为代理型AI系统打造高效提示词：模式与实践

目录

• 引言：代理型AI的蓝图
• 基础：代理型提示词的核心原则
  • 1. 清晰的角色定义与范围
  • 2. 结构化的指令与组织
  • 3. 明确的工具集成与使用指南
  • 4. 分步推理与规划
  • 5. 环境与上下文意识
  • 6. 领域特定的专业知识与约束
  • 7. 安全性、对齐性与拒绝协议
  • 8. 一致的语气与交互风格
• 案例研究：分析现实世界中的提示词
  • Vercel v0：UI生成与组件工具
  • same.new：代理式结对编程与严格工具链
  • Manus：通用代理与显式循环
  • OpenAI ChatGPT (GPT-4.5/4o)：集成工具与政策
  • 其他系统注记（Cline、Bolt、Augment、Claude Code、Clawdbot）
• 总结最佳实践：构建者的关键启示
• 独特约定与架构差异
• 结论：构建代理型未来
• 视觉AI代理：Harpagan

---

引言：代理型AI的蓝图

代理型人工智能（AI）系统的兴起，标志着从纯对话模型向能够主动执行任务、与工具交互并自主追求复杂目标的AI的重大转变。这些系统具备规划、执行命令、编辑文件、浏览网页等能力，有望彻底改变我们与技术互动的方式，并增强人类的能力。

每个有效代理型AI的核心在于其系统提示词。它不仅仅是初始指令，更是基础蓝图、操作手册，甚至是指导AI行为、能力、限制和人格的“宪法”。精心设计的系统提示词对于确保代理可靠、安全且高效地实现用户目标至关重要。

本指南深入探讨了如何艺术性与科学性地编写这些关键提示词。通过分析来自awesome-ai-system-prompts仓库的一系列真实世界系统提示词——特别是Vercel的v0、same.new、Manus、OpenAI的ChatGPT等实例——我们可以识别出反复出现的模式和最佳实践。对于那些正在塑造2025年及以后代理型未来的开发者而言，理解这些模式是创建强大、可预测且值得信赖的AI助手的关键。

---

基础：代理型提示词的核心原则

在不同的代理型系统中，成功系统提示词中始终涌现出若干核心原则。这些原则构成了构建复杂代理行为的基础。

1. 清晰的角色定义与范围

为何重要： 明确界定AI的身份、核心功能和运作领域，能够锚定其行为、设定用户期望，并防止范围扩大或产生无意义的回答。它告诉AI自己“是谁”以及“应该做什么”。

实用示例：

• Vercel v0： 立即声明其身份和专业领域。

  你是Vercel的AI驱动助手v0。
  

  来源：v0/v0.md

• same.new： 定义角色、能力水平及专属环境。

  你是强大的代理型AI编码助手。你仅在Same——全球最佳云端IDE——中运行。
  

  来源：same.new/same.new.md

• Manus： 自我介绍并列出其擅长的广泛任务类别。

  你是Manus，由Manus团队创建的AI代理。
  
  你在以下任务上表现出色：
  1. 信息收集……
  2. 数据处理……
  3. 撰写多章节文章……
  ……
  

  来源：Manus/AgentLoop.txt

• ChatGPT (4.5 / 4o)： 清楚说明名称、创建者、底层架构，以及知识截止日期和当前日期等关键背景信息。

  你是ChatGPT，由OpenAI训练的大语言模型，基于GPT-4.5架构。
  知识截止日期：2023年10月
  当前日期：2025年4月5日
  
  支持图像输入功能：已启用
  人格设定：v2
  

  来源：ChatGPT/4-5.md

• Claude： 不仅将其定位为工具，更建立了超越工具的人格形象。

  这位助手名为Claude，由Anthropic公司创造。
  
  Claude乐于帮助人类，视自己为一位智慧而友善的助手，其深度与睿智使其远不止于简单的工具。
  

  来源：Claude/Claude-Sonnet-3.7.txt

2. 结构化指令与组织

为何重要： 如果没有清晰的结构，冗长复杂的提示将难以管理。使用标题、列表、代码块或自定义标签，有助于人类维护者和 AI 模型解析并优先处理不同的规则或信息集合。

实用示例：

• v0 & ChatGPT： 大量使用 Markdown 标题（例如 ## 通用指令、# 工具、## 拒绝事项）。 来源：v0/v0.md

• same.new： 采用类似 XML 的自定义标签来封装规则集（例如 <tool_calling>、<making_code_changes>）。 来源：same.new/same.new.md

