尧图网站建设 
提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载本文基于开源仓库 GPTsREADME.md 收录的泄露 GPT 提示词合集中的 prompts/Agi.zip.md 展开。Agi.zip 是 mindgoblinstudios.com 出品的SQL 任务管理器 自动 GPT它把 SQLite 内存数据库、任务规划、技能库与热键交互系统整合进一份系统提示词实现了带持久记忆的多轮任务驱动 Agent。读完本文你将掌握其 memory.sqlite 数据模型、任务规划循环、WASD 热键交互与 Skill Library 技能检索机制并能在自己的 GPT 或 Agent 中复刻这套内存驱动 热键操控的架构。一、Agi.zip 是什么一个以 SQLite 为核心的自动 GPT在 prompts/Agi.zip.md 中Agi.zip 的定位被一句话点明An sql based task manager and automatic GPT基于 SQL 的任务管理器与自动 GPT由 mindgoblinstudios.com 制作。与仓库中其他任务类提示词如 prompts/BabyAgi.txt.md 的读 Todo.txt 文本文件、prompts/Executive f(x)n.mdn.md) 的把大任务拆成可执行步骤相比Agi.zip 的核心差异在于以 SQLite 数据库memory.sqlite作为唯一事实来源而不是文本文件或纯对话上下文任务、对话历史、技能全部结构化存储具备数据模型Schema具备**递归摘要recursive summary**机制解决长对话记忆压缩问题通过Python/Jupyter 代码工具直接读写数据库任务可持久化、可衰减、可回溯。仓库 README.md 将本仓库定位为 leaked prompts of GPTsGPT 提示词泄露合集因此本文解析的对象是 Agi.zip 这份系统提示词本身并以仓库内同作者、同类型提示词作横向佐证。二、memory.sqlite 数据模型三张核心表的设计提示词的第 1 步指令要求use tool python write code jupyter query memory.sqlite, create if needed即每次会话启动时用 Python 写代码、通过 Jupyter 环境查询memory.sqlite不存在就创建。随后给出了完整的 Schema 定义Schema * Tasks * Subtasks * dependencies * ChatHistory * summary * recursive summary * Skills * Command * Description * Code? * Prompt?这是全篇的地基可拆解为三张核心表1. Tasks任务表任务表包含两级粒度任务Tasks与子任务Subtasks并通过dependencies依赖关系表达任务间的先后约束。主任务用于承载用户的目标级工作项子任务用于把主任务拆成可执行的最小步骤依赖字段用于表达B 依赖 A 完成这类拓扑关系是任务自动排序的前提。从设计意图推断该表需要至少包含任务 ID、标题/描述、状态未开始/进行中/完成、优先级、创建时间、完成时间、依赖外键等字段。提示词后续的衰减旧任务decay old tasks逻辑也暗示任务表应携带时间戳与优先级字段以便按新鲜度与重要度重排。2. ChatHistory对话历史表对话历史表存储两个关键字段summary单轮/分段的对话摘要recursive summary递归摘要——对摘要再摘要形成层级压缩的长期记忆。递归摘要的价值在于当对话极长时模型上下文窗口装不下全部原始内容通过摘要→摘要的摘要逐级压缩可以在保留关键信息的同时控制 token 消耗。每一次会话的结尾第 2 步指令update memory.sqlite tasks history都会把本轮对话写入该表。3. Skills技能表技能表是 Agi.zip 最具特色的部分字段设计如下字段含义Command技能触发命令对应热键系统中的命令词Description技能功能描述供检索匹配使用Code?可选该技能对应的可执行代码Prompt?可选该技能对应的提示词片段Code 与 Prompt 二选一或并存意味着技能既可以是一段可直接执行的 Python 代码也可以是一段注入上下文的提示词。这张表配合第 4 步的xk保存新技能与lSkill Library 检索热键构成了一套可学习的技能扩展系统。落地示例示意依据 Schema 推导提示词只给出表名与字段未给出 DDL。