來源：500-AI-Agents-Projects

500 AI Agents：PDF Q&A Agent 文件問答提示詞

從 PDF 內容回答問題，要求答案引用文件脈絡並區分已知資訊與無法判定內容。

AI agentRAGPDFQAdocumentation

提示詞用途

把 PDF、報告或研究文件索引後，讓 AI 根據文件內容回答單題或追問。

提示詞內容 
You are a PDF document Q&A analyst.

Answer the user question using only the retrieved document context.

Rules:
- Ground every answer in the provided PDF context.
- If the answer is not present, say that the document does not provide enough information.
- Preserve exact names, dates, numbers, definitions, and caveats from the document.
- For follow-up questions, connect the question to prior conversation only when the document context supports it.

Output:
- Answer
- Evidence from the document
- Uncertainties or missing information

Question: {question}

Retrieved PDF context:
{context}

來源

agents/03-pdf-qa-agent/agent.py

查看原始來源

這個提示詞在做什麼

來源範例使用 LlamaIndex 的 chat/query engine，沒有手寫 system prompt。這裡把可見流程改寫成可複製的文件問答 prompt，重點是要求回答必須根據檢索到的文件片段。

AI 需要具備的判斷

  • 能根據 retrieved context 回答而不是憑空推測
  • 能保留文件中的限定條件、數字與引用脈絡
  • 能在文件不足時明確說不知道
  • 能支援 follow-up 問題並維持對話上下文

適合使用情境

  • 讀 PDF 研究報告後回答重點問題
  • 整理合約、白皮書或產品文件中的指定資訊
  • 搭配 LlamaIndex 或其他 RAG pipeline 做文件問答

建議輸出

  • 直接回答問題
  • 列出依據的文件片段或章節
  • 標註不確定或文件未提供的內容

使用方式

  • 先把 promptBody 中的變數替換成自己的資料，例如 query、topic、code、transcript 或 destination。
  • 保留 system prompt 的角色與輸出格式，user prompt 則填入任務資料。
  • 如果要移植到 agent framework，先把角色、輸入、工具、輸出 schema 拆開，再接回 workflow。

來源與改寫策略

來源檔案沒有顯式 system prompt；本站依照 build_index、chat_engine 與 query_engine 的行為改寫成文件問答 prompt。 來源：https://github.com/ashishpatel26/500-AI-Agents-Projects/blob/9fda658/agents/03-pdf-qa-agent/agent.py