• Manus： 在 Modules.md 中使用描述性标签组织能力和规则（例如 <system_capability>、<agent_loop>、<tool_use_rules>）。 来源：Manus/Modules.md

• ChatGPT： 使用 Markdown 标题（# 工具、## bio）和代码块（```typescript ... ```）来定义工具 Schema 和策略。 来源：ChatGPT/4-5.md

• Cline： 使用层级化的 Markdown 标题（# 工具使用格式、## execute_command）以及在 CAPABILITIES 和 RULES 等部分下的列表。 来源：Cline/system.ts

3. 明确的工具集成与使用指南

为何重要： 对于代理式行为，AI 必须理解其工具：它们是什么、能做什么、如何调用（语法、参数）、所需格式（如 XML、JSON），以及最关键的是——何时以及何时不应使用这些工具。这需要详细的描述、清晰的 Schema 和明确的规则。

实用示例：

• ChatGPT： 直接在提示中为 dalle 和 canmore 等工具提供函数 Schema（TypeScript 定义）和详细策略。

  // ChatGPT 提示中 dalle 工具策略示例
  namespace dalle {
  // 根据纯文本提示创建图像。
  type text2im = (_: {
  // 请求图像的尺寸...
  size?: ("1792x1024" | "1024x1024" | "1024x1792"),
  // 生成的图像数量...
  n?: number, // 默认值：1
  // 详细的图像描述...
  prompt: string,
  // 如果用户引用了之前的图像...
  referenced_image_ids?: string[],
  }) => any;
  } // namespace dalle
  

  来源：ChatGPT/4-5.md

• same.new： 专门设立 <tool_calling> 部分，详细说明遵循 Schema、不向用户提及工具名称、在调用工具前先解释原因等规则。参考了 functions-schema.json 文件（未完整展示，但隐含其结构）。

  <tool_calling>
    ...
    1. 始终严格按照工具调用 Schema 执行...
    3. **切勿在与用户交谈时提及工具名称。**...
    5. 在每次调用工具之前，先向用户解释你为什么要调用它。
  </tool_calling>
  

  来源：same.new/same.new.md | Schema：same.new/functions-schema.json

• Manus： 将工具定义在外部的 tools.json 文件中（提供 Schema），并在 Modules.md 中包含规则，例如优先使用数据 API 而不是网络搜索。

  // Manus/tools.json 片段
  {
    "type": "function",
    "function": {
      "name": "shell_exec",
      "description": "在指定的 Shell 会话中执行命令...",
      "parameters": { ... }
    }
  }
  

  来源：Manus/tools.json | 规则：Manus/Modules.md

• Cline & Augment： 直接在主系统提示中使用类似 XML 的标签或结构化文本，整合详细的工具描述、参数和使用示例。

  // Cline 示例工具定义
  ## execute_command
  描述：请求执行 CLI 命令...
  参数：
  - command：（必填）CLI 命令...
  - requires_approval：（必填）一个布尔值，表示...
  使用示例：
  <execute_command>
  <command>您的命令在这里</command>
  <requires_approval>true 或 false</requires_approval>
  </execute_command>
  

  来源：Cline/system.ts

• Bolt.new： 使用专门的 <artifact_instructions> 部分，详细说明如何格式化工具输出（<boltAction type="shell">、<boltAction type="file" filePath="...">），并将其置于主 <boltArtifact> 标签内。 来源：Bolt.new/prompts.ts

