从提示词到Agent工程:构建安全可控的AI工作流 ✍ Chasen🕐 2026-07-15📦 14.1 KB 🟢 已读 𝕏 文章列表 文章指出“提示词工程”并未消失,而是升级为“Agent工程”。随着模型能力增强,工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务,提出了基线检查、小步执行、实时纠偏等优化策略,并分享了实战案例及通用的Agents.md配置模板,强调建立明确的上下文和边界是Agent落地的关键。 Prompt工程AI工作流CodexClaude CodeMCP实战指南 # 一篇文章教你从写好提示词到管理好Agent -- 附赠 Agents.md **作者**: Chasen **日期**: 2026-07-15T02:30:25.000Z **来源**: [https://x.com/chasen_liao/status/2077219202608545835](https://x.com/chasen_liao/status/2077219202608545835) ---  “可以不用写提示词了?” 最近经常刷到这样子的言论, 最近大家也刷到了 OpenAI 官方的提示词教学,也看到 superpower 这类工作流 skills 会影响 GPT 5.6 系列的工作效果的帖子,那么不得不承认的是 模型越来越强大的今天,以前为了提升 Agent 工作效果的 skills 可能反过来干扰 Agent。那我们知道 Skills 当 Codex、Claude Code 这类 Agent 真正开始读文件、改代码、调用工具、跑测试时,“帮我把这个项目做完”远远不够。 它至少需要知道: - 目标是什么; - 上下文在哪里; - 允许访问哪些文件和工具; - 哪些操作禁止触碰; - 什么时候需要停下来问人; - 什么条件满足后才算完成。 这才是 AI 工作流真正进入“控制面”的信号。🤖 ## 提示词工程没有消失,只是从句子技巧升级成 Agent 工程 传统提示词关注的是:如何让模型一次回答得更好。 Agent 任务关注的是:如何让代理安全、稳定、可验证地把事情做完。 所以一个合格的 Agent 任务卡,至少应该包含: - 目标:最终要改变什么; - 上下文:相关仓库、文件、数据和已知问题; - 允许访问:可读路径、可改路径、可用工具; - 禁止事项:不要删除、发布、推送或修改哪些内容; - 执行方式:先分析,再计划,再分阶段实现; - 反馈机制:遇到范围变化、测试失败或高风险操作时暂停; - 完成标准:必须通过哪些检查,最终交付什么。 “帮我实现登录页面”太模糊。 把⬆️变成⬇️ “只修改 src/auth/ 和相关测试,先检查现有路由和 API 类型,不新增依赖,完成后运行 npm test,如果需要改公共接口先暂停确认”,这就已经很接近一张写给 AI 工程协作者的 issue。 ## Codex 展示的是一种新的工作方式 我觉得 Codex 最值得关注的地方,不只是它能写代码,而是它把 Agent 任务拆成了几个可控阶段: Ask / Plan:先理解代码库和问题; Execute:按计划修改; Steer:运行过程中及时纠偏; Verify:用测试、类型检查、lint 和 diff 验收; Queue:把临时想到的后续任务排队,不打断当前主线。 这意味着我们不应该再把 Agent 当成“提交 prompt 后等待答案的聊天机器人”。 更像是: 提出目标 → 代理规划 → 人确认方向 → 代理执行 → 阶段性检查 → 持续纠偏 → 最终验收  长任务的关键不是让模型一次性想完,而是让人始终看得见它正在做什么。 这个也有点类似于一个 Loop ,一个工作流 Loop ## 如何优化一套 Agent 工作流 1. 先把任务切小 不要一上来让 Agent “做完整个产品”。 把任务拆成定位问题、补测试、实现模块、运行验证、整理变更这类单一结果。任务越小,越容易发现它到底在哪一步走偏了。 2. 把稳定上下文写进 AGENTS.md 启动命令、测试命令、目录约定、不能修改的文件、历史坑点,都应该放进项目上下文。 本次任务的临时信息写在 prompt 里,长期有效的规则写进 AGENTS.md。 3. 让权限和任务范围匹配 读代码、改代码、执行本地测试、访问外部服务、发布或破坏性操作,应该是不同风险等级。 MCP 解决的是“如何接入工具”,不自动解决“工具应该做什么”。 工具白名单、读写分离、凭证轮换、调用日志和人工确认,才是 Agent 能否进入真实系统的基础。 4. 用阶段性验收代替最后一次验收 不要等 Agent 做完所有事情后才发现它从第一步就理解错了。 可以要求它按“分析 → 计划 → 实现 → 测试 → 总结”输出,每个阶段都留下可检查结果。 