实用提示：您的编程助手并不需要更优的提示词

以下内容围绕“你的编程助手无需更优的提示词”这一主题，提供了一条实用的实施路径。重点在于契约、校验机制以及可直接插入的代码占位符，而非激励性表述。

它需要更好的工作环境

在处理“它需要更好的工作环境”这一阶段时，首先需明确契约内容：所需输入、成功标志以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 应将配置信息与应用程序代码分开存放。环境文件、密钥存储以及功能开关应集中于一个位置，以便操作人员无需查看整个系统结构即可进行审计。 需缓存稳定的系统指令和工具架构。重复发送相同的开头信息是导致资源浪费的常见原因。

curl循环

在处理 curl 循环阶段时，首先写下相关契约：所需的输入参数、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 同时记录正常流程和异常恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续需要补充的功能。 缓存系统中稳定的指令和工具结构。重复发送相同的报文头是导致资源浪费的常见原因。

search for artifact
      ↓
try dependency
      ↓
Maven failure
      ↓
search web
      ↓
curl documentation
      ↓
download JAR
      ↓
inspect classes
      ↓
try another version
      ↓
search again

第一轮迭代：修复环境问题

在处理第一轮修复阶段时，首先需明确相关约定：所需的输入参数、成功标志，以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改始终符合预期。 建议采用小型、可测试的单元，而非冗长的脚本。当某个步骤出现故障时，故障应指向单一责任模块，而非复杂的流程链。 缓存系统中稳定的指令和工具结构。重复发送相同的开头信息是导致资源浪费的常见原因。

LLM + prompt

Model
  + instructions
  + repository
  + build
  + tools
  + runtime
  + available evidence
  + project knowledge
  + feedback loops

第二轮：为智能体提供工程师们已使用的导航工具

在处理第二轮迭代时，首先写下相关契约：所需的输入参数、成功标志，以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 将这一阶段视为输入与验证后输出之间的契约。为相关产物命名，明确成功判定标准，杜绝默许的部分完成情况。 缓存稳定的系统指令和工具架构。重复发送相同的开头信息是导致资源浪费的常见原因。

shell + filesystem + internet

interface
   ↓
implementation
   ↓
usage
   ↓
test

第三轮迭代：有时最好的方式是让人工指引到正确的文件

在开展第三轮迭代时，首先应写下接口规范：所需的输入参数、成功标识以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。 缓存稳定的系统指令和工具架构。重复发送相同的开头信息是导致资源浪费的常见原因。 在开展第三轮迭代时，首先应写下接口规范：所需的输入参数、成功标识以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 同时记录正常流程和故障恢复流程。重试机制、人工审核环节以及错误消息处理都是产品本身的组成部分，而非后续需要补充的功能。

AllMiniLmL6V2EmbeddingModel
        ↓
AbstractInProcessEmbeddingModel
        ↓
OnnxBertBiEncoder

Hugging Face tokenizer
        ↓
ONNX Runtime
        ↓
token representations
        ↓
pooling
        ↓
normalization
        ↓
embedding

第4轮迭代：为何要决定智能体需要学习什么？

将第4轮的“为何”阶段视为可测量的对象来处理效果最佳。在扩大范围之前，先记录一份优秀的示例文本、一个失败案例以及回滚说明。 优先选择小型且可测试的单元，而非庞大的脚本。当某一步骤失败时，故障应指向单一责任点，而非复杂的流程链。 为每轮对话和每次会话设定token预算。智能体工具会大量消耗上下文资源；设置上限可避免演示过程变成意外的费用账单。

使用Integrallis Vectors进行的小实验

将阶段实验视为可测量的对象最为有效。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。 把这一阶段视为输入与经过验证的输出之间的契约。为相关成果命名，明确成功标准，绝不允许默默地只完成部分工作。 为每轮及每次会话设定token预算。智能代理工具往往会过度扩展上下文；设置上限可避免演示变成意外的费用账单。

../vectors/

Initial working model
        ↓
low confidence recognized
        ↓
specific evidence requested
        ↓
source inspected
        ↓
previous hypothesis falsified
        ↓
new working model
        ↓
better engineering recommendation

没错，智能代理确实学到了……

“Yes the agent learned”阶段若被视为可度量的对象，效果最佳。在扩大范围之前，需记录一份理想的处理流程、一个失败案例以及回滚说明。 在功能结果旁同时记录处理时间以及令牌或查询成本。提前了解成本情况，可避免从演示环境过渡到共享环境时出现意外账单。 为每轮对话和每次会话设定令牌预算。智能代理工具往往会大量消耗上下文资源，设置上限能防止演示环境变成意外收费的源头。 “Yes the agent learned”阶段若被视为可度量的对象，效果最佳。在扩大范围之前，需记录一份理想的处理流程、一个失败案例以及回滚说明。 需同时记录正常处理路径和故障恢复路径。重试机制、人工干预流程以及死信处理都是产品功能的一部分，而非后续需要补充的内容。

智能代理的学习成果应能超越其自身存在时间。

在智能体的学习阶段，应在修改代码之前明确输入内容、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 相较于冗长的脚本，更应采用小型且可测试的单元。当某个步骤失败时，故障原因应能指向单一责任点，而非复杂的流程链。 若后续步骤为代码或工具调用，相比自由形式的文字描述，结构化且经过模式验证的输出更为合适。

docs/engineering/

docs/knowledge/

docs/knowledge/vector-backends/
    onnx-embedding-pipeline.md
    integrallis-vectors.md
    candidate-assessment.md

Local embedding baseline:
- all-MiniLM-L6-v2
- 384 dimensions
- ONNX Runtime
- DJL HuggingFaceTokenizer
- mean pooling
- L2 normalization

Long inputs:
- partitioned before inference
- embeddings combined using token-count weightingLangChain4j:
- useful as a verified reference implementation
- not required by the runtime designUpstream source:
- available locally for deeper verification

retained knowledge
       ↓
task understanding
       ↓
remaining uncertainty
       ↓
targeted evidence
       ↓
new learning
       ↓
updated retained knowledge
       ↓
next agent

研究也是任务分配的一部分

由于该研究属于某个阶段的一部分，因此在修改代码之前需明确输入内容、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 应将此阶段视为输入与已验证输出之间的契约。为相关成果命名，定义成功判定标准，并拒绝默许的半完成状态。 当下一步操作是编写代码或调用工具时，优先采用具有架构验证的结构化输出，而非自由形式的文字描述。

"Agent, do everything."

