【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】task 工具提示词（Slash command）（二）
分析了 Slash Command 是一长串复杂提示词的封装，本质是一个带有自动化剧本的智能工作流，在执行 Slash Command 时，AI 依然全程参与，从自由发挥切换到了按剧本办事的模式，可以从三个角度来理解：AI 是演员而不是导演（剧本里明确规定了，第一步，第二步，第三步应该干什么，此时，AI 依然在执行任务，需要动用模型推理能力去理解代码，分析逻辑，生成文本等，但它不再拥有自由裁量权，而是必须严格沿着预设的剧本走，所以，此时 AI 不会在后台静默的跑完，而是在用户面前，按照既定流程，一步步展示其思考和执行过程），Slash Command 是提示词封装而不是 Bash 脚本（Bash 脚本是纯逻辑代码，而 Slash Command 则通常是一段结构化的 Prompt 提示词），其交互模式有全自动和半自动（有些高风险的 Slash Command 会设计成交互式的，停下来等待用户确认，用户允许之后，再去真正动手），下面继续分析
OpenCode
下面继续看 Task 工具提示词
- 并发执行：只要有可能，就同时启动多个智能体，用单条消息包含多个工具调用来最大化性能，这里在提示 AI 打破线性思维，比如如果需要调研三个完全不想关的技术栈，完全可以在同一条回复里连续调用三次 Task 工具，分别派三个子 Agent 去并行干活
- 结果隔离与汇报：子智能体的返回结果对用户不可见，主 Agent 需要自己发一条文本消息，把结果总结给用户看，这确立了主 Agent 话事人的身份，子 Agent 在后台可能会输出几千行的代码比对，凌乱的终端日志或者复杂的推理草稿，这些草稿内容绝对不能直接展示给用户，防止污染主对话框（子 Agent 负责干苦力，主 Agent 负责写 PPT 汇报，主 Agent 必须把子智能体交上来的原始成果进程清洗和提炼，转换成用户能看懂，精简的总结，再通过普通的文本消息发给用户）
第三条提示词是这里技术含量最高的，揭示了子智能体的两种生命周期
-
Fresh Context：默认情况下，每次调用 Task 工具都是启动一个全新的智能体，因此主 Agent 交代的提示词必须极度详细，把背景，目标，输出格式等一次性交代清楚
-
Resume witch task_id：如果复用了上一次返回的 task_id，就能唤醒同一个子智能体，这个子 Agent 会记得之前的聊天记录和工具输出，这种情况适合那种需要多轮交互，逐步迭代的超长任务（比如开发一个完整的大型模块）
-
信任授权 ：提示词这里直接挑明，主 Agent 应该信任子 Agent 的输出，这也是在给主 Agent 减负，既然都已经把任务分派给子智能体去执行，就不应该在它交付上来的结果里反复横跳，疑神疑鬼，除非结果明显荒谬，否则不应该浪费宝贵的 Token 去重新审查子 Agent 的工作，应该相信专业对口的子 Agent 的能力
-
指明方向与验收标准：子 Agent 不知道用户的真实意图，所以主 Agent 必须明确告诉它是去写代码，还是只是去做调研，因为子智能体是一个被隔离的黑盒，看不见主 Agent 和用户之前的聊天记录，也不知道用户到底是想简单调研，还是需要上线功能，如果主 Agent 不明确说清楚，子 Agent 可能会在用户只想做调研的时候，主动把代码给改了；此外，在分派任务时，主 Agent 应该再说清楚验收标准，指令越精准，返工率越低
-
主动出击 ：如果描述里说应该主动，那就别等用户开口，主 Agent 应该自己看着办，这也是区分工具智不智能的分水岭，比如如果主 Agent 发现用户刚克隆了一个全新的 Github 仓库，虽然用户还没说话，但此时主 Agent 可以主动触发一个类似
/explain-project的子智能体去后台扫描代码结构，然后等用户开始问问题时，主 Agent 就已经把答案准备好了，所以优秀的 AI 不应该只是被动响应，而应该具备预判性，在用户意识到需要之前，把任务分派给子智能体去预热
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