5. 用数据判断优化是否有效 每次优化只改一个变量,记录: - 首次完成率; - 返工和 Steer 次数; - 路径、工具、权限错误率; - token、费用、执行时长和人工审查时间。 如果只是把 prompt 写得更长,却没有降低返工和工具错误,就不算真正优化  ## 我的工具栈选择:不要给 GPT-5.6 叠加过重的工作流 最近社区里有一种说法:Superpowers 这一类强流程技能,可能会让 GPT-5.6 系列执行任务时变慢、消耗更多上下文,甚至让任务水平下降。 这件事目前不能写成已证实结论 我能从社区 issue,有人说报告阶段被跳过、审查代理被错误地并行调度;另一个 Codex issue 记录了 brainstorming 相关的重复循环 这些材料能说明技能编排和运行时之间可能存在兼容性问题,但不能单独证明“Superpowers 导致 GPT-5.6 变笨”。 不过从实际使用角度看,我会做一个明确取舍: 保留 grill-me。 在真正执行前,用它反复追问目标、范围、假设和验收标准,把计划想清楚。 删除或停用其他 Superpowers 自动串联技能。 不要让每一个小任务都被强制套上头脑风暴、写计划、TDD、调试、审查和收尾流程。这样很浪费 tokens ! 我会选择保留 subagent-driven-development 复杂任务仍然可以拆成多个边界清楚的子任务,让不同 Agent 分别处理,最后由主 Agent 统一整合和验证。 关键不是流程越多越专业,而是流程要和任务规模匹配。 改三行 CSS,不需要完整规格评审链。 跨模块迁移,才值得拆成多个子任务并设置质量门槛。 ## 一个直接用的 Skills 给 grill-me: 请先严格审查这个开发计划,不要写代码。 重点追问: 1. 目标是否可验证; 2. 上下文和文件范围是否清楚; 3. 是否遗漏依赖、风险和回滚方式; 4. 哪些步骤可以删除或合并; 5. 最终验收标准能否用测试或命令验证。 请持续追问,直到计划足够小、足够明确,再输出一版精简后的任务卡。 ## 实战:让 Agent 安全增加一个 GET /health 接口 第一步,先确认项目基线。 请只读检查当前仓库,不要修改文件。 输出: - 1. 框架和启动入口; - 2. 路由和测试文件位置; - 3. 安装、测试、类型检查和 lint 命令; - 4. 当前 git 工作区状态; - 5. 当前测试是否已经通过。 如果无法确认,请标记为“未确认”,不要猜。 第二步,只让 Agent 规划,不要立刻写代码。 目标:在现有 Node.js + TypeScript 服务中增加 GET /health 接口。 期望响应:HTTP 200,JSON 为 { "status": "ok" }。 约束: - 只修改路由实现和相关测试; - 不修改数据库、部署配置和无关模块; - 不新增依赖; - 不覆盖已有未提交修改。 完成标准: - 新增接口测试; - 相关测试通过; - 类型检查和 lint 通过; - 最后列出修改文件和未覆盖风险。 现在只分析仓库并给出实施计划,不要修改文件。 第三步,确认计划后再执行。 要求先写测试,再实现代码;每次只处理一个小步骤;如果需要扩大修改范围先暂停;完成后运行相关测试、类型检查和 lint。 第四步,实时纠偏。 如果 Agent 开始修改不相关文件,直接说: 暂停当前动作。你正在修改超出任务范围的文件。 回到 src/routes/ 和对应测试文件,只实现 /health 接口。 不要重构相邻模块,也不要新增依赖。 先说明接下来要修改的文件,再继续。 第五步,把验证结果当成最终交付物。 要求它报告: - npm test - npm run typecheck - npm run lint - git diff --stat - git diff --name-only 最终回答必须包含修改文件、执行命令、测试结果、接口请求和响应示例,以及没有验证到的边界情况。 这套方法的最小闭环是: 基线检查 → 规划 → 小步执行 → 实时纠偏 → 自动验证 → 人工审查  ## 最后我的判断是 “提示词工程已死”是一个伪命题 更准确的说法是:提示词工程正在从句子技巧升级为 Agent 工程。 过去我们优化的是一句话能不能让模型答对。 再到很多的工作流skills增强 Agent 思考, 现在我们设计的是一套任务能不能被代理安全地完成,会不会过多冗余的提示词。 对个人开发者来说,下一步不只是学习更多 prompt 技巧,而是准备四样东西: - 稳定的项目上下文; - 明确的工具边界; - 可重复的验证流程; - 允许人随时纠偏的交互界面。 模型会继续变强,但真正决定 Agent 能不能进入真实工作流的,往往是这些看起来没那么“智能”的控制细节。 