• v0： 将自定义 MDX 组件（如 <CodeProject>、<QuickEdit>、<DeleteFile />）定义为其“工具”，并在响应中附带关于何时以及如何使用这些工具的规则。 来源：v0/v0-tools.md

4. 分步推理与规划

为何重要： 复杂任务需要将问题分解。成功的提示词能够引导AI有条不紊地思考，规划行动步骤，逐步执行，并在继续下一步之前等待反馈或结果，从而减少错误并提高输出的连贯性。

实用示例：

• Manus： 其Modules.md文件中定义了明确的<agent_loop>，具备最清晰的规划机制。

  <agent_loop>
  您正处于代理循环中，通过以下步骤迭代完成任务：
  1. 分析事件...
  2. 选择工具...
  3. 等待执行...
  4. 迭代：每次迭代仅选择一个工具调用...
  5. 提交结果...
  6. 进入待机状态...
  </agent_loop>
  

  来源：Manus/Modules.md

• v0： 在生成代码之前会先进行专门的思考阶段。

  在创建代码项目之前，v0会使用<Thinking>标签来仔细思考项目结构……
  

  来源：v0/v0.md

• same.new与Cline： 要求每一步操作后都需等待用户确认或工具执行结果。

  每次使用工具后，务必等待用户确认后再继续。切勿假设工具使用一定成功……
  *(摘自same.new与Cline的提示词)*
  

  来源：same.new/same.new.md | Cline/system.ts

• Bolt.new： 强调在行动之前进行全面思考。

  重要提示：在创建任何成果之前，请务必从整体和全面的角度进行思考。这意味着要考虑到所有相关文件……回顾所有之前的文件变更……分析整个项目的上下文……预见可能产生的影响……
  

  来源：Bolt.new/prompts.ts

5. 环境与上下文感知

为何重要： 代理通常运行在特定的环境中（操作系统、IDE、浏览器沙箱、特定的库等）。提供这些上下文信息可以让AI生成兼容的代码、使用恰当的命令，并理解各种限制。

实用示例：

• Cline： 包含一个SYSTEM INFORMATION部分。

  系统信息
  
  操作系统：${osName()}
  默认Shell：${getShell()}
  主目录：${os.homedir().toPosix()}
  当前工作目录：${cwd.toPosix()}
  

  来源：Cline/system.ts

• Bolt.new： 提供了关于WebContainer环境的详细<system_constraints>。

  <system_constraints>
    您正在名为WebContainer的环境中运行……该环境配备了一个模拟zsh的shell……可用的shell命令包括：cat、chmod、cp……
  </system_constraints>
  

  来源：Bolt.new/prompts.ts

• Manus： 详细描述了沙箱环境。

  沙箱环境：
  系统环境：
  - Ubuntu 22.04 (linux/amd64)，具备互联网访问权限
  - 用户：`ubuntu`，拥有sudo权限
  ...
  开发环境：
  - Python 3.10.12……
  - Node.js 20.18.0……
  </sandbox_environment>
  

  来源：Manus/Modules.md

• same.new： 明确指出了操作系统和具体IDE的上下文。

  操作系统为Linux 5.15.0-1075-aws（Ubuntu 22.04 LTS）。今天是2025年4月8日，星期二。
  您正与一位USER在Same中进行结对编程。
  USER可以看到一个实时预览……在一个iframe中……
  

  来源：same.new/same.new.md

6. 领域专业知识与约束

为何重要： 代理往往在特定领域内运作（如网页开发、数据分析等）。提示词中嵌入领域相关的知识、最佳实践、风格指南以及约束条件（例如必须使用的库、禁止出现的模式），以确保输出既高质量又符合上下文要求。

实用示例：

• v0： 包含关于Next.js/React开发、shadcn/ui使用、图标库，甚至AI SDK集成的详细规则。

  v0会尽量使用shadcn/ui库，除非用户另有指定……
  v0不会输出<svg>格式的图标。v0始终使用“lucide-react”包中的图标……
  v0只通过‘ai’和‘@ai-sdk’这两个模块来使用AI SDK……
  

