Prompt 改进——为我所有AI工具打造一个统一的“大脑”
我不再向我的编程代理发送敷衍的提示词了——而这个改进方案逐渐演变成一个自托管的中间层，负责路由、记录和计量一切。这样做是为了更高效地向AI（主要是Cursor）发送请求，同时减少精力投入。如果你读过我之前关于在Cursor中本地运行Qwen的文章，那么这正是同一执念的下一章：从AI工具中获得更多收益，同时拥有更强的控制力和更高的效率。以下是我实际发给编程代理的一条提示词：以IT架构师和产品负责人的身份对项目进行深度分析并准备一个待办事项列表。一句话，两个拼写错误，三项任务——而代理会自信地猜测所有我没说出口的内容。因此，我构建了一个中间层，在任何模型看到消息之前，将每条消息重写为恰当的任务规格说明。代理实际收到的是（经过精简的）：
改进后的任务规格说明
目标
同时以IT架构师和产品负责人的身份，对当前项目进行深度分析，并生成一份按优先级排列的待办事项列表，可直接用于Sprint规划。
交付物
- 项目分析报告——架构、风险、技术债务、缺口
- 产品待办事项列表——包含ID、类型、验收标准、优先级、复杂度、依赖关系
- 史诗路线图——分阶段：MVP → 增强 → 规模化
- 每项重大架构决策或风险对应一份ADR
- 在仓库根目录下提交BACKLOG.md和ARCHITECTURE.md
约束条件
- 技术债务必须作为一等待办事项条目出现——绝不可隐藏
- 优先级采用双重视角设定：商业价值与架构风险
完成定义
- [ ] 覆盖所有层次：前端、后端、数据、基础设施、安全
- [ ] 每个已识别的风险都对应一个待办事项条目
- [ ] 同时从架构师和产品负责人两个角度签署确认
一句话输入；一份工作计划输出。代理必须遵守的交付物、我从未想过要打出来的约束条件，以及使输出可检查的完成定义——并且我原始的词句保留在底部，毫无隐藏。一个廉价或本地模型就能以几分钱的成本完成重写。