一种与 Schema 描述一致的最小落地 SQL 可以是CREATE TABLE IF NOT EXISTS Tasks ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, description TEXT, status TEXT DEFAULT pending, -- pending / in_progress / done priority INTEGER DEFAULT 0, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, due_at TIMESTAMP, parent_task_id INTEGER REFERENCES Tasks(id), -- Subtasks depends_on INTEGER REFERENCES Tasks(id) -- dependencies ); CREATE TABLE IF NOT EXISTS ChatHistory ( id INTEGER PRIMARY KEY AUTOINCREMENT, summary TEXT, recursive_summary TEXT, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE IF NOT EXISTS Skills ( id INTEGER PRIMARY KEY AUTOINCREMENT, command TEXT UNIQUE, description TEXT, code TEXT, -- Code? prompt TEXT -- Prompt? );说明以上 DDL 是基于提示词 Schema 字段名的合理推断示例实际运行以 GPT 代码解释器按需生成的表结构为准。三、运行主循环intro → update → plan/prioritize → coach提示词把 Agent 的每次响应组织为一个四段式主循环这是整个系统的运行时第 1 步intro开场即记忆intro: list tasks, mem recap每次会话开场Agent 必须列出当前全部任务query Tasks 表给出记忆回顾mem recap查询 ChatHistory 的递归摘要用一句话概括此前进度。这意味着每一次对话都不是从零开始而是先加载数据库中的任务与历史摘要再进入正文。第 2 步更新 memory.sqlite 并做任务规划update memory.sqlite tasks history写入本轮新任务与对话历史后进入分支逻辑If tasks 0 Plan tasks subtasks think step-by-step describe a plan for what to, written out in great detail else prioritize tasks, decay old tasks update list任务数为 0进入规划模式。要求step-by-step 思考写出极其详细的计划把目标拆成任务与子任务然后写入 Tasks 表已有任务进入执行模式。重新按优先级排序任务并对旧任务做衰减decay——长期未推进、优先级自然下降的任务会被降权避免陈旧目标一直霸占队列顶部随后clarify澄清先确认需求最后coach/encourage/guide/lead/assist教练式引导帮助用户走通计划与第一步——不只是给出计划而是陪同用户完成第 1 步这与 prompts/Executive f(x)n.mdn.md) 中把大任务拆成非常小的前三步如走到厨房→戴手套→拿洗洁精的动机设计同源。三步循环的时序阶段动作数据流向intro查询任务 记忆回顾memory.sqlite → 上下文update写入本轮任务与历史上下文 → memory.sqliteplan/execute无任务则规划有任务则重排与衰减读写 Tasks / ChatHistory这套循环保证任何时刻任务队列与历史摘要都是上一轮已持久化的状态Agent 具备跨会话的连续性这正是自动 GPT的含义所在。四、热键系统WASD 交互与隐藏指令层Agi.zip 把交互设计成了类游戏手柄的热键体系这是全篇信息密度最高的部分。1. 显示格式约定cmd : previewPrompt所有热键都以命令 : 预览提示词的格式展示让用户先看到按某个键会触发什么再决定是否执行。2. 核心热键WASD热键含义说明wcontinue, yes继续 / 确认推进当前方案acompare 3 alt approaches对比 3 种替代方案发散思考sundo, no撤销 / 否定回退上一步drepeat prev重复上一次操作这四个键构成了最基本的前进 / 发散 / 回退 / 重放操作闭环与 prompts/BabyAgi.txt.md 的w/s/ad热键advance / slow down / change vibe在精神上一脉相承可见这是 mindgoblin 系提示词的通用交互范式。3. 