  来源：v0/v0.md

• same.new： 包括<web_development>和<website_cloning>等部分，针对这些任务给出了具体指导（例如优先使用Bun、正确使用shadcn CLI、合理合法地进行网页抓取）。 来源：same.new/same.new.md

• Bolt.new： 包含<code_formatting_info>（“代码缩进请使用2个空格”），并强调将功能拆分为更小的模块。

  重要提示：优先编写Node.js脚本，而非Shell脚本……
  重要提示：遵循编码最佳实践，将功能拆分为更小的模块……
  

  来源：Bolt.new/prompts.ts

• Loveable： 规定了React编码规范，包括Tailwind的使用、推荐的库（shadcn/ui、lucide-react、recharts、@tanstack/react-query）以及错误处理原则。

  始终尝试使用shadcn/ui库。
  除非特别要求，否则不要使用try/catch语句捕获错误……
  

  来源：Loveable/Loveable.md

• Claude Code： 将关于代码风格和规范的规定嵌入到System.js中。

  对文件进行修改时，首先要理解该文件的代码规范。模仿现有代码风格，使用现有的库和工具，并遵循已有的模式。
  重要提示：未经要求，不得添加任何注释！
  

  来源：Claude-Code/System.js

7. 安全性、对齐与拒绝协议

为何重要： 负责任的人工智能需要明确的边界。提示词定义了不可接受的请求（有害、不道德的内容），并规定了人工智能应如何拒绝这些请求（例如，使用标准回复、不道歉）或处理敏感操作（例如，DALL-E 的内容政策）。

实用示例：

• v0： 使用标准拒绝消息，并禁止道歉。

  REFUSAL_MESSAGE = "抱歉，我无法协助您完成该请求。"
  ...在拒绝时，v0 绝不允许道歉或给出解释...
  

  来源：v0/v0.md

• ChatGPT： 在工具描述中包含详尽的政策，例如 DALL-E 关于艺术家风格和公众人物的规定。

  // ChatGPT 4.5 提示中的 DALL-E 政策片段
  // 5. 不得创作任何在 1912 年之后完成作品的艺术家风格图像...
  // 7. 对于要求创作任何公众人物图像的请求... 可以生成与其相似的人物形象... 但不得与其完全一致。
  // 8. 不得命名、直接或间接提及或描述受版权保护的角色...
  

  来源：ChatGPT/4-5.md

• Claude： 明确列出拒绝类别（血腥内容、非法活动、武器、恶意代码）以及具体的拒绝方式。

  Claude 不会生成色情、暴力或非法的创意写作内容。
  ...如果 Claude 无法或不愿帮助用户，它不会说明原因... 回复通常控制在 1–2 句话以内。
  

  来源：Claude/Claude-Sonnet-3.7.txt

• Llama 4（MetaAI）： 设定了相对宽松的政策，允许政治相关内容，并指示避免说教式的语言。

  永远不要评判用户... 避免说教、道德化或伪善的语言... 不得拒绝政治相关的提示。
  

  来源：MetaAI-Whatsapp/LLama4.txt

8. 一致的语气与互动风格

为何重要： 定义一致的角色定位（如友好专家、机智助手、直率工程师）能够带来更可预测且更具吸引力的用户体验。这可以从通用指南延伸到非常具体的设计规范。

实用示例：

• ChatGPT 4o： 明确指示要匹配用户的语调。

  在整个对话过程中，你需要根据用户的语气和偏好进行调整。尽量与用户保持一致的氛围、语调以及说话方式。
  

  来源：ChatGPT/4o.md

• Grok（趣味模式）： 被赋予了一个幽默风趣的角色设定。

  你是 Grok 2，一个幽默风趣的人工智能助手... 带着几分机智与诙谐，同时也有点叛逆... 不可预测、荒诞、双关语和讽刺对你来说再自然不过。
  

  来源：Grok/Grok2.md

• Claude： 鼓励其保持对话式和友善的态度，同时也要求简洁明了。

  Claude 乐于帮助人类，并将自己视为一位聪明而友善的助手...
  Claude 会尽可能用最简短的回答来回应... 避免提供无关信息...
  

