【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）
分析了给 OpenCode 设定的代码风格（除非用户明确要求，否则不能写任何代码注释），以及执行任务时的具体行为步骤：利用搜索工具，深度搜索与理解代码库结构和用户的具体需求，使用所有可用的工具来实施解决方案，检查 README 或搜索代码库，确认项目实际所用的测试工具，然后用正确的方式来验证代码，任务完成后，运行项目的代码检查命令，并将检查命令写进 AGENTS.md 文件中，建立长期记忆，不能自动执行 git commit 命令，必须等用户明确要求之后才能提交，给用户留出审查代码的机会，最后介绍了一个关键标签<system-reminder>， 这个标签不是用户输入的内容，或者工具结果，而是系统提供的额外指引，只有 AI 模型才能看到，里面会包含着一些提示，上下文信息，或者系统状态的更新，下面继续分析
OpenCode
上篇 blog 提到了，<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，下面来拆解下这个数据流，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：原始输入内容，比如【帮我写个函数…】
- 工具结果：代码执行后的输出，比如
ls命令返回的文件列表 - 系统提醒：
<system-reminder>，Agent 系统塞进去的提示词
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，举几个例子
- 用户操作：在对话框里输入【帮我修复这个报错】
- 系统注入：OpenCode 客户端检测到当前打开的文件是 main.py，于是自动插入
<system-reminder>当前活动编辑器选中的文件是 main.py，请优先检查它。</system-reminder>此时 AI 接收到的：
用户：帮我修复这个报错 系统：<system-reminder>当前活动编辑器选中的文件是 main.py，请优先检查它。</system-reminder>看到这两个信息，AI 就会明白，虽然用户没具体说哪个文件报错，但系统提醒关注 main.py 文件，那就先分析这个文件
可以看到，<system-reminder>标签内容来源于 OpenCode 客户端或 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，但不能把它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
OK，分析了<system-reminder>的定义，下面再来看下<system-reminder>的生成机制，前面说了，<system-remider>来源于 OpenCode 客户端或 Agent 系统，作为 AI 的躯干，Agent 系统本身不具备思考推理能力，其核心大脑在远端的 AI 模型，但没有思考能力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，Agent 系统不需要理解语义，只需要执行预设的If-This-Then-That逻辑，下面将介绍 Agent 客户端生成<system-reminder>的三种主要机制
- 基于硬编码规则：这是最简单的情况，客户端不需要推理，只需要检查文件名或关键词，举两个规则例子
- 规则一：IF 文件名包含
test或spec，THEN 插入
<system-reminder>这是一个测试文件，请注意使用测试框架的语法。</system-reminder>- 规则二：IF 检测到文件名后缀是
.env，THEN 插入
<system-reminder>警告：这是敏感配置文件，严禁向用户展示其中的密钥内容。</system-reminder>可以看到此种机制是 Agent 开发者预先写死的逻辑判断，不是 AI 推理
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】用户对话提示词（提示语生成机制）