隐藏热键默认隐藏按 k 揭示以下命令默认不显示只有用户按下k之后才展示完整清单热键功能qhelp me build my intuition递归提问检查理解帮用户建立直觉eexpand展开更多细节ffast更快、更少细节jstep by step subtasks按子任务逐步执行g写出 3 个 Google 搜索查询 URLSoS3 个 Stack Overflow 搜索mmemory.sqlite 数据库客户端直接操作数据库ttasks查看任务列表ccurriculum基于探索多样化事物、学习新技能创建 2-3 个支线任务pprintDB打印整个数据库x写代码保存 memory.sql、任务、消息zip 所有文件提供 http://agi.zip 与 /mnt/data 下载链接xk保存新技能写入 Skills 表其中值得展开的几点g/SoS是联网式发散把搜索行为参数化为热键用户不必输入完整查询按一个键即可得到 3 条 Google 或 Stack Overflow 搜索 URL适合研究型任务c是课程式支线任务不只是完成任务还会主动创建 2-3 个探索性支线任务来扩展用户的知识面属于学习型 Agent 设计m/p暴露数据库操作入口用户可以直接查看、甚至操作 memory.sqlite透明可审计x是全流程导出把数据库、任务、消息打包为 zip 并提供下载链接与 prompts/Gif-PT.md 中Always include a download link的产物交付习惯一致后者要求 GIF 生成后必须附下载链接。4.k揭示全部隐藏热键 WASDv2按k后展示全部隐藏热键 WASDv2。WASDv2 推测为进阶版 WASD在基础四键上叠加更多变体提示词未展开其具体定义这里不做过度解读。五、Skill Library基于 SQL 检索的技能库l热键定义了技能库Skill Library的完整工作流共四步l: Skill Library { queries 3 memory.db best skill show 3-5 Skill command list results Assistant responds to prompt like a user message run code tools }查询从memory.db即 memory.sqlite中检索最匹配的 3 个技能——结合 Skills 表的 Command / Description 字段做匹配展示列出 3-5 条技能命令清单含描述响应Agent 把技能当作一条用户消息来响应即技能 Prompt 直接注入当前上下文执行运行代码工具执行技能的 Code 部分。这套机制把技能做成了数据库中的可检索实体配合第 4 步热键中的xk保存新技能形成使用→沉淀→检索→再使用的技能闭环xk 保存新技能 ──→ Skills 表Command/Description/Code/Prompt │ ▼ l 技能库检索 ──→ 命中 3 个最佳技能 → 注入上下文 → 运行代码六、消息结尾的固定输出模板提示词要求每条 assistant 消息的末尾都必须展示At end of assistant message display WASD top 3 suggested hotkeys/skills, use markdown emoji plus z: 1 crazy suggestion, genius idea, wildcard Z即展示 WASD 四个核心键w/a/s/d展示推荐的 3 个热键/技能从 Skills 表按上下文推荐是 Skill Library 的轻量版使用 Markdown 与 emoji 排版提升可读性额外附带z通配符给出 1 条疯狂建议 / 天才想法——这是整个系统的发散性出口防止 Agent 过于循规蹈矩。这一设计把每轮都要让用户有下一步动作选项变成了硬性输出约定与 prompts/Cauldron.md 中每条消息末尾展示 3-4 个随机热键、prompts/Bake Off.md 中K 展示所有热键菜单的交互规范属于同一家族可见 mindgoblinstudios.com 的 GPT 产品普遍采用热键菜单 角色化语气的统一交互语言。七、Agi.zip 架构的可复用设计启示综合全篇Agi.zip 的系统提示词实际上描述了一套可复用的 Agent 架构模板拆解如下1. 数据库即记忆Memory as Database把任务、历史、技能从对话上下文外移到 SQLiteAgent 的状态不再依赖 token 上下文窗口而是显式持久化。这是解决长会话记忆问题的一种工程化思路。2. 任务生命周期管理规划tasks0 时→ 排序prioritize→ 衰减decay→ 依赖dependencies→ 子任务subtasks构成完整的任务队列治理闭环。3. 双模式交互显式热键 隐藏热键WASD 四键常驻降低用户认知负担k揭示隐藏层避免首屏信息过载属于渐进式披露progressive disclosure的提示词实践。4. 技能可扩展Skills 表 xk保存 l检索 末尾推荐让 Agent 的能力可以在运行中持续生长。5. 产物交付闭环x热键把数据库与消息打包成 zip 提供下载/mnt/data呼应了仓库内 prompts/Gif-PT.md、prompts/Cauldron.md 等同作者产品代码解释器产物必须给出下载链接的通用要求。复刻清单适用于自建 GPT 或 Agent在系统提示词中声明memory.sqlite的 SchemaTasks / ChatHistory / Skills 三表编写 Python/Jupyter 引导代码启动时CREATE TABLE IF NOT EXISTS并按需查询固定每轮输出格式intro 记忆回顾 → 更新数据库 → 任务规划分支 → 末尾 WASD 推荐热键 z 通配符热键清单用cmd : previewPrompt格式呈现隐藏热键由k揭示为 Skills 表保留 Command / Description / Code / Prompt 四字段支撑检索与执行。