁平类型名component: MaterialButton按钮动作是{action: {event: {name: ..., context: {prompt: ...}}}}其中context.prompt是按钮被点击时 Gemini Enterprise 显示为用户消息的确切文本——这也是指南中 Prompt 建议芯片能被点击执行的根本机制。9. 附如何在本仓库中深入实践阅读完整技能定义SKILL.mdv2.14.4含 8 阶段生命周期、9 个高级设置开关、.env键的完整说明阅读提示词指南原文demo_prompts_guide.md配套参考文档a2ui_catalog.md——A2UI v0.9 协议与组件库data_generation.md——合成数据与共享核心系统数据模型external_files_and_drive.md——外部文件与 Drive 上传multi_agent_architecture.md——Triple-Agent 架构与自主沙箱指令deployment_and_iam.md——6 步部署依赖图与 IAMdatastore_connectors.md、mcp_catalog.md——数据存储连接器与 MCP 集成核心模板源码agent.py系统指令与路由、tools.pyMCP 工具集与后台任务、fast_api_app.pyA2A 服务与/execute_taskworkerA2UI 少样本示例examples/0.9含batch_editor.json、execution mode相关卡片、iframe_dashboard.json等 26 个示例 surface项目整体说明与部署指引ge-demo-generator/README.md需要说明的是本仓库为只读示例代码仓库实际演示环境的合成与部署由 GE Demo Generator Skill可运行于编码 Agent 或 Apps Script Web 应用在用户自己的 Google Cloud 项目中完成生成的 Demo 提示词 Playbook 将按上述规范本地化输出。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考