【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（费米估算）
继续分析了剩下的三个示例，其中剩下的第一个示例是个经典的费米估算问题，这类估算问题不需要读文件或调用工具，属于常识&数量级估算，AI 基于内置知识进行回答，可以测试 AI 的常识推理能力，接着分析了费米估算，是一种在信息有限，甚至毫无头绪的情况下，通过合理假设，逻辑分解和数量级估算，快速得出近似答案的思维方式，核心思想在于，把一个大而模糊的问题，拆解成若干小而可估的问题，再用常识和简单数学拼出答案，然后举了个费米提出的经典例子，并解释了费米估算的关键步骤与应用场景，最后总结了费米估算不追求精确，而强调逻辑清晰和结构化思维，能让人在信息不足时依然能行动，快速验证想法是否合理，下面继续分析
OpenCode
下面继续看剩下两个示例
- 基于目录内容的回答 ：用户第一轮问
src/目录下都有哪些文件，AI 假装运行了ls src/，并在[...]中写出看到的结果：foo.c，bar.c，baz.c，然后第二轮用户接着问哪个文件实现了foo功能，AI 会根据上一步看到的文件名，合理推断实现应该在src/foo.c，这里展示了 AI 通过结合工具调用 + 推理来回答依赖项目结构问题的能力 - 复杂任务（需多工具协同） ：这里的用户需求是为新功能写测试用例（很模糊的需求，需要上下文），在 AI 的思考中（
[...]里的内容），先用grep和通配符glob搜索项目中已有的测试文件位置，比如test/或__test__目录，并发读取多个相关文件后，了解测试风格和框架，再调用编辑文件工具，生成符合项目规范的新测试代码，这里[...]描述了 AI 应该分步行动的逻辑，体现了 AI Agent 的规划能力：先分解任务，再调用工具获取信息，最后执行操作
OK，下面看 OpenCode 给 AI Agent 主动性的行为准则
总体来看，其核心意思是告诉 OpenCode 客户端，可以主动做事情，但必须是在用户明确要求做某件事之后，如果用户只是问怎么做，就只能回答问题，禁止擅自执行操作，下面来逐条看下
- 首先第一句话就规定了：可以 be proactive（主动做做一些事情，比如自动编辑文件，运行命令等），但前提是用户明确让做这件事情，比如【帮我写一个函数】，【修复这个 BUG】，【创建一个 XXX 组件】等类似这样具有明确执行动作的提示词，而如果用户只是输入【怎么实现登录功能？】，【为什么这段代码编译报错？】这样没有明确执行动作的提示词时，只应该解释或建议，不能直接修改代码，或生成文件
- Not suprising，不能让用户感到惊讶（做了一些用户没让做的事情）
- 如果用户问的是如何做（how to），而不是替他做（do it for me），应该先给出思路，步骤，示例代码（作为说明），而不是直接操作项目文件 ，比如用户问【怎么用 Python 读取 CSV 文件】，只要回复
pandas.read_csv()示例即可，而不能直接帮用户创建读取 CSV 文件的脚本 - 当确实被用户要求修改或创建文件后，做完就停，不做解释或总结，除非用户要求解释，避免信息冗余，让用户完全掌控节奏，顺便也省点 tokens
最后举两个例子总结下
| 场景 | 用户输入 | 正确回应 | 错误回应 |
|---|---|---|---|
| 询问方法 | 如何在 React 中获取 URL 参数 | 可以用 useParams（React Router） 或 URLSearchParams |
我已为你在 App.js 中添加了参数解析代码（未经允许！） |
| 执行操作 | 创建一个 .gitignore 文件 |
（生成文件内容后停止） | 我已经创建了 .gitignore，它会忽略 xxx 文件的修改...（多余解释） |
给 OpenCode 主动性的行为规则总结一句话：问策略，就答策略，让动手，才动手，干完活，就闭嘴，这也是为了尊重用户的控制权，避免 AI 好心办坏事，比如在用户没准备好的时候就擅自改代码
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（代码修改规范）