• 基于项目上下文和历史对话，为用户输入添加必要的背景信息 • 结合代码库知识，提供更精确的技术术语和概念
3. 内容分类和提炼
• 自动识别用户输入的意图类型（如代码生成、问题解答、重构建议等） • 根据不同类型应用相应的优化策略
示例
1️⃣ 提示标准化
你的原始输入：
帮我写个函数
AI收到的实际指令：
作为一个专业的软件开发助手，请基于以下用户输入提供准确的技术建议：
用户问题：帮我写个函数
请在回答时考虑：
1. 代码的可读性和维护性
2. 性能优化的可能性
3. 安全性最佳实践
4. 与现有代码库的兼容性
请提供具体的代码示例和详细的解释。看到区别了吗？你随口一句话，AI接收到的却是一个结构化、专业化的技术需求！这就像是给AI配了个"翻译官"——把你的大白话翻译成AI最容易理解的"专业术语"。
2️⃣ 上下文增强
它还能"读懂"你的项目环境。就像一个新来的同事，不仅要听懂你的需求，还要了解公司的技术栈、编码规范、项目背景...
看个实际例子：
你问："如何处理数据库连接？"
普通AI可能会给你一堆通用的数据库连接教程。
但经过上下文增强后，AI收到的是：
基于当前 Java Spring Boot 项目上下文，请分析以下需求：如何处理数据库连接？
项目背景：
- 使用 Spring Boot 2.7+ 框架
- 集成 JPA 和 MySQL 数据库
- 遵循 RESTful API 设计规范
- 采用分层架构模式
请提供符合项目架构的解决方案...这样AI就能给出针对你具体项目的专业建议，而不是泛泛而谈的通用方案！
3️⃣ 内容分类提炼
这是最智能的部分——AI能自动识别你的意图类型！
是想生成代码？还是修复bug？或者是性能优化？不同的需求，AI会采用不同的"回答策略"。
分类逻辑示例：
// 智能分类机制（简化版）
if(userInput.contains("写") || userInput.contains("生成")) {
// 代码生成模式：强调完整性和规范性
returncodeGenerationTemplate;
}elseif(userInput.contains("错误") || userInput.contains("bug")) {
// 问题诊断模式：重点分析原因和解决方案
returnbugFixingTemplate;
}场景1 - 代码生成：
• 你说："写个排序算法" • AI理解为："代码生成请求，需要提供完整可运行的代码，包含注释和错误处理"
场景2 - 问题诊断：
• 你说："程序报NullPointerException" • AI理解为："问题诊断请求，需要分析根本原因，提供修复步骤和预防措施"
这就像是给AI装了个"读心术"——它能根据你的话判断你真正想要什么！
源码剖析
重写提示词的核心代码部分，其实没啥好讲，但是我喜欢收集放在文章里面，不喜欢可以跳过~
核心内容：
• FeatureFlagManager.promptEnhancerEnabled()方法详解• AugmentWebviewChatServiceImpl.applyClassifyAndDistillPrompt()核心实现• ChatInitializeResponseData配置字段分析• memoriesParams和classify_and_distill_prompt配置机制• 数据流转和处理逻辑
AugmentWebviewChatServiceImpl.applyClassifyAndDistillPrompt() 方法
方法签名和核心实现
// 文件: com/augmentcode/intellij/chat/AugmentWebviewChatServiceImpl.java
privatefinalbooleanapplyClassifyAndDistillPrompt(
ChatUserMessageRequest request,
ChatRequest chatRequest
){
// 1. 获取特性标志管理器
FeatureFlagManagerfeatureFlagManager=FeatureFlagManager.Companion.getInstance();
// 2. 获取记忆参数配置
StringmemoriesParams=featureFlagManager.memoriesParams(true);
JsonObjectmemoriesParamsJson=(JsonObject)(newGson()).fromJson(memoriesParams, JsonObject.class);
// 3. 提取分类和提炼提示模板
JsonElementvar10000=memoriesParamsJson.get("classify_and_distill_prompt");
StringclassifyAndDistillPrompt=var10000 !=null? var10000.getAsString() :null;
// 4. 验证模板有效性
if(classifyAndDistillPrompt ==null|| classifyAndDistillPrompt.length() ==0) {
