<aside> 😀 在上一篇中,我们聊了 nanobot 的agent命令运行原理。今天,我们要聊聊 Agent 的“三观”和“人设”——也就是系统提示词(System Prompts)。
</aside>
如果你用过其他 Agent 框架,你可能会发现它们的提示词通常硬编码在 Python 文件里,或者藏在复杂的数据库配置中。但 nanobot 再次不走寻常路:它把 Agent 的灵魂交给了 Markdown。
在 nanobot/agent/context.py 中,你会看到一个非常关键的常量:
BOOTSTRAP_FILES = ["AGENTS.md", "SOUL.md", "USER.md", "TOOLS.md"]
这四个文件构成了 nanobot 的核心身份。为什么要把这些关键指令放在 Markdown 文件里?
git commit 记录。SOUL.md。想让它记住你的偏好?改 USER.md。这种设计让 AI 不再是一个冷冰冰的黑盒,而是一个可以被你亲手雕琢的“数字生命”。
ContextBuilder 类是 nanobot 中负责“缝合”提示词的核心组件。它的 build_system_prompt 方法就像一台缝纫机,将散落在各处的碎片缝成一件完整的“思想外衣”。
def build_system_prompt(self, skill_names: list[str] | None = None) -> str:
parts = [self._get_identity()] # 核心身份与平台策略,确定 Workspace、Memory、Skills 等目录
bootstrap = self._load_bootstrap_files() # 加载 "AGENTS.md", "SOUL.md", "USER.md", "TOOLS.md" 文件内容
if bootstrap:
parts.append(bootstrap)
memory = self.memory.get_memory_context() # 注入长期记忆,读取工作空间/memory/MEMORY.md 文件内容
if memory:
parts.append(f"# Memory\\n\\n{memory}")
# 从工作空间(workspace)和系统内置 skills(项目根目录/nanobot/skills 文件夹)中获取可用技能和描述
always_skills = self.skills.get_always_skills()
if always_skills:
always_content = self.skills.load_skills_for_context(always_skills)
if always_content:
parts.append(f"# Active Skills\\n\\n{always_content}")
skills_summary = self.skills.build_skills_summary()
if skills_summary:
parts.append(f"""# Skills
The following skills extend your capabilities. To use a skill, read its SKILL.md file using the read_file tool.
Skills with available="false" need dependencies installed first - you can try installing them with apt/brew.
{skills_summary}""")
return "\\n\\n---\\n\\n".join(parts)
它不仅加载了静态的 Markdown 文件,还动态地注入了我们在上一篇聊过的长期记忆。这意味着,你的 Agent 每一秒都在变得更懂你。
在 nanobot 的模板中,SOUL.md 定义了 Agent 的性格(Personality)和价值观(Values)。比如:
而 USER.md 则是 AI 认识你的窗口。它记录了你的名字、时区、编程偏好甚至是工作上下文。