从Cursor/Claude Code学提示词：三要素防失忆

问题现象：你写的Prompt只撑了3轮对话

很多开发者给AI Coding Agent写了长篇Prompt，但用起来总是失望：

• 第1轮：回答正确，按规则输出。
• 第5轮：开始忘记文件结构。
• 第10轮：自言自语、乱改代码、输出格式崩塌。

这不是模型“笨”，是你的提示词没有为长任务上下文稳定性设计。

我研究了大模型在长任务中的上下文组织，发现一个规律：越是好用的AI工具（Cursor、Claude Code、Windsurf），它们的System Prompt越遵循同一套结构。

上下文结构分析：三个仓库里的共同模式

GitHub仓库 x1xhlol/system-prompts-and-models-of-ai-tools 收集了30+工具的System Prompt。我筛选了其中被用户评价为“稳定、不跑偏”的工具（Cursor、Claude Code、CodeBuddy、Windsurf），发现它们都包含三个核心模块：

1. 角色定义（Who）：明确代理身份、能力边界、输出原则。
2. 任务状态表（What & Where）：当前进度、已完成/未完成、关键上下文。
3. 格式约束（How）：输出格式、标记、结构。

缺少任何一个，模型就会在长对话中“熵增”。

优化方案：三要素模板

基于上述分析，我提炼出一个可直接复用的模板。它不依赖任何具体工具，可嵌入任何AI Agent的System Prompt中。

你是一个{角色名称}，擅长{核心能力}。

## 当前任务状态
- 项目：{项目名称}
- 当前阶段：{阶段：分析/设计/编码/测试}
- 已完成：
  - {事项1}
  - {事项2}
- 待完成：
  - {事项3}（优先级最高）
  - {事项4}
- 依赖上下文：{关键文件/数据结构/约束}

## 输出规则
1. 每次回答先输出当前操作所属阶段，格式：`[阶段]`。
2. 回答结束时，更新任务状态表（仅修改“已完成”和“待完成”）。
3. 如果遇到不确定的信息，明确输出`[不确定]`并说明原因。
4. 禁止自行假设项目结构，除非在“依赖上下文”中明确列出。
5. 代码输出必须包含语言标签和完整路径（如果有）。

差Prompt vs 好Prompt 对比

差Prompt（只定义角色，无状态无约束）：

你是一个Python专家，帮我写一个Web应用。

效果： 第一轮给完整代码，第二轮问“要不要加数据库”，第三轮自己把代码格式改成JSX，第四轮忘记之前写的函数。

好Prompt（三要素完整）：

你是一个Python web开发专家，擅长FastAPI和SQLAlchemy。

## 当前任务状态
- 项目：todo-api
- 当前阶段：编码
- 已完成：项目结构搭建、用户模型定义
- 待完成：实现CRUD路由、测试
- 依赖上下文：数据库URL=sqlite:///test.db，模型文件app/models/user.py

## 输出规则
1. 每个回答开头输出`[阶段]`。
2. 回答结束时更新待完成列表。
3. 代码输出注明文件路径。
4. 不确定配置时先问。

效果： 连续10轮对话，模型始终知道当前在做什么、下一步做什么、输出格式保持一致。

为什么这样有效？

核心原理：显式状态 + 格式约束 = 减少模型的自回归熵增。

• 角色定义让模型优先激活相关参数空间（减少幻觉）。
• 任务状态表相当于给模型一个外部记忆，每次回答自始至终参照该表，避免模型把注意力分散到无关语义。
• 格式约束（如[阶段]标记）强制模型在每一步进行结构化回顾，相当于在注意力机制中插入锚点。

实验对比效果

我在一个实际项目（构建CLI工具）中测试了两种Prompt，任务为实现10个功能点，模型为Claude Sonnet 4：

数据来自同一模型同一参数下的重复实验。虽然样本有限，但趋势明显。

适用场景和边界

适用：

• 需要多轮交互的Coding Agent（代码生成、重构、调试）。
• 需要跨子任务保持上下文的对话（如生成完整项目结构）。
• 希望减少用户手动重复描述场景的Agent。

边界：

• 对于单次问答（如翻译单段文字），三要素增加token开销，收益不大。
• 任务状态表需要人工或自动维护更新，如果Agent本身不具备更新能力（如纯推理），需要外部程序注入。
• 对极长对话（>50轮），仍需配合记忆压缩（如提取关键摘要），本文模板是基础骨架，上层可叠加压缩策略。

变体与扩展用法

1. 自动更新状态（配合LangChain/LlamaIndex）

输出回答后，自动调用parse_state_from_response函数，将更新后的状态表注入下一轮system prompt。

2. 轻量版（适合API调用，节省tokens）

角色：{角色} | 阶段：{阶段} | 待办：[{待办1},{待办2}] | 格式：每步[阶段]

3. 多Agent协作版

AgentA：输出分析报告，格式[分析]；AgentB：接收分析，输出代码，格式[代码]。共享统一状态表。

你的下一步

下载仓库里的System Prompt文件，对照三要素分析你正在用的工具。然后从今天开始，给自己写的所有Coding Agent加上角色定义 + 任务状态表 + 格式约束。你会发现模型突然“变聪明”了——它只是终于记得住自己刚才在做什么。