3步复刻v0同款AI助手：1万+行系统提示词库完整上手指南-编程实验室

3步复刻v0同款AI助手：1万+行系统提示词库完整上手指南

【免费下载链接】v0-system-prompts-models-and-toolsFULL Augment Code, Claude Code, Cluely, CodeBuddy, Comet, Cursor, Devin AI, Junie, Kiro, Leap.new, Lovable, Manus, NotionAI, Orchids.app, Perplexity, Poke, Qoder, Replit, Same.dev, Trae, Traycer AI, VSCode Agent, Warp.dev, Windsurf, Xcode, Z.ai Code, Dia & v0. (And other Open Sourced) System Prompts, Internal Tools & AI Models项目地址: https://gitcode.com/GitHub_Trending/v0s/v0-system-prompts-models-and-tools

想让自己的 AI 助手拥有 v0 生成前端界面那样的稳定表现吗？本文带你用 3 步把业界主流 AI 编程工具的系统提示词搬进自己的 Agent，并配好工具调用。仓库 v0-system-prompts-models-and-tools 汇总了 v0、Cursor、Claude Code、Devin 等 30 余家产品的系统提示词与工具定义，你不需要逆向别人家的产品，直接拿来用。

项目速览：这个仓库里有什么 📦

v0-system-prompts-models-and-tools 是一个系统提示词（System Prompt，即 AI 在每轮对话背后看到的"岗位说明书"）的公开收集库。它把各家 AI 编程工具的提示词原文和配套工具定义（Tool Definitions，告诉模型"你能调用哪些函数、每个参数是什么"的 JSON 声明）按厂商分目录存放，累计约 1.1 万行。

它解决的实际问题：你自建的 Agent 表现平平，往往不是模型不够强，而是系统提示词写得太随意。与其凭感觉改，不如先看看成熟产品是怎么写的，再按自己的场景裁剪。

覆盖 30+ 厂商目录：v0、Cursor、Claude Code、Devin、Manus、Replit、Windsurf 等
多数厂商同时提供 Prompt（提示词）+ Tools（工具定义）两份文件，可直接对照
开源产品提示词集中在Open Source prompts/下，含 Codex CLI、Cline、RooCode 等
文件为纯文本和 JSON 格式，复制粘贴即可用，无额外依赖

Amp 的 Thread YAML 视图，展示提示词在工具配置中的完整结构——这类结构在本仓库每个厂商目录里都有原文可查

快速上手：从克隆到跑通第一个Agent

1️⃣ 把仓库拉到本地

只需要 Git，没有 Node、Python 等任何运行时要求。终端执行：

git clone https://gitcode.com/GitHub_Trending/v0s/v0-system-prompts-models-and-tools

仓库只有文本文件，克隆下来几秒钟。

2️⃣ 找到最通用的一份提示词

推荐先看 v0 的那份，它是面向"写代码的助手"场景、结构最完整的样本之一，989 行：

v0 Prompts and Tools/Prompt.txt

打开后你会看到典型结构：开头定义角色（You are v0, Vercel's highly skilled AI-powered assistant...），然后是行为规则（何时向用户提问、怎么调试、图片资产怎么处理），最后是可复用的编码规范。这些段落就是你可以直接裁剪到自己 Agent 里的原材料。

3️⃣ 配好工具定义，让Agent能"动手"

光有提示词，Agent 只会说不会做。同一个目录下的Tools.json（326 行）定义了 10 个工具，包括FetchFromWeb（抓网页全文）、GrepRepo（正则搜索代码）、ReadFile（读文件）、SearchWeb（联网搜索）等。把它随提示词一起交给你的模型调用层，Agent 就具备了读文件、查代码的能力。

到此你已经拥有一个"v0 风格"的 Agent 雏形：系统提示词负责行为规范，Tools.json 负责能力边界。

关键配置深讲：3个最影响效果的点

工具定义的 required 字段怎么配

配置项：Tools.json 里每个工具的parameters.required数组。

怎么配：v0 的做法是，像GrepRepo把pattern、taskNameActive、taskNameComplete全部列为必填。taskNameActive和taskNameComplete分别是工具执行中/完成时显示在界面上的 2–5 词状态（如 "Checking SF Weather"）。