结语Agi.zip 是用一份系统提示词把数据库、任务队列、技能库和热键交互粘合在一起的典型样本。仓库 prompts/Agi.zip.md 完整保留了这份提示词原文而仓库内同作者的 prompts/BabyAgi.txt.md、prompts/Executive f(x)n.mdn.md)、prompts/Cauldron.md、prompts/GPT Shop Keeper.md 等提示词则提供了更广的参照系。无论你是在构建自己的任务型 GPT还是想研究内存驱动 热键操控的 Agent 交互范式这套以 SQLite 为中心的设计都值得直接借鉴——它证明了提示词也可以拥有数据模型、状态管理和可扩展能力。赞分享提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载相关推荐PromptX框架深度解析AI提示词管理的架构设计与核心原理PromptX框架深度解析AI提示词管理的架构设计与核心原理 PromptX是一个模式驱动的AI提示词管理框架它通过元提示词技术让开发者能够快速构建领域专用人工智能大模型AI 应用提示工程MCP 服务AI 插件OpenHuman Task Manager Agent 深度解析todo 任务板、主动任务源与工作流包的系统提示词设计OpenHuman Task Manager Agent 深度解析todo 任务板、主动任务源与工作流包的系统提示词设计 导读 本文围绕 OpenHuman人工智能AI 应用本地部署AI Agent交互助手深度研究Teleport Agent 自动更新Agent Managed Updates深度解析基于 RFD 0184 的架构设计与实现Teleport Agent 自动更新Agent Managed Updates深度解析基于 RFD 0184 的架构设计与实现 导读 本文以 Tele网络安全认证鉴权运维后端上一篇P3 Wine Quality Prediction - Keras Ensemble Mixed Top5常见问题解答新手必知的10个问题下一篇深入解析roberta-base-squad2为什么它在SQuAD 2.0上达到82.95% F1分数创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Agi.zip 提示词架构深度解析：基于 SQLite 的 GPT 任务管理与自动 Agent 设计
提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载本文基于开源仓库 GPTsREADME.md 收录的泄露 GPT 提示词合集中的 prompts/Agi.zip.md 展开。Agi.zip 是 mindgoblinstudios.com 出品的SQL 任务管理器 自动 GPT它把 SQLite 内存数据库、任务规划、技能库与热键交互系统整合进一份系统提示词实现了带持久记忆的多轮任务驱动 Agent。读完本文你将掌握其 memory.sqlite 数据模型、任务规划循环、WASD 热键交互与 Skill Library 技能检索机制并能在自己的 GPT 或 Agent 中复刻这套内存驱动 热键操控的架构。一、Agi.zip 是什么一个以 SQLite 为核心的自动 GPT在 prompts/Agi.zip.md 中Agi.zip 的定位被一句话点明An sql based task manager and automatic GPT基于 SQL 的任务管理器与自动 GPT由 mindgoblinstudios.com 制作。与仓库中其他任务类提示词如 prompts/BabyAgi.txt.md 的读 Todo.txt 文本文件、prompts/Executive f(x)n.mdn.md) 的把大任务拆成可执行步骤相比Agi.zip 的核心差异在于以 SQLite 数据库memory.sqlite作为唯一事实来源而不是文本文件或纯对话上下文任务、对话历史、技能全部结构化存储具备数据模型Schema具备**递归摘要recursive summary**机制解决长对话记忆压缩问题通过Python/Jupyter 代码工具直接读写数据库任务可持久化、可衰减、可回溯。仓库 README.md 将本仓库定位为 leaked prompts of GPTsGPT 提示词泄露合集因此本文解析的对象是 Agi.zip 这份系统提示词本身并以仓库内同作者、同类型提示词作横向佐证。二、memory.sqlite 数据模型三张核心表的设计提示词的第 1 步指令要求use tool python write code jupyter query memory.sqlite, create if needed即每次会话启动时用 Python 写代码、通过 Jupyter 环境查询memory.sqlite不存在就创建。