低 VS 高上下文提示词对比：为何 “具体指令” 比 “模糊需求” 更有效

高效的AI Agent提示词需要提供完整、具体的上下文信息，而不是仅靠模型本身。

Augment Code 在X上的这组帖子强调：

• 大多数AI Agent 失败不是模型本身的问题，而是因为缺乏足够的上下文信息。

• 提示词（Prompt）要包含清晰的目标、相关文件、示例和具体约束，避免让 Agent“猜测”。

• 低上下文的提示词（如“为 chat backend 启用 JSON 解析器”）容易导致 Agent 选错文件、漏掉关键类或用错配置。

• 高上下文的提示词要提前回答 Agent 可能遇到的隐性问题，比如“去哪里找、还有什么相关、有没有可参考的例子、用户真正想做什么”。

• 示例要具体，比如“按照 text_processor.py 的模式为ImageProcessor 写测试”，而不是泛泛地说“写测试”。

• 工具、文件路径、推理过程和示例都能帮助 Agent 更好地完成任务。

• Agent 不需要“完美”的提示词，但需要“完整”的提示词。

• Augment Code 还推出了 Prompt Enhancer 工具，可以自动从代码库中提取上下文并优化提示词，已在 VS Code 和 JetBrains 插件中上线。