为什么这样配：把状态文案设为必填，模型被迫在每次调用时同步上报进度，前端才能实时显示"正在做什么"，而不是转圈等死。这是产品体验和提示词无关、但同样重要的细节。

配错会发生什么：required 漏掉关键字段（比如漏了pattern），模型可能发出缺参数的调用，工具层直接报错或静默失败；去掉状态字段，长任务期间界面一片空白，用户以为卡死。

提示词里的"行为边界"段落别删

配置项：v0 提示词中Asking Questions as You Work、Context Management这类小节。

怎么配：导入后不要整段照搬，保留两条关键规则即可——"不确定时必须先问用户，且提问不能与其他工具调用并行发出"；"历史工具结果可能被压缩，需要原文时重新读文件"。

为什么这样配：第一条防止 Agent 自顾自往下做、做完才问你；第二条让 Agent 在长任务中知道上下文被截断后如何自恢复。这两条是 v0 长任务稳定的核心原因。

配错会发生什么：删掉提问规则，Agent 会基于错误假设一路生成到最后；不理解上下文压缩机制，模型在长对话里会反复追问"你刚才让我做什么"。

按模型裁剪提示词，而不是全量粘贴

配置项：同一厂商可能有多模型版本，如 Amp/ 目录下的claude-4-sonnet.yaml与gpt-5.yaml分别对应不同模型。

怎么配：先确认自己用哪个模型，只导入对应的版本。YAML 格式的文件里，提示词放在system字段的text节点下，导入时取该文本即可。

为什么这样配：不同模型的默认行为差异大，厂商会针对性调整措辞和规则优先级，混用版本等于让两套互相矛盾的指令打架。

配错会发生什么：给 GPT 系模型喂 Claude 专用指令，常见症状是模型无视部分规则，或输出风格与指令预期不符，排查半天才发现是版本错配。

三种使用方案怎么选

同样是拿这些提示词，落地方式可以差别很大。按你的现状对号入座：

方案	做法	适合谁	成本
直接接入模型 API	把选定的 Prompt.txt 设为 system message，Tools.json 转为 OpenAI/Anthropic 的 tools 参数	有 API Key、会写基础 HTTP 调用的开发者	低，半天可跑通
导入现成 Agent 框架	提示词填进 Dify、n8n 等平台的提示词配置项，工具定义导入其插件系统	不想写后端、要快速验证想法的人	低，但受平台字段限制
团队内网服务化	挑选的提示词版本化存入内部仓库，接入 CI，改动走评审	需要多人协作、追求行为稳定的团队	中高，需维护流程

判断标准只有一条：你现在连一个能调模型的 API Key 都没有，就先走第 1 方案；已有平台账号就第 2 方案；多人共用同一个 Agent 且开始在意"谁改过提示词"，再升级到第 3 方案。

动手练习：搭一个代码检索助手 🛠️

给你 15 分钟做一个最小验证，不需要完整 Agent 框架：

新建任意目录，放一个含 3 个以上函数的 TypeScript 文件。
调用你的模型，system message 用v0 Prompts and Tools/Prompt.txt中"角色定义 + Coding Guidelines"两段（约 50 行即可，别全量粘贴）。
tools 参数只保留GrepRepo和ReadFile两个工具定义，其余 8 个删掉。
提问："找出这个目录里所有以handle开头的函数，并说明各自作用。"

验收标准：

模型先调用GrepRepo（pattern 形如function\s+handle\w+）再逐文件ReadFile，而不是直接猜答案
输出中每个函数都带"文件路径 + 行号 + 作用说明"三要素
若某函数只有调用没有定义，模型如实说明而非编造位置

三条都满足，说明提示词和工具定义都接对了；只满足第一条，检查 required 字段是否完整；第一条就不满足，检查 system message 是否真的传进去了。

下一步建议

从Cursor Prompts/和Anthropic/Claude Code/Prompt.txt各挑一份与你当前提示词做 A/B 对比，固定 5 个测试问题打分
把Open Source prompts/下 Codex CLI 与 Cline 的提示词差异读一遍，重点看安全约束写法
给你的提示词建 git 分支管理，每次改动一个点、记录效果，避免"改了三处不知道哪处有用"
定期git pull同步仓库更新，厂商改提示词本身就是免费的行业情报

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考