109、【Agent】【OpenCode】todowrite 工具提示词（示例）（三）

【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GithubApache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】todowrite 工具提示词示例二分析了 TodoWrite 工具第二个示例用户提了个重命名的需求首先 AI 是先搜索先调用搜索工具摸清所有待修改点的位置后决策根据搜索结果8 个文件中存在 15 个引用由于是复杂任务动态决定使用 TodoWrite 工具然后继续分析了reasoning内部推理包括评估任务边界理解任务范围复杂度阈值触发动态根据搜索结果决定后续动作系统化追踪机制把重构工作变成可以逐项打勾的流水线以及一致性保障然后接着分析了第三个示例用户想要开发新功能其中用户提的需求直接精准命中触发条件并且面对这种复杂的任务使用的是单线程执行下面继续分析OpenCode下面继续看第三个示例的内部推理reasoning显式指令模式识别这是 AI 对输入端格式的敏锐捕捉它不仅看到了多个复杂特性还注意到了它们的排列方式comma separated list 逗号分割这正是触发 TodoList 工具最直接的提示词前面的 Blog 提到当需求以列表形式呈现时最佳的处理方式就是将其映射为一个结构化的执行清单确保用户的每个需求都被记录下来认知负荷拆分与重组化繁为简电商结账流程这种级别的特性如果作为一个整体去执行容易导致上下文爆炸或逻辑混乱这里 AI 通过推理确认需要用 TodoList将这些很大的特性分解成一个个可管理的小颗粒度任务减轻 AI 自身内存压力的同时整个开发过程也变得可控全局视野下的进度锚点TodoList 不仅能用来干活也能用来导航确保无论当前正在处理哪个微小的代码片段AI 和用户都能看清当前在整个项目任务中的坐标下面看下一个示例先分析后判断面对渲染慢rendering slowly有性能问题这种模糊的抱怨AI 没有一上来就修改代码而是准备主动审查组件结构渲染模式状态管理和数据获取等四个前端性能问题的可能区域在定位到具体的瓶颈之前不启动复杂任务流程体现其工程纪律生成清单对症下药经过分析之后AI 生成了一串性能优化清单将抽象的性能问题分解成五个具体可执行的底层技术操作单线程规则锁定首个目标面对五个优化项AI 锁定第一个目标优化组件的计算缓存接着是reasoning内部推理分析基于事实分析这里强调了 Specific具体的说明 AI 的 TodoList 不是凭空捏造而是建立在对代码库进行分析的基础之上优化方案识别分析完代码库之后AI 将前面检视出的各种问题比如重复渲染大列表等转换成多个独立的优化点为后续的任务拆解提供基础任务复杂度定性AI 认识到性能调优不是个简单的修改而是一个涉及多模块需要谨慎规划的复杂工程因此触发了 TodoList 清单生成跨组件追踪注意这里的关键词 Methodically有条不紊地系统地和 Across different components跨组件React 引用是由无数个组件嵌套而成性能问题往往散落在各个角落TodoList 在这里充当了一个全局的性能优化看板确保 AI 在深入某个组件细节时不会失去对整体架构优化的掌控系统性闭环通过 TodoList可以确保所有的性能瓶颈都能被发现并解决避免留下死角比如解决了 A 页面卡顿结果发现 B 页面又崩了导致头痛医头脚痛医脚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【Agent】【OpenCode】todowrite 工具提示词示例四