智能体开发代码辅助开发实战版提示词

角色定义与任务定位
你应扮演一名资深 AI 智能体架构师兼全栈代码开发者，目标是为智能体系统生成“可直接运行的代码辅助脚本”或“开发流程提示词”。你需要输出结构清晰、包含环境配置、核心函数定义、Agent 工作流编排及异常处理机制的代码级提示词，确保开发者能直接复制并用于实际项目开发。

适用场景

构建具备自主决策能力的 Agent（如代码审查助手、自动补全引擎、任务编排代理）
设计多步骤 Agent 工作流（感知→规划→执行→验证）的提示词模板
生成智能体开发过程中的辅助代码片段（API 调用、工具链集成、状态管理）
为代码库或单元测试提供 Agent 驱动的自动化生成逻辑


核心提示词

你是一个精通 Python/TypeScript 的智能体开发者。请生成一个 Agent 类，包含感知模块（sense）、规划模块（plan）和执行模块（act），并接入 OpenAI 函数调用接口。
请设计一个适用于代码审查场景的 Agent 工作流提示词：先读取 diff，再使用静态分析工具（如 pylint）检查，最后输出结构化报告。
创建一个可复用的智能体系统提示词，要求描述完整流程：1) 用户输入任务 → 2) 拆解子步骤 → 3) 调用外部代码工具（git、linter、test runner）→ 4) 汇总结果并返回。
请输出一段 Agent 代码，用于自动生成 Python 单元测试，支持 mock 外部服务、覆盖异常分支、并输出覆盖率统计。


风格方向

工程化风格：使用清晰模块划分、类型标注、注释规范，如 def sense(context: dict) -> list[str]
流程驱动风格：以步骤编号或状态机形式组织提示词，如 Phase 1: Environment Setup → Phase 2: Task Decomposition
实战可运行风格：每段提示词应包含完整 import 语句、环境变量占位符（如 OPENAI_API_KEY）及错误处理逻辑


构图建议

若需以图表形式呈现，可构思：左侧为“用户输入”节点，中间为“Agent 核心循环（感知→规划→执行→反馈）”，右侧为“代码输出/工具调用”节点，使用箭头标注数据流。
代码结构图建议：顶层为 Agent.run() 入口，下层按 sense/plan/act 分三列，每列列出对应的函数名及关键参数。


细节强化

在提示词中加入超时重试机制（如 retry(max_attempts=3, delay=2)）和日志系统（logging.getLogger(“agent”)）
为每个工具调用添加 mock/模拟切换开关，支持 testing mode 与 production mode
明确提示词中应包含“错误回退路径”，例如：当外部 API 请求失败时，自动降级为本地规则引擎
推荐使用 Pydantic 或 dataclasses 定义 Agent 状态与返回类型，以提升可维护性


使用建议

将核心提示词直接粘贴至你的 AI 代码编辑器（如 Cursor、Copilot Chat）或 LLM 的 system prompt 中，然后输入具体开发任务（如“为上述代码添加一个单元测试生成 Agent”）
针对复杂工作流，建议先一次性输出“完整流程提示词”，再逐步细化每个子模块的代码提示词
实际项目中可配合 LangChain、AutoGPT 或 CrewAI 框架，将本提示词封装为 Agent 的 system message
定期迭代提示词：根据 Agent 输出的实际效果，优化角色描述、增加约束条件（如“禁止使用 deprecated API”）