企业官网建设流程全解析

【声明】本博客所有内容均为个人业余时间创作，所述技术案例均来自公开开源项目（如Github，Apache基金会），不涉及任何企业机密或未公开技术，如有侵权请联系删除

背景

上篇 blog
【Agent】【OpenCode】用户对话提示词（任务执行流程）
分析了<system-reminder>是 OpenCode 客户端在把消息发送给 AI 前，自动夹带进去的私有指令或上下文信息，当一条消息从客户端发送到 AI 时，实际上是一个三明治结构：用户输入，工具结果，系统提醒，通过这种方式，Agent 系统可以在不干扰用户，不污染代码的前提下，给 AI 提供额外的指引，然后举了例子，从举例中可以看到，<system-reminder>标签内容来源于 OpenCode 客户端等 Agent 系统后台，是系统级的元数据或潜台词，AI 需要阅读并遵守其中的提示，但不能将其当成用户的原始指令，也不能再回复中直接引用这个标签的内容，然后提到虽然 Agent 系统没有思考能力，但并不代表不能生成提示词，<system-reminder>靠的不是推理思考能力，而是规则和感知，可以把客户端想象成一个严格的秘书，而不是一个聪明的顾问，然后提到 Agent 客户端生成<system-reminder>的三种主要机制，并分析了第一个机制：基于硬编码规则，下面继续分析

OpenCode

上篇 blog 分析了 Agent 客户端生成<system-reminder>的第一种机制，下面继续分析剩下的两种机制

第二种机制，基于 OpenCode 客户端状态感知：客户端虽然不懂代码逻辑，但它完全掌握用户的操作环境（IDE 的状态），比如

• 感知：客户端知道用户当前光标停留在第 30 行
• 生成：此时客户端自动生成一条提醒

<system-reminder>用户当前选中的代码范围是第 25-35 行，请重点关注。</system-reminder>

• 感知：客户端知道用户刚才执行了npm install并且报错了
• 生成：客户端会在用户问【刚才为什么报错？】时，会自动附上

<system-reminder>刚才终端的最后一次输出是 Error: EACCES。</system-reminder>

相当于是把 IDE 的元数据翻译成了自然语言提示

• 第三种机制，基于本地小模型：这是种比较高级的做法，此类 Agent 客户端往往会先在本地运行一个极小，免费的模型（比如 7B 参数以下的模型，或者专门微调的分类模型）

举个例子，当用户输入【帮我写个登录功能】时，客户端会先把这句输入发给本地小模型，本地小模型经过分析后，得出结论：这涉及到安全验证，应该提醒 AI 使用 bcrypt 加密而不是明文存储，客户端拿到这个分析结果后，将其封装为

<system-reminder>用户正在请求身份验证功能，请务必提醒 AI 注意密码加密安全。</system-reminder>

然后，客户端把用户的原话 + 这条提醒再一起发给云端大模型，本质上是个套娃过程，用一个本地免费的 AI 来辅助云端付费 AI，因为本地模型不消耗 token 费用（或者很便宜），且响应极快，可以专门用来做这种预处理工作

综上可知，Agent 客户端不需要具备通用的推理能力，只需要看文件名（规则匹配），看光标位置（状态感知），看简单的上下文（关键词提取），或者可以本地小模型跑下分类（预处理），就可以生成输出<system-reminder>提示语

OK，下面继续看下一段提示词，工具使用规则

这里主要是在教 AI 如何更高效地使用工具，核心思想就两个字：并行，简单来说，系统不希望看到 AI 挤牙膏式的一个接一个调用工具，而是希望 AI 能一次性把所有能做的事情都发出来

• 首先是搜索要用的专用工具：当你需要搜索文件（比如查找某个函数定义，或找特定文件）时，优先使用 Task 工具（一般指的是专门的搜索任务工具，比如grep，find命令的封装），这些专用工具通常只返回结果，不会占用宝贵的上下文窗口

OK，本篇先到这里，如有疑问，欢迎评论区留言讨论，祝各位功力大涨，技术更上一层楼！！！更多内容见下篇 blog