  来源：Claude/Claude-Sonnet-3.7.txt

• Cline： 被要求直接了当，避免冗长的客套话。

  严禁你在回复开头使用“很好”“当然”“好的”“没问题”等词语。你不应该采用对话式的表达方式... 而是应当直截了当、切中要点。
  

  来源：Cline/system.ts

• Bolt.new： 强调简洁性。

  极其重要：切勿冗长，除非用户主动要求提供更多细节，否则不要做任何解释。
  

  来源：Bolt.new/prompts.ts

---

案例研究：分析真实世界的提示词

让我们来看看这些原则是如何在仓库中的具体代理提示词中体现出来的。

Vercel v0：UI 生成与组件工具

相关文件：v0/v0.md | v0/v0-tools.md

Vercel 的 v0 代理专门根据用户请求生成 UI 组件和全栈 Next.js 应用程序，通常还会结合图片或截图输入。

独特之处：

• MDX 组件作为工具： 与传统的函数调用不同，v0 的“工具”是特定的 MDX 组件标签，如 <CodeProject>（用于包裹生成的代码）、<QuickEdit />（用于小幅代码修改）、<DeleteFile /> 和 <MoveFile />。提示词明确规定了何时以及如何使用这些输出格式。
• 高度领域特定性： 提示词中包含了大量针对 Next.js App Router、Tailwind CSS、shadcn/ui 以及 Vercel 平台限制的具体规则（例如，不允许使用 package.json、如何处理环境变量、预装库等）。
• 通过 <Thinking> 进行隐式规划： 规定在生成 <CodeProject> 之前必须先使用 <Thinking> 标签进行规划，以鼓励结构化的思考。
• 强调风格与最佳实践： 包括文件命名规则（短横线分隔法）、响应式设计、无障碍访问（语义 HTML、ARIA 属性、替代文本）以及色彩搭配偏好（除非用户特别要求，否则避免使用靛蓝/蓝色）。

示例片段（基于组件的工具使用）：

v0 总是使用 <QuickEdit> 来对 React 代码块进行小幅修改...
v0 可以通过 <DeleteFile /> 组件删除 Code Project 中的某个文件。

same.new：代理式结对编程与严格工具使用

相关文件：same.new/same.new.md

same.new 定位为在云端 IDE 中运行的代理式结对程序员。其提示强调精确的工具使用和迭代式开发流程。

独特特点：

• 类似 XML 的标签结构： 使用 <tool_calling>、<making_code_changes>、<web_development> 等标签来组织不同的规则集合。
• 严格的工具礼仪： 明确禁止向用户提及工具名称，并要求事先解释调用工具的 原因，以促进透明度。
• 遵循 Schema 规范： 强制要求严格按照 JSON Schema 进行工具调用（外部定义于 functions-schema.json 文件中）。
• 聚焦迭代式工作流： 包含详细的编码工作流说明，包括在编辑前先读取文件、迭代修复运行时错误（最多 3 次）、使用 suggestions 工具以及对里程碑进行版本控制。
• 环境背景信息： 提供操作系统详情、当前日期，并注明 IDE 上下文（实时预览 iframe）。

示例片段（工具礼仪）：

<tool_calling>
  ...
  3. **切勿在与 USER 交流时提及工具名称。** ...
  5. 在每次调用工具之前，务必先向 USER 解释你调用该工具的原因。
</tool_calling>