随后给出了完整的 Schema 定义Schema * Tasks * Subtasks * dependencies * ChatHistory * summary * recursive summary * Skills * Command * Description * Code? * Prompt?这是全篇的地基可拆解为三张核心表1. Tasks任务表任务表包含两级粒度任务Tasks与子任务Subtasks并通过dependencies依赖关系表达任务间的先后约束。主任务用于承载用户的目标级工作项子任务用于把主任务拆成可执行的最小步骤依赖字段用于表达B 依赖 A 完成这类拓扑关系是任务自动排序的前提。从设计意图推断该表需要至少包含任务 ID、标题/描述、状态未开始/进行中/完成、优先级、创建时间、完成时间、依赖外键等字段。提示词后续的衰减旧任务decay old tasks逻辑也暗示任务表应携带时间戳与优先级字段以便按新鲜度与重要度重排。2. ChatHistory对话历史表对话历史表存储两个关键字段summary单轮/分段的对话摘要recursive summary递归摘要——对摘要再摘要形成层级压缩的长期记忆。递归摘要的价值在于当对话极长时模型上下文窗口装不下全部原始内容通过摘要→摘要的摘要逐级压缩可以在保留关键信息的同时控制 token 消耗。每一次会话的结尾第 2 步指令update memory.sqlite tasks history都会把本轮对话写入该表。3. Skills技能表技能表是 Agi.zip 最具特色的部分字段设计如下字段含义Command技能触发命令对应热键系统中的命令词Description技能功能描述供检索匹配使用Code?可选该技能对应的可执行代码Prompt?可选该技能对应的提示词片段Code 与 Prompt 二选一或并存意味着技能既可以是一段可直接执行的 Python 代码也可以是一段注入上下文的提示词。这张表配合第 4 步的xk保存新技能与lSkill Library 检索热键构成了一套可学习的技能扩展系统。落地示例示意依据 Schema 推导提示词只给出表名与字段未给出 DDL。一种与 Schema 描述一致的最小落地 SQL 可以是CREATE TABLE IF NOT EXISTS Tasks ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, description TEXT, status TEXT DEFAULT pending, -- pending / in_progress / done priority INTEGER DEFAULT 0, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, due_at TIMESTAMP, parent_task_id INTEGER REFERENCES Tasks(id), -- Subtasks depends_on INTEGER REFERENCES Tasks(id) -- dependencies ); CREATE TABLE IF NOT EXISTS ChatHistory ( id INTEGER PRIMARY KEY AUTOINCREMENT, summary TEXT, recursive_summary TEXT, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE IF NOT EXISTS Skills ( id INTEGER PRIMARY KEY AUTOINCREMENT, command TEXT UNIQUE, description TEXT, code TEXT, -- Code? prompt TEXT -- Prompt? );说明以上 DDL 是基于提示词 Schema 字段名的合理推断示例实际运行以 GPT 代码解释器按需生成的表结构为准。三、运行主循环intro → update → plan/prioritize → coach提示词把 Agent 的每次响应组织为一个四段式主循环这是整个系统的运行时第 1 步intro开场即记忆intro: list tasks, mem recap每次会话开场Agent 必须列出当前全部任务query Tasks 表给出记忆回顾mem recap查询 ChatHistory 的递归摘要用一句话概括此前进度。这意味着每一次对话都不是从零开始而是先加载数据库中的任务与历史摘要再进入正文。第 2 步更新 memory.sqlite 并做任务规划update memory.sqlite tasks history写入本轮新任务与对话历史后进入分支逻辑If tasks 0 Plan tasks subtasks think step-by-step describe a plan for what to, written out in great detail else prioritize tasks, decay old tasks update list任务数为 0进入规划模式。