生成明确代码任务：指定函数名、参数类型、返回格式、运行环境（内置模块）、工具调用条件、状态变量引用、内联断言及输入输出样例，仅输出可执行代码，无解释、无包裹、无空行。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
写 AgentSpace 的代码生成提示词，核心是让 Agent 明确“要生成什么代码”“在什么环境运行”“遵循什么规范”，同时适配 AgentSpace 的执行机制（如工具调用、上下文感知、多步推理）。
明确任务边界与输出格式
AgentSpace 中的 Agent 通常依赖结构化输入触发动作，提示词必须清晰定义输入参数、预期输出结构和终止条件。
- 避免模糊表述如“写一个函数”——应写成“生成一个 Python 函数，接收 dict 类型参数 data，返回 str 类型的 JSON 格式响应，函数名为 format_user_profile，不包含示例调用或注释”
- 强制指定输出格式：例如要求“仅输出可直接执行的代码块，不加任何解释、不加 ```python 包裹、不加空行”，因为 AgentSpace 可能将多余文本误判为指令或日志
- 若需多文件或模块结构，用缩进或标记说明层级，如：# FILE: utils/validator.py → 后跟对应代码
绑定 AgentSpace 运行上下文
AgentSpace 的 Agent 往往在受限沙箱中运行，提示词需主动适配其能力边界。
Rydberg Agent Node
下载
使用一条命令部署ProbeChain Rydberg测试网代理节点。自动注册为Agent(NodeType=1)，免gas，支持macOS/Linux/Windows。触发词：/r
- 注明可用库：如“仅使用内置模块（json, re, datetime），不可 import requests 或 numpy”
- 提示工具调用方式：若需调用 AgentSpace 提供的工具（如 run_shell、read_file），应在提示词中预留占位并说明触发逻辑，例如：“当检测到 input 中含 'path=' 字样时，调用 read_file 工具读取该路径，并基于内容生成校验逻辑”
- 声明状态依赖：如“上一步已将配置字典存入变量 config_ctx，本步代码须直接引用该变量，不可重新加载”
嵌入轻量验证逻辑
减少人工校验成本，让 Agent 主动保障基础正确性。
- 要求内联断言：例如“在函数末尾添加 assert isinstance(result, str) and result.startswith('{')”
- 指定典型输入输出对：如“测试用例：input = {'name': 'Alice', 'age': 30} → output 应为 '{"status":"ok","code":200}'”
- 禁止硬编码敏感值：加约束“所有 API key、路径、端口号必须以变量形式传入，不得出现在代码字面量中”
适配 AgentSpace 的迭代风格
AgentSpace 常通过多轮交互完善代码，提示词应支持渐进式生成。
- 首次提示聚焦骨架：如“先生成函数签名、参数校验、空返回体，不实现业务逻辑”
- 后续提示聚焦补全：如“在上一版基础上，在 # IMPLEMENT HERE 注释处插入字符串拼接逻辑，使用 f-string，保留原有缩进”
- 用关键词引导 Agent 注意力：如“请严格比对上一轮输出的第 7 行，确保本版中 handle_error 分支仍调用 log_exception()”