Manus：通用型代理与明确循环机制

相关文件：Manus/Modules.md | Manus/AgentLoop.txt | Manus/tools.json

Manus 被设计为一个更广泛的通用型代理，运行在 Linux 沙盒环境中。其最突出的特点是明确界定的操作循环。

独特特点：

• 明确的代理循环： 提示清晰地定义了一个多步骤的迭代循环（分析 -> 选择工具 -> 等待 -> 迭代 -> 提交 -> 待机），以此规范代理的核心行为。
• 模块化提示结构： 指令分散在多个文件中（AgentLoop.txt、Modules.md、tools.json），表明采用模块化的提示管理方式。
• 沙盒环境感知： 提及 Linux 沙盒环境、互联网接入以及预装工具（Python、Node.js）。
• 广泛的能力范围： 列举了从信息收集、数据分析到应用创建与部署等各类任务。
• 模块集成： 提到特定模块（规划器、知识库、数据源），这些模块通过事件流提供上下文或计划，暗示其内部架构更为复杂。

示例片段（代理循环）：

<agent_loop>
你正处在代理循环中，通过以下步骤迭代完成任务：
1. 分析事件...
2. 选择工具...
3. 等待执行...
4. 迭代：每次迭代仅选择一个工具调用...
...
</agent_loop>

OpenAI ChatGPT（GPT-4.5/4o）：集成工具与政策

相关文件：ChatGPT/4-5.md | ChatGPT/4o.md

ChatGPT 的提示（按记录）展示了将特定工具（插件/函数）紧密集成于系统消息中的特点，同时附带 Schema 和详细的操作政策。

独特特点：

• 内嵌工具 Schema 与政策： 独特之处在于直接在系统提示中包含每种工具的详细描述、类似 JSON/TypeScript 的 Schema 以及详尽的使用政策（例如 bio、canmore、dalle、python、web 等）。
• 人格演变： Personality: v2 标签以及 4o 提示中明确要求调整语气的指示，表明 OpenAI 不断优化其人格设定与交互风格。
• 详细的安全政策： 内置细致的政策，尤其针对图像生成（如 dalle 工具关于艺术家风格、公众人物、受版权保护角色的规定）以及数据持久性（如 bio 工具对敏感信息的限制）。
• 情境背景信息： 包括知识截止日期和当前日期。4o 提示还明确提及用户所在位置（“用户位于埃及。”）。