要求step-by-step 思考写出极其详细的计划把目标拆成任务与子任务然后写入 Tasks 表已有任务进入执行模式。重新按优先级排序任务并对旧任务做衰减decay——长期未推进、优先级自然下降的任务会被降权避免陈旧目标一直霸占队列顶部随后clarify澄清先确认需求最后coach/encourage/guide/lead/assist教练式引导帮助用户走通计划与第一步——不只是给出计划而是陪同用户完成第 1 步这与 prompts/Executive f(x)n.mdn.md) 中把大任务拆成非常小的前三步如走到厨房→戴手套→拿洗洁精的动机设计同源。三步循环的时序阶段动作数据流向intro查询任务 记忆回顾memory.sqlite → 上下文update写入本轮任务与历史上下文 → memory.sqliteplan/execute无任务则规划有任务则重排与衰减读写 Tasks / ChatHistory这套循环保证任何时刻任务队列与历史摘要都是上一轮已持久化的状态Agent 具备跨会话的连续性这正是自动 GPT的含义所在。四、热键系统WASD 交互与隐藏指令层Agi.zip 把交互设计成了类游戏手柄的热键体系这是全篇信息密度最高的部分。1. 显示格式约定cmd : previewPrompt所有热键都以命令 : 预览提示词的格式展示让用户先看到按某个键会触发什么再决定是否执行。2. 核心热键WASD热键含义说明wcontinue, yes继续 / 确认推进当前方案acompare 3 alt approaches对比 3 种替代方案发散思考sundo, no撤销 / 否定回退上一步drepeat prev重复上一次操作这四个键构成了最基本的前进 / 发散 / 回退 / 重放操作闭环与 prompts/BabyAgi.txt.md 的w/s/ad热键advance / slow down / change vibe在精神上一脉相承可见这是 mindgoblin 系提示词的通用交互范式。3. 隐藏热键默认隐藏按 k 揭示以下命令默认不显示只有用户按下k之后才展示完整清单热键功能qhelp me build my intuition递归提问检查理解帮用户建立直觉eexpand展开更多细节ffast更快、更少细节jstep by step subtasks按子任务逐步执行g写出 3 个 Google 搜索查询 URLSoS3 个 Stack Overflow 搜索mmemory.sqlite 数据库客户端直接操作数据库ttasks查看任务列表ccurriculum基于探索多样化事物、学习新技能创建 2-3 个支线任务pprintDB打印整个数据库x写代码保存 memory.sql、任务、消息zip 所有文件提供 http://agi.zip 与 /mnt/data 下载链接xk保存新技能写入 Skills 表其中值得展开的几点g/SoS是联网式发散把搜索行为参数化为热键用户不必输入完整查询按一个键即可得到 3 条 Google 或 Stack Overflow 搜索 URL适合研究型任务c是课程式支线任务不只是完成任务还会主动创建 2-3 个探索性支线任务来扩展用户的知识面属于学习型 Agent 设计m/p暴露数据库操作入口用户可以直接查看、甚至操作 memory.sqlite透明可审计x是全流程导出把数据库、任务、消息打包为 zip 并提供下载链接与 prompts/Gif-PT.md 中Always include a download link的产物交付习惯一致后者要求 GIF 生成后必须附下载链接。4.k揭示全部隐藏热键 WASDv2按k后展示全部隐藏热键 WASDv2。WASDv2 推测为进阶版 WASD在基础四键上叠加更多变体提示词未展开其具体定义这里不做过度解读。五、Skill Library基于 SQL 检索的技能库l热键定义了技能库Skill Library的完整工作流共四步l: Skill Library { queries 3 memory.db best skill show 3-5 Skill command list results Assistant responds to prompt like a user message run code tools }查询从memory.db即 memory.sqlite中检索最匹配的 3 个技能——结合 Skills 表的 Command / Description 字段做匹配展示列出 3-5 条技能命令清单含描述响应Agent 把技能当作一条用户消息来响应即技能 Prompt 直接注入当前上下文执行运行代码工具执行技能的 Code 部分。这套机制把技能做成了数据库中的可检索实体配合第 4 步热键中的xk保存新技能形成使用→沉淀→检索→再使用的技能闭环xk 保存新技能 ──→ Skills 表Command/Description/Code/Prompt │ ▼ l 技能库检索 ──→ 命中 3 个最佳技能 → 注入上下文 → 运行代码六、消息结尾的固定输出模板提示词要求每条 assistant 消息的末尾都必须展示At end of assistant message display WASD top 3 suggested hotkeys/skills, use markdown emoji plus z: 1 crazy suggestion, genius idea, wildcard Z即展示 WASD 四个核心键w/a/s/d展示推荐的 3 个热键/技能从 Skills 表按上下文推荐是 Skill Library 的轻量版使用 Markdown 与 emoji 排版提升可读性额外附带z通配符给出 1 条疯狂建议 / 天才想法——这是整个系统的发散性出口防止 Agent 过于循规蹈矩。