最后我把我自己一直在使用的 Agents.md 分享给大家,大家可以直接使用: ``` # AGENTS.md 本文件为 AI Coding Agent 提供长期工作约定,适用于 Codex、Claude Code、Cursor 和 Antigravity。 ## 用户背景 - 姓名:【】 - 身份:【】 - 默认语言:简体中文 - 操作系统:【】 ## 工作原则 ### 1. 简单优先 用最小代码解决当前问题,不做投机性功能。 - 不添加未经请求的扩展功能。 - 不过度抽象,不预留没有现实需求的配置和接口。 - 能用 50 行清楚解决,就不要写成 200 行的复杂方案。 - 如果方案显得过度设计,主动删减并说明取舍。 ### 2. 精准改动 只修改完成任务所必需的内容,保持现有项目风格。 - 不顺手重构相邻的正常代码、注释或格式。 - 保留用户已有的未提交修改,不覆盖、不回滚、不擅自清理。 - 删除本次改动产生的孤儿函数、废弃分支和无用依赖。 - 发现历史遗留问题时只报告,不越界修改,除非用户明确要求。 ### 3. 结果验证 把任务转化为可检查的目标,并形成独立的验证闭环。 - 新增功能:先补充关键行为或无效输入测试,再实现代码。 - 修复 Bug:先写出能稳定复现问题的失败测试,再修复。 - 完成后运行与改动相关的测试、类型检查、lint 或构建命令。 - 最终说明修改文件、执行命令、验证结果和未覆盖风险。 ### 4. 按任务规模使用流程 - 单行文案、简单查询和小范围修改:直接处理,不强行写计划。 - 多文件、多步骤或有架构影响的任务:先给出带文件路径的实施计划。 - 复杂任务的每一步都应能独立执行和验证。 - 只有在子任务边界清楚、依赖关系明确时,才拆分并行开发。 ### 5. 回答方式 - 结论先行,表达清晰、直接、有依据。 - 涉及代码、架构或调试时,说明关键判断和取舍。 - 不确定时明确写出假设、风险和验证方式。 - 不编造不存在的 API、文件、测试结果、链接或事实。 ## 工作边界 - 未经明确授权,不提交、推送、发布、发送消息或公开内容。 - 涉及删除、覆盖、大规模移动或重命名时,先确认范围。 - 时效性事实先核验来源;无法核验时标注不确定,不把传闻写成事实。 - 用户明确要求优先于本文件中的偏好;平台安全规则和权限边界始终有效。 > 元规则:这些约定服务于结果,不是必须逐条执行的仪式。简单任务保持轻量,复杂任务才增加计划、拆分和验证 ``` 参考资料: OpenAI Prompting fundamentals https://openai.com/academy/prompting/ OpenAI:How OpenAI uses Codex https://openai.com/business/guides-and-resources/how-openai-uses-codex/ OpenAI:Working with ChatGPT Codex https://openai.com/academy/working-with-codex/ OpenAI Codex Manual:AGENTS.md https://learn.chatgpt.com/docs/agent-configuration/agents-md.md Google:Expanding Managed Agents in Gemini API https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/ Google:Gemini API Docs MCP and Agent Skills https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-docsmcp-agent-skills/ 社区 issue: https://github.com/obra/superpowers/issues/1463 https://github.com/openai/codex/issues/21786 #AIAgent #VibeCoding #Codex #MCP ## 相关链接 - [Chasen](https://x.com/chasen_liao) - [@chasen_liao](https://x.com/chasen_liao) - [1.2K](https://x.com/chasen_liao/status/2077219202608545835/analytics) - [https://openai.com/academy/prompting/](https://openai.com/academy/prompting/) - [https://openai.com/business/guides-and-resources/how-openai-uses-codex/](https://openai.com/business/guides-and-resources/how-openai-uses-codex/) - [https://openai.com/academy/working-with-codex/](https://openai.com/academy/working-with-codex/) - [https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/](https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/) - [https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-docsmcp-agent-skills/](https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-docsmcp-agent-skills/) - [https://github.com/obra/superpowers/issues/1463](https://github.com/obra/superpowers/issues/1463) - [https://github.com/openai/codex/issues/21786](https://github.com/openai/codex/issues/21786) - [#AIAgent](https://x.com/search?q=%23AIAgent&src=hashtag_click) - [#VibeCoding](https://x.com/search?q=%23VibeCoding&src=hashtag_click) - [#Codex](https://x.com/search?q=%23Codex&src=hashtag_click) - [#MCP](https://x.com/search?q=%23MCP&src=hashtag_click) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [10:30 AM · Jul 15, 2026](https://x.com/chasen_liao/status/2077219202608545835) - [1,285 Views](https://x.com/chasen_liao/status/2077219202608545835/analytics) --- *导出时间: 2026/7/15 21:49:38*
我 我把 TikTok 运营塞进了 Codex:选品、拆账号、找达人,一句话跑完整个流程 作者将 TikTok 运营工作流封装成 Codex Agent Skill,结合达人精灵 MCP 数据,实现选品、账号诊断、类目研究和增长规划的自动化。文章详细介绍了四个核心技能的安装、配置及具体 Prompt 使用方法,解决了 AI 运营中的幻觉与流程混乱问题。 技术 › Agent ✍ Aron厚玉🕐 2026-07-28 TikTok运营CodexSkillMCP自动化选品达人营销Agent技能工作流数据分析
2 2026最强 AI 组合之一:Codex + Figma,不会代码也能做产品! 本文介绍了 Codex 与 Figma 结合的 AI 产品开发工作流。通过 Figma MCP 连接两者,实现了从需求梳理、设计生成到代码开发及浏览器验证的闭环。文章详细讲解了如何利用 Codex 进行需求分析和代码编写,以及如何在 Figma 中进行双向协作与设计评审,大幅降低了产品原型开发的门槛。 技术 › Codex ✍ 云析🕐 2026-07-28 AI产品开发FigmaCodexMCP前端开发设计工作流
T The Graph Engineering Setup Guide 本文介绍了图工程如何为Agent提供复合记忆。通过双时态模型和MCP配置,Claude可获得持久的图记忆,相比向量搜索,多跳任务准确率提升36-46%,幻觉减少40%以上。 技术 › Agent ✍ darkzodchi🕐 2026-07-24 Graph EngineeringGraph RAGMemoryMCPClaude CodeNeo4jKnowledge GraphAgent
内 内置全网最全 Codex 做 PPT 手把手教程 本文介绍了使用 Codex 制作 PPT 的教程,适合小白用户,提供了多种业务场景的提示词,并建议搭配 Codex plugins、MCP 和 skills 提升效果。 技术 › Codex ✍ Tom Huang🕐 2026-07-23 PPTCodex教程AI业务场景插件MCP技能
