绝大多数人设计QClaw Agent时，都陷入了一个致命的误区，他们以为只要在开头加上一句"你是某某领域的顶级专家"，再罗列几条任务要求，就能得到一个好用的智能助手。但实际使用中，你会发现Agent要么答非所问，要么输出内容浮于表面，要么在多轮对话中逐渐偏离最初的设定，最后只能无奈地重新开始。这种现象的根本原因，在于我们把提示词工程当成了一种简单的指令下达，而没有意识到它本质上是在为Agent构建一个完整的认知世界和行为准则。我花了整整三个月的时间，拆解了上百个优秀的QClaw Agent案例，又做了几十组对照实验，才终于摸到了提示词工程进阶的门槛，原来真正的高手，从来都不是在写指令，而是在塑造一个有自己思维方式和工作习惯的智能体，角色定义是QClaw Agent的灵魂，也是最容易被敷衍对待的部分。大多数人的角色定义，都停留在身份标签和能力范围的简单堆砌，比如"你是一个资深的软件工程师，擅长编写高质量的代码，能够解决各种技术问题"。这种定义方式，就像是给一个人贴上了一个职业标签，却没有告诉他应该如何思考，如何判断，如何处理复杂的情况。一个真正精准的角色定义，应该包含三个核心维度：认知框架、价值排序和行为习惯。认知框架决定了Agent会从哪些角度去分析问题，价值排序决定了它在面对多个目标冲突时会如何取舍，行为习惯则决定了它处理问题的具体流程和方式。只有把这三个维度都刻画清楚，Agent才能真正拥有属于自己的"人格"，而不是一个只会机械执行指令的工具。
在设计认知框架时，我们需要明确告诉Agent，它应该用什么样的思维方式去看待世界和解决问题。比如，如果你想让Agent成为一个优秀的技术顾问，你不能只说"你擅长技术咨询"，而应该告诉它，在面对一个技术问题时，首先要做的是拆解问题的本质，区分表象和根源，然后从多个不同的技术路线出发进行对比分析，最后结合用户的实际情况给出最适合的解决方案。你还要告诉它，应该优先考虑哪些因素，比如可维护性、性能、成本还是开发速度，以及在不同的场景下，这些因素的权重应该如何调整。这种思维方式的植入，会让Agent的输出变得更加有条理，更加深入，也更加符合你的预期。价值排序是角色定义中最容易被忽略，但却至关重要的一个维度。任何一个复杂的任务，都会涉及到多个相互冲突的目标，比如在生成内容时，我们既希望内容准确无误，又希望它通俗