"Human specifies every line."

智能体并非灯中的神灯精灵

在“代理并非处于特定阶段”模式下，修改代码之前需明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。应在功能结果旁记录执行时间以及令牌或查询成本。提前显示成本信息，可避免在流程从演示环境切换到共享环境时出现意外费用。当下一步操作为编写代码或调用工具时，应优先使用具有架构验证的结构化输出，而非自由形式的文字描述。在“代理并非处于特定阶段”模式下，修改代码之前需明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。需同时记录正常流程与异常恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续需要补充的功能。

Coding Agent
                          │
          ┌───────────────┼───────────────┐
          │               │               │
       Harness         Knowledge        Research
          │               │               │
        tools          project facts     source
        build          decisions         docs
        IDE            constraints       experiments
        runtime        prior learning    external evidence
          │               │               │
          └───────────────┼───────────────┘
                          ↓
                    Clear boundaries
                          ↓
                   Precise delegation
                          ↓
                    Implementation
                          ↓
                     Verification
                          ↓
                  Retained knowledge
                          │
                          └──────→ next agent

从提示词设计到工程化实现

在经历“从提示词设计到工程化实现”这一阶段时，首先需明确相关约定：所需的输入参数、成功标志以及部分功能失效时的处理方式。这样的清单能确保后续的代码修改保持一致性。 建议采用小型、可测试的单元而非庞大的脚本。当某个步骤出现故障时，故障应能指向具体的责任模块，而非复杂的流程链。 应对稳定的系统指令和工具结构进行缓存。重复发送相同的开头信息是导致资源浪费的常见原因。

better environment
      ↓
cheaper investigation
      ↓
better evidence
      ↓
better decisions
      ↓
retained learning
      ↓
better starting environment
      ↓
next agent

OSK的起源

在处理“OSK的起源”这一阶段时，首先写下相关契约：所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 将这一阶段视为输入与验证后输出之间的契约。为相关成果命名，明确成功判定标准，杜绝无声的半完成状态。 缓存稳定的系统指令和工具结构。重复发送相同的开头信息是导致资源浪费的常见原因。

利用智能体进行编程的另一种方式

在研究“另一种部署方式”时，首先需明确合同条款：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁记录执行时间以及令牌或查询成本。提前了解成本情况，可避免从演示环境过渡到共享环境时出现意外费用。 缓存稳定的系统指令和工具架构。重复发送相同的前置数据是导致资源浪费的常见原因。 在研究“另一种部署方式”时，首先需明确合同条款：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 同时记录正常流程和故障恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续需要补充的功能。

Human request
      ↓
Agent generates code

Human hypothesis
      ↓
discussion
      ↓
agent reconnaissance
      ↓
identify uncertainty
      ↓
targeted research
      ↓
retained evidence
      ↓
human + agent design
      ↓
implementation
      ↓
real-world friction
      ↓
verification
      ↓
revised architecture
      ↓
new retained knowledge

这些只是假设，而非定律

这些只是假设，而非可直接操作的方案，将其视为可测量的对象来处理最为有效。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。相较于庞大的脚本，应优先选择小型且可测试的单元。当某一步骤失败时，故障应能指向单一责任主体，而非复杂的流程链。需为每轮操作及每次会话设定token预算——智能工具往往会过度消耗上下文，设置上限可避免演示过程变成意外的费用账单。

操作检查清单

在操作检查清单阶段，修改代码之前需明确输入参数、该步骤的负责人以及完成标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏的状态。

将配置信息置于应用程序代码之外。环境文件、密钥存储以及功能开关应集中存放于一处，以便操作员无需查看全部内容即可进行审计。

当下一步操作是编写代码或调用工具时，应优先选择具有结构化格式且经过模式验证的输出，而非自由形式的文本。

在成本较高的操作之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次计费相同的大型语言模型调用费用。

锁定依赖项的版本，并记录用于运行演示的镜像摘要。可重复性比经验知识更为重要。

将此阶段视为输入与经过验证的输出之间的契约。为相关成果命名，明确成功标准，拒绝默许的半完成状态。

在推广该技术栈之前，应先冻结版本，为关键流程记录标准输出文本，并明确回滚步骤。共享环境需要设置速率限制、租户验证机制，以及明确的密钥轮换负责人。与其展示花哨的一次性演示，不如注重扎实的可靠性。

关于 ddfa012877c8 的批量处理说明：请将提供商密钥移出代码仓库，设定单会话令牌使用上限，并将输出文本与评估用示例文件存放在同一位置，以便后续模型更换时保持对比性。

针对强化安全性的第0阶段，在修改代码之前需明确输入参数、该步骤的负责人以及完成标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。同时需将执行时间以及令牌或查询成本与功能测试结果一并记录。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外账单。

强化细节 0/867：测量该笔记的运行时间、错误类型以及令牌消耗情况，然后依据固定的问题集而非个人经验来决定是否保留该变更。