从 从搜索词到内容发布:小红书自动化获客流水线搭建教程 本文详细介绍了如何利用 Codex、飞书多维表格和 TikHub 搭建小红书内容获客自动化流水线。文章强调了“先明确用户画像、再寻找痛点关键词、最后进行内容生产”的正确顺序,避免盲目生成无效内容,并提供了从选题挖掘到自动发布的完整工作流。 技术 › Agent ✍ aix阿乐🕐 2026-07-23 自动化小红书Codex获客内容营销TikHub飞书AI工作流用户画像SEO
从 从选题到写作再到发布,我把几十个 skill 串成了一条自动流水线 作者分享了自己如何利用 Hermes、Codex 和 Claude 中的数十个 Skill,搭建了一条从素材抓取、选题分析、风格润色到图文排版的内容自动生成流水线。文章详细介绍了自动化流程的设计思路、遇到的痛点以及如何通过拆分 Prompt 保持文风一致性,同时也反思了人机协作中人工审核与决策的重要性。 技术 › Skill ✍ 得否🕐 2026-07-23 自动化工作流AI写作AgentHermesCodexClaude效率工具内容生产prompt工程人机协作
如 如何在 Claude Code 中集成 Kimi K3 以降低成本 文章指出在 Claude Code 中使用昂贵模型处理基础任务是浪费。作者介绍了三种方法将 Kimi K3 集成到工作流中:使用 Kimi Code、通过 CC Switch 在 Codex 中配置 K3,或使用 Codex Orchestration 插件进行角色级路由。通过将繁琐的代码实现交给便宜的 K3,仅将推理留给高级模型,可在保持质量的同时将成本降低 10 倍以上。 技术 › 工具与效率 ✍ Rahul🕐 2026-07-21 Claude CodeKimi K3Cost OptimizationCodexCC SwitchLLMRoutingDevToolsAI Coding
C Codex 插件与技能选择指南 文章针对 Codex 代码助手,汇总了社区热门的插件和技能。详细介绍了 Plugin、Skill 和 MCP 的区别,评测了 Superpowers、grill-me、Context7、Firecrawl 等工具的上手难度与实用性,并根据不同开发需求提供了具体的安装建议。 技术 › Codex ✍ 猫老板🕐 2026-07-20 Codex插件技能MCP开发工具代码辅助测评SuperpowersContext7Remotion
如 如何构建你的第一个 AI 智能体团队 文章介绍了如何利用 Claude Code、Codex 和 Hermes 三个引擎,在 Raft 共享工作空间中构建一个包含获客、内容、销售、交付和财务五个职能的 AI 智能体团队。通过赋予智能体持久身份、累积记忆和互评机制,解决单点助理的瓶颈,实现自我改进的自动化工作流。 技术 › Agent ✍ Machina🕐 2026-07-19 Agent团队构建AI工作流RaftClaude Code自动化多智能体协作
如 如何用 Obsidian 和 Claude 构建永久记忆系统 文章介绍了一种结合 Claude Desktop 和 Obsidian 的 AI 工作流,通过构建本地知识库和配置 MCP,实现一次输入、永久记忆。这不仅解决了重复向 AI 解释背景的痛点,还能自动整理笔记、链接知识,并通过定时任务实现信息管理的自动化。 技术 › 工具与效率 ✍ kai🕐 2026-07-19 ObsidianClaudeAI工作流知识管理自动化MCP提示词个人知识库生产力工具
A AI 教程红利已死,工作流红利还活着 文章指出,单纯学习AI工具教程的红利已结束,因为供给爆炸且工具迭代快。真正的红利在于建立个人工作流,将工具融入生产系统并稳定输出结果。作者提出三层剥皮分析,建议戒掉收藏、党派思维等习惯,并通过7天实战将单点技能转化为可复用的SOP流程。 技术 › Agent ✍ Kelvin🕐 2026-07-19 AI工作流Agent效率提升方法论SOPClaudeCursor个人成长实战指南
从 从 Claude Code 迁到 Codex,要关心的不止是配置 本文记录了从 Claude Code 迁移到 Codex 的过程。虽然 Codex 能自动识别并导入配置,但 Command 需手动改为 Skill,CLAUDE.local.md 也需单独处理。作者建议保留 Claude Code 用于深度推理,Codex 用于项目开发,无需二选一。 技术 › Claude Code ✍ Niko爱学习🕐 2026-07-15 Claude CodeCodex迁移SkillAgent配置开发工具