动态提示生成服务

问题背景

在 AI Agent 的实际工程实践中，一个反复出现的痛点是：不同技术栈和分析场景需要不同结构的提示词。给 Java 项目写代码审查提示词和给 Rust 项目写，内容差异很大；做 PRD 文档分析和做 Bug 根因分析，模板结构也完全不同。手动维护这些提示词模板不仅耗时，还容易因为遗漏参数或格式不统一导致输出质量不稳定。

核心能力与工作方式

这个技能采用 大模型做路由层，代码只调 API 的架构。你的 Agent 负责理解用户意图、提取参数、选择对应工具函数，具体模板组装由后端 API 完成。

它提供三类提示词生成工具和三个纯模板获取工具：

• generate_prd_prompt — 根据技术栈和分析重点组装 PRD 提示词
• generate_codebase_analysis_prompt — 组装代码库分析提示词
• generate_bug_analysis_prompt — 组装 Bug 分析提示词，支持严重级别参数
• get_prd_template / get_codebase_analysis_template / get_bug_analysis_template — 获取不含组装的原始 Markdown 模板

底层支持 31 种技术栈、10 个分析维度和 34 个模板部件的动态组合。参数不全时，Agent 应通过 AskUserQuestion 向用户追问缺失字段。

使用边界

这个技能 强依赖外部 API 密钥。首次调用时如果检测到 scripts.config.settings.api_key 为空，必须先通过 AskUserQuestion 询问用户获取密钥，然后调用 scripts.config.set_api_key() 保存。在密钥缺失的情况下，Agent 不应编造数据或自行搜索替代内容——这是一个硬性约束。获取密钥的地址为 https://xiaobenyang.com。

另外，返回值中的 result["raw"] 是 API 原始 JSON 数据，需要由 Agent 整理后展示给用户，不应直接透传。工具返回的 success 和 message 字段可用于判断调用是否成功并给用户相应的反馈。