【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 工具提示词示例四分析了不推荐使用 TodoWrite 工具的场景首先是极简示例Hello World面对这种最经典的启蒙级问题AI 表现得干脆利落没有废话也没有调用工具而是直接给出了核心代码体现了大模型在处理低认知负荷任务时的敏捷性其reasoning内部推理中这里用户的需求精准命中了之前提到的规则When not to use给任务定了性并且 TodoList 存在的意义是防漏与统筹当用户请求极其直白且不存在多个步骤时其追踪价值就为零并且这样做也是为了防止过度设计然后接着分析了另一个知识检索与科普式输出的示例用户提问git status命令的作用面对这种纯粹的名词解释AI 也表现得很干脆利落其内部推理reasoning和上一个示例大同小异下面继续分析OpenCode下面看下一个示例加注释单点操作与工具调用面对这种目标极其明确指向性极强的微观修改需求AI 选择了直接调用 Edit 工具进行了原地修改这种任务不需要 TodoWrite接下来是reasoning内部推理任务单一和上一个示例一样这里的任务被认为是单一且直接的用户的诉求只有一个目标给特定函数加注释没有任何分支或者依赖关系不存在需要统筹规划的复杂性另外位置单一相比于前面那个重命名函数涉及到 8 个文件 15 处引用的例子这里的修改范围被限制在一个特定的函数体内既然影响范围这么小就完全不需要用 TodoList 来进行全局追踪和防漏管理了接下来看下一个例子用户请求帮忙跑一下npm install命令指令执行与反馈这里 AI 直接调用了终端工具执行命令并输出命令执行结果可以看出来大模型在处理即时反馈型任务时的敏捷性同样在reasoning内部推理中这里只是单条简单的命令并且要求的是即时反馈所以不需要 TodoList 清单接下来看 TodoWrite 工具必须遵守的规则首先是Task States 任务状态机这里定义了一个严谨的状态流转系统有四个合法状态pending待办还没开始这是任务的初始态相当于排队等候执行in_progress进行中当前正在执行的任务这里括号强调了单线程原则不能同时作业completed已完成任务成功完成代表一个闭环的结束cancelled已取消在实际工程中需求是会变的如果中途发现某个步骤没意义了AI 不需要强行做完而是可以将其标记为cancelled保证效率接着是Task Management 任务管理规则实时同步AI 不能等执行完所有任务再回来改状态而是要在执行的过程中实时更新确保用户看到的是实时进度立刻打勾严禁批量不能一口气执行完多个任务然后一次性把这些任务批量标记为completed这条规则强制要求 AI 做一个就结项一个全局唯一进行中无论清单多长同一时间只能有一个任务在执行执行完当前任务后才允许开启下一新任务遵守串行规则及时止损如果任务是无用的尽快取消最后是Task Breakdown 任务拆解规则有了状态和管理还得有高质量的任务内容本身具体且可执行任务不能是抽象的废话比如优化代码而必须是具体的动作比如给 ProductList 组件加上 memorization 记忆功能复杂任务拆解遇到复杂的难题必须将其拆解成具体可执行的步骤任务名清晰没有歧义这里最后提醒 AI当遇到犹豫不决的任务处于灰色地带不确定任务算不算复杂时默认响应应该是建立清单防患于未然而不是因为盲目自信而导致漏掉关键步骤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】Skill 工具提示词
111、【Agent】【OpenCode】todowrite 工具提示词(完结)
发布时间:2026/6/11 4:38:37
【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 工具提示词示例四分析了不推荐使用 TodoWrite 工具的场景首先是极简示例Hello World面对这种最经典的启蒙级问题AI 表现得干脆利落没有废话也没有调用工具而是直接给出了核心代码体现了大模型在处理低认知负荷任务时的敏捷性其reasoning内部推理中这里用户的需求精准命中了之前提到的规则When not to use给任务定了性并且 TodoList 存在的意义是防漏与统筹当用户请求极其直白且不存在多个步骤时其追踪价值就为零并且这样做也是为了防止过度设计然后接着分析了另一个知识检索与科普式输出的示例用户提问git status命令的作用面对这种纯粹的名词解释AI 也表现得很干脆利落其内部推理reasoning和上一个示例大同小异下面继续分析OpenCode下面看下一个示例加注释单点操作与工具调用面对这种目标极其明确指向性极强的微观修改需求AI 选择了直接调用 Edit 工具进行了原地修改这种任务不需要 TodoWrite接下来是reasoning内部推理任务单一和上一个示例一样这里的任务被认为是单一且直接的用户的诉求只有一个目标给特定函数加注释没有任何分支或者依赖关系不存在需要统筹规划的复杂性另外位置单一相比于前面那个重命名函数涉及到 8 个文件 15 处引用的例子这里的修改范围被限制在一个特定的函数体内既然影响范围这么小就完全不需要用 TodoList 来进行全局追踪和防漏管理了接下来看下一个例子用户请求帮忙跑一下npm install命令指令执行与反馈这里 AI 直接调用了终端工具执行命令并输出命令执行结果可以看出来大模型在处理即时反馈型任务时的敏捷性同样在reasoning内部推理中这里只是单条简单的命令并且要求的是即时反馈所以不需要 TodoList 清单接下来看 TodoWrite 工具必须遵守的规则首先是Task States 任务状态机这里定义了一个严谨的状态流转系统有四个合法状态pending待办还没开始这是任务的初始态相当于排队等候执行in_progress进行中当前正在执行的任务这里括号强调了单线程原则不能同时作业completed已完成任务成功完成代表一个闭环的结束cancelled已取消在实际工程中需求是会变的如果中途发现某个步骤没意义了AI 不需要强行做完而是可以将其标记为cancelled保证效率接着是Task Management 任务管理规则实时同步AI 不能等执行完所有任务再回来改状态而是要在执行的过程中实时更新确保用户看到的是实时进度立刻打勾严禁批量不能一口气执行完多个任务然后一次性把这些任务批量标记为completed这条规则强制要求 AI 做一个就结项一个全局唯一进行中无论清单多长同一时间只能有一个任务在执行执行完当前任务后才允许开启下一新任务遵守串行规则及时止损如果任务是无用的尽快取消最后是Task Breakdown 任务拆解规则有了状态和管理还得有高质量的任务内容本身具体且可执行任务不能是抽象的废话比如优化代码而必须是具体的动作比如给 ProductList 组件加上 memorization 记忆功能复杂任务拆解遇到复杂的难题必须将其拆解成具体可执行的步骤任务名清晰没有歧义这里最后提醒 AI当遇到犹豫不决的任务处于灰色地带不确定任务算不算复杂时默认响应应该是建立清单防患于未然而不是因为盲目自信而导致漏掉关键步骤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】Skill 工具提示词