这一设计把每轮都要让用户有下一步动作选项变成了硬性输出约定与 prompts/Cauldron.md 中每条消息末尾展示 3-4 个随机热键、prompts/Bake Off.md 中K 展示所有热键菜单的交互规范属于同一家族可见 mindgoblinstudios.com 的 GPT 产品普遍采用热键菜单 角色化语气的统一交互语言。七、Agi.zip 架构的可复用设计启示综合全篇Agi.zip 的系统提示词实际上描述了一套可复用的 Agent 架构模板拆解如下1. 数据库即记忆Memory as Database把任务、历史、技能从对话上下文外移到 SQLiteAgent 的状态不再依赖 token 上下文窗口而是显式持久化。这是解决长会话记忆问题的一种工程化思路。2. 任务生命周期管理规划tasks0 时→ 排序prioritize→ 衰减decay→ 依赖dependencies→ 子任务subtasks构成完整的任务队列治理闭环。3. 双模式交互显式热键 隐藏热键WASD 四键常驻降低用户认知负担k揭示隐藏层避免首屏信息过载属于渐进式披露progressive disclosure的提示词实践。4. 技能可扩展Skills 表 xk保存 l检索 末尾推荐让 Agent 的能力可以在运行中持续生长。5. 产物交付闭环x热键把数据库与消息打包成 zip 提供下载/mnt/data呼应了仓库内 prompts/Gif-PT.md、prompts/Cauldron.md 等同作者产品代码解释器产物必须给出下载链接的通用要求。复刻清单适用于自建 GPT 或 Agent在系统提示词中声明memory.sqlite的 SchemaTasks / ChatHistory / Skills 三表编写 Python/Jupyter 引导代码启动时CREATE TABLE IF NOT EXISTS并按需查询固定每轮输出格式intro 记忆回顾 → 更新数据库 → 任务规划分支 → 末尾 WASD 推荐热键 z 通配符热键清单用cmd : previewPrompt格式呈现隐藏热键由k揭示为 Skills 表保留 Command / Description / Code / Prompt 四字段支撑检索与执行。结语Agi.zip 是用一份系统提示词把数据库、任务队列、技能库和热键交互粘合在一起的典型样本。仓库 prompts/Agi.zip.md 完整保留了这份提示词原文而仓库内同作者的 prompts/BabyAgi.txt.md、prompts/Executive f(x)n.mdn.md)、prompts/Cauldron.md、prompts/GPT Shop Keeper.md 等提示词则提供了更广的参照系。无论你是在构建自己的任务型 GPT还是想研究内存驱动 热键操控的 Agent 交互范式这套以 SQLite 为中心的设计都值得直接借鉴——它证明了提示词也可以拥有数据模型、状态管理和可扩展能力。赞分享提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载相关推荐PromptX框架深度解析AI提示词管理的架构设计与核心原理PromptX框架深度解析AI提示词管理的架构设计与核心原理 PromptX是一个模式驱动的AI提示词管理框架它通过元提示词技术让开发者能够快速构建领域专用人工智能大模型AI 应用提示工程MCP 服务AI 插件OpenHuman Task Manager Agent 深度解析todo 任务板、主动任务源与工作流包的系统提示词设计OpenHuman Task Manager Agent 深度解析todo 任务板、主动任务源与工作流包的系统提示词设计 导读 本文围绕 OpenHuman人工智能AI 应用本地部署AI Agent交互助手深度研究Teleport Agent 自动更新Agent Managed Updates深度解析基于 RFD 0184 的架构设计与实现Teleport Agent 自动更新Agent Managed Updates深度解析基于 RFD 0184 的架构设计与实现 导读 本文以 Tele网络安全认证鉴权运维后端上一篇P3 Wine Quality Prediction - Keras Ensemble Mixed Top5常见问题解答新手必知的10个问题下一篇深入解析roberta-base-squad2为什么它在SQuAD 2.0上达到82.95% F1分数创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考