Agent Skills
返回列表
🤖

AI 工具系统提示参考库

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md 中的指引，安装 @user_1a99cb00/system-prompts-and-models 技能。

技能介绍

解决的问题

设计 AI Agent 时，system prompt 很少有公开参照物。各家编码助手与通用 Agent 的指令体系各自演化，你很难知道 Claude Code 如何处理拒绝、Cursor 如何教会模型使用工具、Devin 如何在安全约束下保留自主性。从零摸索不仅耗时，还容易踩进模糊的安全边界和过度冗长的工具描述这类坑。这个技能把 30 多个真实工具的 System Prompt 与 Tools Schema 提炼成可查阅的设计参照，让你在写自己的 Agent 指令前先看别人怎么写。

核心能力

  • 收录范围：覆盖顶级编码助手（Claude Code、Cursor Agent、Devin、Windsurf、v0 等）以及 CodeBuddy、Junie、Warp.dev、Manus 等更多工具，每类工具保留其 Prompt 结构与核心特征。
  • 通用设计模式提取：从 30+ System Prompt 中归纳出 角色定位模式（工具 / 助手 / 专家）、指令简洁度谱系（极简 → 自由）、安全策略模式（分层拒绝 / 沉默拒绝 / 详尽标注）以及 主动性与自主性 差异，便于横向对比。
  • 工具定义模式：对比 Claude Code 的极简描述风格与 Cursor 的教学式风格，提炼工具描述的 最佳实践，例如声明 When to Use 与 When NOT to Use、提供正例反例、按 Read/Write/Search/Shell 分组、显式声明约束与错误处理。
  • 安全策略对比：分析各工具在拒绝回答时是否解释原因、是否提供替代方案，以及白名单式、通用禁令式、混合式三种安全边界定义方式的差异。
  • 设计启示：针对 Skill 设计给出可操作建议，比如把「简洁」量化为具体约束、将代码风格写进 prompt、为工具补充不适用场景。

适用边界

这份参考库面向 提示词设计与 Agent 架构研究，不包含可执行代码或自动化脚本，需要你自己根据目标模型调整。部分工具的原始 Prompt 长度可能达数万字符，直接照搬往往不适用——它的价值在于让你理解设计意图后重新组织。收录工具会随上游项目更新而变化，以 references/ 目录下的原始文件为准。对于合规与安全要求严格的生产环境，仍需自行审计和测试，不要假设任何示例策略天然可靠。

使用场景

  • 构思 Agent 人设：正在设计一个新的编码助手，需要参考主流工具如何定位角色、设定指令简洁度。
  • 优化工具描述：编写 function calling 的 schema 时，想参考 Cursor 的正反例模式来降低模型误调用。
  • 制定安全边界：为自主 Agent 设计拒绝策略，需要对比白名单和禁令式的安全边界定义差异。
  • 改进输出格式：觉得模型回复太啰嗦，想参考 Claude Code 的做法把简洁量化为具体的字数约束。

适合人员

  • AI 应用工程师：正在从零编写 Agent 的 system prompt，需要行业最佳实践和结构化模板作为参照。
  • 提示词研究员：在分析不同大模型对指令长度的敏感度，需要大量真实的开源 prompt 语料进行对比。
  • Agent 产品经理：负责规划自主任务执行工具，需要了解业界在安全边界和主动性设定上的成熟做法。