当前位置: 首页 > news >正文

62、【Agent】【OpenCode】用户对话提示词(交互风格)(二)

【声明】本博客所有内容均为个人业余时间创作,所述技术案例均来自公开开源项目(如Github,Apache基金会),不涉及任何企业机密或未公开技术,如有侵权请联系删除

背景

上篇 blog
【Agent】【OpenCode】用户对话提示词(交互风格)(一)
分析了 OpenCode 交互风格提示词:当执行关键的 Bash 命令时,必须解释其作用和目的,尤其是会修改系统的命令(安全第一,建立信任,行为合规),输出适配终端显示,既保持 CLI 的极简感,又利用轻量格式增强信息层次(保持视觉一致性,结构化信息呈现,兼容主流终端/IDE),所有与用户的沟通必须通过纯文本输出,禁止用 Bash 命令,代码注释等方式进行通信交互(职责分离,避免混淆,工具调用边界清晰),下面继续分析

OpenCode

下面继续来看 OpenCode 交互风格提示词

  • 拒绝时不解释原因,避免说教:AI 经常会因为安全策略而拒绝请求(比如生成恶意代码),如果还回复【这可能导致系统被黑…】等解释,用户可能会觉得被 lecturing 说教(高傲的工程师),尤其是用户认为他们就想这样做的时候,这里提示词的解决方案是直接拒绝,并提供替代方案(如果有的话),或沉默退出,以减少摩擦,保持专业中立,避免引发对抗情绪

举个例子,比如用户输入【写个键盘记录器】,AI 回复

❌ “我不能帮你,因为这是违法的…”

这样的语气比较生硬,可能引起用户的对抗情绪,可以这样回复

✅ “我无法协助完成该请求。需要其他开发帮助吗?”

  • 默认禁用 emoji 表情,除非用户明确要求:CLI 环境以效率为先,emoji 被视为干扰信息(尤其在日志,脚本输出中),此外,不同终端对 emoji 的渲染支持不一,可能会显示乱码,开发者也普遍偏好干净,可复制的文本,所以这里提示词规定了只有当用户主动使用 emoji 或提出要求时才启用,体现按需适配
  • 极致压缩输出,聚焦任务本身:关键词Minimize output tokens(减少 token 消耗,降低成本,提升响应速度),Avoid tangential information(杜绝冗余,比如【好的,我将为您…】,【总结一下…】),最后1~3 sentences or short paragraph直接规定标准强制简洁回复,因为终端用户需要的是可操作结果,不是对话,而长篇大论会淹没关键信息(比如命令,错误提示等),符合 Unix 哲学(Silence is golden),无事不输出,有事精准输出
  • 禁止无意义的开头/结尾套话:也是为了精简输出,比如下面典型的反面例子

我理解您想列出文件,下面是我运行的命令:ls -l

用户只需要ls -l,其余的都是噪音,正确应该直接运行命令

ls-l

如果命令有风险,则前置简短警告,否则直接输出,可以看到,这四条提示词是专门为开发者量身定制的【反聊天机器人】设计,总结一下

用户痛点提示词对策
AI 啰嗦,自说自话强制限制 1~3 句,并删除开头和结尾套话
拒绝回复时可能会进行批判说教不解释原因,只提供替代选项
输出不可直接使用禁用 emoji,纯文本优先
信息密度低删除所有非必要词,聚焦可执行内容

这些提示词的限制,期待 AI 能够像grepjq一样的工具,输入即处理,输出即答案,简洁有效,废话少

OK,接下来是最后一条交互风格的提示词

最后的提示词还是关于输出信息精简的,可以看到,提示词强烈要求 AI 回复需简短(因为信息将显示在命令行界面),除非用户要求细节,否则必须用少于 4 行的回复作答(不包括工具调用或代码),直接回答问题,不加解释,细节或说明,最好能用一个词回答(太极致了)

这些提示词综合起来,会强制 AI 模拟 Unix 工具行为:输出只含有效数据,删除冗余文本,本质是想将 AI 从对话者转变为命令行工具,以契合工程实践


OK,本篇先到这里,如有疑问,欢迎评论区留言讨论,祝各位功力大涨,技术更上一层楼!!!更多内容见下篇 blog

http://www.cnnetsun.cn/news/2107529.html

相关文章:

  • 深入解析Sound Open Firmware:开源音频DSP固件框架架构与开发实践
  • cuML通过PyPI安装:GPU数据科学的新突破
  • 工业现场零停机适配MCP 2026的4小时黄金窗口期——基于eBPF实时流量染色的无感协议升级法
  • 数据标准化与归一化:机器学习预处理核心技术解析
  • 高效编程实践:用Codex告别重复造轮子
  • Mysql的源码编译
  • 从防御者视角复盘:一次真实的Shiro漏洞应急响应与加固指南(附排查脚本)
  • 从科研到临床:手把手教你用Python实现fNIRS脑网络的图论分析(附代码与数据)
  • ChatDev 2.0 从零到一:零代码多智能体编排平台实战指南
  • 别再让UWP应用连不上localhost了!用CheckNetIsolation.exe一键解除Windows本地回环限制
  • Elastix参数文件(.txt)调参实战:从‘能用’到‘精准’的避坑指南
  • 避开芯片布局的坑:聊聊Global Placement中那些容易误解的优化目标(线长、拥挤度、切割量)
  • AI驱动游戏开发:零重力角力项目实战与氛围编程解析
  • envd:AI开发环境管理利器,告别配置依赖冲突与协作难题
  • Anterion:开发者个人知识库的工程化实践与高效管理方案
  • SpringBoot+Vue小型民营加油站管理系统源码+论文
  • XGBoost机器学习实战:从入门到调优全解析
  • 从原理到实战:拆解STM32+FATFS的SD卡文件‘追加’操作,哪种方法最适合你的项目?
  • 【简单】根据后序数组重建搜索二叉树-Java:进阶问题
  • 机器学习优化算法经典书籍与实战技巧
  • Awesome Codex Skills中的Supadata自动化:数据管理和处理的集成指南
  • 量子纠缠检测的SWAP测试原理与光子芯片实现
  • 如何掌握PyTorch Image Models自适应池化层:提升图像分类性能的终极指南
  • 正则表达式终极指南:10个文本处理匹配技巧
  • 开发者必备:开源命令行工具箱Toolmate的设计原理与实战应用
  • owl4ce/dotfiles双主题切换:从机械风到艺术风的完美转换
  • NumPy矩阵运算在机器学习中的核心应用与优化技巧
  • 终极Meteor社区资源指南:论坛、博客和教程一站式汇总
  • DevDocs隐私保护终极指南:用户数据合规处理与安全配置全解析
  • 机器学习课程选择与学习路径全指南