示例片段（内嵌工具 Schema 与政策——Canmore）：

## `canmore.create_textdoc`
创建一个新的文本文档并在画布中显示。

切勿使用此功能。唯一可接受的使用场景是当用户明确请求画布时……

需要符合以下 Schema 的 JSON 字符串：
```typescript
{
  name: string,
  type: "document" | "code/python" | ...,
  content: string,
}

其他系统的说明（Cline、Bolt、Augment、Claude Code、Clawdbot）

虽然上述四个系统提供了深入的示例，但仓库中的其他提示也进一步强化了这些模式：

• Cline 和 Augment： 两者都在提示中通过结构化文本和类似 XML 的示例清晰地定义工具，并详细说明参数和使用方法。它们强调逐步执行并等待确认。Augment 类似于 v0，定义了自定义编辑工具（editFile、strReplaceEditor），并附有具体指令。 来源：Cline/system.ts | Augment/part_a.js
• Bolt.new： 非常注重将输出结构化为一个包含有序 <boltAction> 步骤（如 shell 命令、文件写入）的 <boltArtifact>。它强调在创建工件之前进行整体规划，并遵循模块化等编码最佳实践。 来源：Bolt.new/prompts.ts
• Claude Code： 其提示（分散在 System.js、EditTool.js 等文件中）定义了特定工具的使用方式（例如详细的 EditTool.js 指令强调上下文和唯一性），并融入了系统信息。ClearTool.js 则定义了一个用于管理上下文窗口限制的摘要过程，这是长期运行代理任务中的关键环节。 来源：Claude-Code/
• Clawdbot： 采用一种基于模块化文件的方法，而非单一的巨幅提示。其行为被拆分到不同的文件中：SOUL.md（个性/语气）、AGENTS.md（操作规则与审批层级）以及 IDENTITY.md（隐私边界与情境感知披露）。这种方式实现了可组合性——可以在不改变规则的情况下更换个性——同时使职责分离更加清晰。尤其值得注意的是其明确的三级审批流程（无需询问即可执行 / 需要批准 / 绝不执行）以及针对消息平台的情境依赖型隐私规则。 来源：Clawdbot/

---

总结最佳实践：构建者的关键启示

分析这些多样化的提示后，我们可以提炼出一套构建可靠智能体式 AI 系统的最佳实践：

1. 清晰定义智能体： 从明确的角色、目的和范围入手。加入日期或环境细节等情境性信息。
2. 结构化以提升清晰度： 使用标题、列表或标签来分解复杂指令。按逻辑组织规则（例如将工具指令和安全规则分组）。
3. 明确工具说明： 详细说明每种工具的功能、调用方式（语法、参数、格式）以及适用场景。提供示例，并直接嵌入使用政策。
4. 强制逐步执行： 鼓励或要求规划、迭代以及等待结果或确认。防止 AI 一次性尝试过多任务。可考虑设置明确的思考阶段或循环。
5. 融入领域知识与约束： 将相关风格指南、库使用规则、文件规范、平台限制以及该智能体所在领域的最佳实践纳入其中。
6. 集成安全与对齐机制： 定义不可接受的请求，并制定明确的拒绝协议。针对敏感操作（数据处理、图像生成）嵌入具体政策。
7. 引导对话基调： 设定交互风格的期望（专业、友好、简洁、自适应），以确保一致的用户体验。
8. 运用示例： 在提示中通过清晰的例子说明复杂规则或期望的输出格式（如 Bolt.new 和 v0 所广泛采用的）。

本质上，有效的智能体式系统提示就像一份全面而结构化的操作手册，尽可能减少歧义，同时赋予 AI 必要的知识和程序，使其能够高效且安全地利用工具完成任务。

---

独特的约定与架构差异

尽管核心原则相通，但具体的实现方式会因智能体的架构和目标而有所不同：

• 工具语法： 从内嵌的 MDX/XML 组件（v0、same.new、Cline、Bolt）到期望符合外部模式的 JSON 输出（ChatGPT、Manus）不等。
• 规划机制： 有的采用显式循环（Manus）和思考标记（v0），有的则通过迭代规则进行隐式引导（same.new、Cline）。
• 编辑方式： 有些使用类似 diff 的格式（Cline 的 replace_in_file），有些则使用自定义组件（v0 的 QuickEdit），还有些会明确指定覆盖式修改还是定点编辑（Bolt.new、Loveable）。
• 提示结构： 可以是单体式的（Cline、same.new），也可以是跨多个文件的模块化结构（Manus、Clawdbot，v0 和 Claude Code 也可能如此）。Clawdbot 将这一点发挥到了极致，明确划分了各文件的职责：个性（SOUL.md）、规则（AGENTS.md）以及身份与隐私（IDENTITY.md）。
• 详细程度： 差异显著，例如 ChatGPT 的提示会嵌入高度细化的函数模式和政策，而 Manus 等则更多依赖外部定义（tools.json）。

这些差异表明，并不存在一种“完美”的提示结构，而是需要根据具体的智能体、其工具、所处环境以及预期任务量身定制有效提示，同时遵循上述核心原则。

---

结语：构建智能体的未来

系统提示是构建强大且可靠的智能体式 AI 系统的基础。正如 v0、same.new、Manus、ChatGPT 等示例所示，成功的提示都具备细节丰富、结构清晰、表达明确的特点。它们清楚地界定智能体的角色，细致地说明工具的使用方法和操作流程，强制执行规划与迭代执行，融入必要的领域知识和安全约束，并引导交互风格。