logger.error("Classify and distill prompt missing.");
returnfalse;
}
// 5. 应用模板到主消息
StringuserText=request.getData().getText();
chatRequest.message = StringsKt.replace$default(
classifyAndDistillPrompt,
"{message}",
userText,
false,4, (Object)null
);
// 6. 处理节点内容（如果存在）
if(request.getData().getNodesCount() >0) {
// 遍历所有节点，对文本节点应用重写
for(ChatRequestNode node : request.getData().getNodesList()) {
if(node.getType() == ChatRequestNodeType.TEXT.getNumber() && node.hasTextNode()) {
// 重写文本节点内容
ChatRequestTextupdatedTextNode=node.getTextNode().toBuilder()
.setContent(StringsKt.replace$default(
classifyAndDistillPrompt,
"{message}",
node.getTextNode().getContent(),
false,4, (Object)null
))
.build();
// 更新节点
ChatRequestNodeupdatedNode=node.toBuilder()
.setTextNode(updatedTextNode)
.build();
}
}
}
returntrue;
}// 核心处理流程
publicbooleanenhancePrompt(ChatUserMessageRequest request, ChatRequest chatRequest){
try{
// 1. 获取优化模板
Stringtemplate=getEnhancementTemplate();
// 2. 提取用户输入
StringuserInput=request.getData().getText();
// 3. 模板替换
StringenhancedPrompt=template.replace("{message}", userInput);
// 4. 更新请求
chatRequest.message = enhancedPrompt;
returntrue;
}catch(Exception e) {
// 异常时使用原始输入，确保功能稳定性
returnfalse;
}
}
// 配置更新不阻塞主流程
@Async
publicCompletableFuture<Void>updateConfigurationAsync(){
returnCompletableFuture.runAsync(() -> {
// 后台更新配置，用户无感知
updateLatestConfiguration();
});
}
实际应用示例
示例1：Java 开发场景
用户原始输入：
我的SpringBoot应用启动很慢，怎么优化？
系统处理过程：
1.特性标志检查： promptEnhancerEnabled(true)→true2.配置获取：从 memoriesParams获取优化模板3.意图分类：识别为"性能优化"类型 4.模板应用：使用性能优化专用模板
最终重写结果：
基于 Spring Boot 项目的性能优化分析请求：我的 Spring Boot 应用启动很慢，怎么优化？
项目上下文：
- Spring Boot 2.7+ 框架环境
- JVM 性能调优需求
- 生产环境部署考虑
请提供系统性的优化方案：
1. 启动时间瓶颈分析方法
2. 具体的配置优化建议
3. JVM 参数调优策略
4. 监控和测试验证方法
5. 预期性能提升效果评估
请包含可执行的优化步骤和相关代码示例。重写前后对比
| 明确性 | ||
| 上下文 | ||
| 质量要求 | ||
| 输出格式 |
功能在这~
🤔 写在最后
Rewrite Prompt 技术的魅力就在于此——看似复杂的问题，往往有着优雅简洁的解决方案。
最关键的是，这一切都是透明的——你还是用原来的方式跟AI对话，但得到的却是质量提升60%的专业回答！
一个 Rewrite Prompt 就能让AI的理解能力提升一个档次。这种"四两拨千斤"的设计思路，真的值得我们(Curosr)学习。 :tieba_025:
不是我说，虽然类似的Cursor也有，那就是在git上面也有一个，但是人家augment直接移到用户输入框，还结合自己代码库和窗口上下文一起，虽然有时候其实生成的不太符合或者不是很完美，但也八九不离十，自己改一改新的提示词，再不济拿来参考一下，简简单单就能让AI翻倍提升理解，何乐不为呢。