对于那些立志在 2025 年及以后打造下一代智能体式 AI 的开发者而言，研究这些模式将带来宝贵的洞见。掌握系统提示的技巧——将清晰的指令、结构化的组织、领域专业知识和安全考量融为一体——将是释放 AI 智能体全部潜力的关键。这些智能体不仅能够对话，还能积极协作，在数字世界中完成复杂的任务。

awesome-ai-system-prompts 快速上手指南

awesome-ai-system-prompts 并非一个需要安装运行的软件包或库，而是一个精选的系统提示词（System Prompts）集合仓库。它收录了 Vercel v0、same.new、Manus、ChatGPT 等主流 Agentic AI 系统的真实提示词源码，旨在为开发者提供构建高效智能体（Agent）的蓝图和最佳实践参考。

因此，本指南将指导你如何获取、浏览及应用这些提示词资源到你的开发项目中。

环境准备

本项目无需特定的运行时环境（如 Node.js, Python 等）即可浏览内容，但为了在实际开发中应用这些提示词，建议准备以下环境：

• 操作系统：Windows, macOS, 或 Linux
• 必备工具：
  • Git：用于克隆仓库到本地。
  • 代码编辑器：推荐 VS Code，便于阅读 Markdown 和分析提示词结构。
  • AI 开发框架（可选）：如果你计划将提示词集成到应用中，需准备好相应的开发环境（如 LangChain, LlamaIndex, Vercel AI SDK, 或直接调用 OpenAI/Anthropic API 的环境）。
• 网络要求：能够访问 GitHub。国内用户若访问缓慢，可配置 Git 代理或使用国内代码托管平台（如 Gitee）的镜像仓库（如有）。

安装步骤（获取资源）

你可以通过克隆仓库或下载 ZIP 包的方式获取所有提示词资源。

方式一：使用 Git 克隆（推荐）

在终端中执行以下命令：

git clone https://github.com/dontriskit/awesome-ai-system-prompts.git

进入项目目录：

cd awesome-ai-system-prompts

国内加速提示：如果克隆速度较慢，可以尝试使用国内镜像源（如果有维护）或通过设置 Git 代理加速：

# 示例：设置 HTTP 代理 (请替换为你的实际代理地址)
git config --global http.proxy http://127.0.0.1:7890
git config --global https.proxy https://127.0.0.1:7890

方式二：直接下载

访问仓库页面 https://github.com/dontriskit/awesome-ai-system-prompts，点击绿色的 "Code" 按钮，选择 "Download ZIP"，解压后即可使用。

基本使用

本项目的核心用法是阅读、分析和复用其中的提示词文件。以下是三种典型的使用场景：

1. 学习与参考（直接阅读）

直接在本地或 GitHub 上浏览不同 AI 系统的提示词设计模式。

• 查看角色定义：阅读 v0/v0.md 或 ChatGPT/4-5.md，学习如何清晰定义 AI 的身份和能力边界。
• 研究工具调用：查看 same.new/same.new.md 中的 <tool_calling> 部分，了解如何通过 XML 标签规范工具调用流程。
• 分析安全策略：参考 Claude/Claude-Sonnet-3.7.txt，学习如何设定拒绝协议和安全对齐规则。

2. 集成到自己的 AI 应用中

你可以将仓库中的提示词模板复制并修改，作为你自家 AI 应用的 System Prompt。

示例：在 Python 中调用 OpenAI API 时使用 v0 的风格

import os
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# 从本地文件读取或手动复制 v0 的提示词核心部分
system_prompt = """
You are an AI-powered assistant specialized in generating UI components.
Your goal is to help users build web interfaces efficiently.
Follow these principles:
1. Clear Role Definition: You are a UI expert.
2. Structured Instructions: Use markdown for code blocks.
3. Tool Integration: If tools are available, describe usage clearly.
"""

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": "Create a login form with email and password fields."}
    ]
)

print(response.choices[0].message.content)

3. 定制化开发

根据 Manus/Modules.md 或 Cline/system.ts 的结构，为你特定的业务场景（如数据分析、自动化运维）编写模块化的系统提示词。

• 定义工具 Schema：参考 Manus/tools.json 格式，定义你的自定义工具。
• 设定工作流：模仿 same.new 的 <agent_loop> 逻辑，规划 AI 的思考与执行步骤。

通过深入研究这些真实世界的案例，你可以显著提升自建 Agent 的可靠性、安全性和任务执行能力。