【免费下载链接】autoprompt-skill
Autoprompt is a coding-agent skill that cuts failures by 45% on agentic coding tasks.
已掌握核心 FAQ 资料:docs/faq/下的自主性说明、Prompt 要求、工作路径、分层职责、并发控制等文档,以及两张可用的横版图片(2172x724 与 1200x640,均符合比例要求)。以下是成稿。
Autoprompt FAQ:它到底有多自主?真的不用你再写Prompt了吗?
Autoprompt 是一款面向 coding agent 的 skill 工作流,通过"执行—审查—修复—复检"的循环,把 agentic coding 任务的失败率降低 45%。本文用 FAQ 形式回答两个最常被问到的问题:Autoprompt 到底有多自主?用它是不是就不用再写 Prompt 了?如果你是刚接触 AI 编程代理的新手,读完这篇就能分清它的"自主"边界在哪里、你还需要提供什么。
一、真的不用再写 Prompt 了吗?答案:不用每步都写,但目标必须你来给
很多新手对"Autoprompt"这个名字的理解是"完全不用我说话"。官方 FAQ 的回答很直接:不,它替代的是逐步微操,而不是初始目标。
你只需要提供三样东西:
- 🎯期望的结果:你想要什么效果
- 🚧约束条件:哪些不能动、哪些必须保持
- ✅成功标准:怎么算做完
一个有用的请求甚至可以只有一句话:
fix the checkout race, keep the public API compatible, and add a regression test给出这句目标后,Autoprompt 会自己完成后续循环:划定工作范围 → 分配实现 → 运行检查 → 修复失败 → 验证结果。只有在"某个缺失的选择会实质改变结果"或"某个动作需要你的授权"时,它才会回来问你。
💡 简单说:你写"是什么、为什么",它负责"怎么做"。
详细说明见:does-autoprompt-mean-i-do-not-have-to-prompt.md
二、Autoprompt 的自主边界:它走到哪一步、在哪里停下?
这是判断一个 AI 编程工作流是否可靠的关键。Autoprompt 的自主性可以概括为一句话:它能把一个定义清晰的编程目标,完整跑完"发现—规划—实现—测试—审查—修复—最终验证"全流程,并且保留证据和运行状态,长任务可以检查和恢复。
但它的自主始终被两个边界框住:
| 边界 | 含义 |
|---|---|
| 目标边界 | 它只做你给出的目标内的事情,不会擅自发明产品决策 |
| 权限边界 | 它不发布/删除外部资源、不绕过缺失的凭证、不假装某个检查通过了 |
它会在三种情况下主动停下或上报:
- ⏸️ 你的回答会实质改变结果时——它先暂停等你决策
- 🔑 动作需要你的授权时——它不会越权
- 🧱 环境或外部状态阻碍了安全推进时——它上报 blocker,而不是硬闯
除此之外,它会一直推进到所有必需检查达到DONE。这套"该停就停"的设计,正是它比"一口气跑完"式 agent 更值得信任的原因。
📄 原文参考:how-autonomous-is-autoprompt.md
三、为什么它"自主"却不出乱子:分层职责 + 独立复核
Autoprompt 内部把职责分成了几层(L0–L4),核心原则只有一条:写代码的角色不能自己批准、自己验收自己的工作。
| 层级 | 职责 |
|---|---|
| L0 | 接收目标,协调整个运行 |
| L1 | 负责范围、功能交付或最终收口 |
| L2 | 可选地管理一条包含多个工作线的切片 |
| L3 | 研究、规划、实现、审查、验证某个有边界的任务 |
| L4 | 做"新鲜"的终局判断:批准计划、签收、仲裁、目标核对 |
对新手来说只需记住一个好处:规划、批准、验证被拆到了不同角色手里,避免"自己改自己查、错了也发现不了"的情况。这也是它能把失败率压低 45% 的机制基础。
📄 延伸阅读:what-are-the-layers-for.md
四、Autoprompt 工作路径怎么选?auto / direct / light / roadmap
Autoprompt 在执行前会先"选路"。path=参数控制它如何组织工作,新手最推荐用默认值让它自己判断:
| 路径 | 准备动作 | 适合场景 |
|---|---|---|
path=auto(默认) | 考察目标、依赖、不确定性和可用检查后自动选路 | 你只知道结果,想让 Autoprompt 决定规划多少 |
path=direct | 记录目标和成功检查后直接开工 | 改动范围明确、方法已知 |
path=light | 先做一份短计划再执行 | 单个关联改动,涉及可逆的设计选择 |
path=roadmap | 先定义范围、依赖、工作组和集成方案 | 多个相互依赖的部分需要一起落地 |
⚠️ 两个常见误区:
- 文件数量不决定路径——跨 20 个文件的机械改名可以是
direct;只改 3 个文件但横跨多个独立部署服务,反而可能需要roadmap - 所有路径都包含独立验证——
direct不等于"不检查"
调用示例(在项目目录下执行):
autoprompt activate codex -- path=light "add retries and test the edge cases"📄 完整说明:work-paths.md
五、并发与模型怎么配?tokensaver / wide / custom 一句话讲清
Autoprompt 支持最高 11 家 coding agent 供应商(Claude、Codex、Grok、OpenCode 等),同一套控制参数对它们全部生效:
--concurrency tokensaver(默认):最多 6 个子 agent 并行--concurrency wide:就绪的独立工作直接并行,直到主机上限--concurrency custom --max-subs N:自己设定并行上限
autoprompt activate codex -- --concurrency custom --max-subs 4 "add retries and tests"如果配合 9Router 等路由层使用,Autoprompt 只负责发出精确的模型字符串,由路由器解析到具体供应商——它选择路由,但不创建或修改路由:
需要控制成本时可以把tokensaver当作日常默认值;大任务再放开并发。详细对照见:tokensaver-vs-wide-vs-custom.md,自定义模型接入见:how-to-add-custom-models.md
六、其余高频问题速答
Q:为什么 Autoprompt 不会在后台自动启动?因为启动它会改变成本、耗时和工作流,所以必须由你显式发起:autoprompt activate PROVIDER -- "<goal>"。这是刻意设计,防止意外的 token 消耗。
Q:它支持哪些编程代理?目前 11 家在列,包括 Claude Code、Codex、Grok Build、VS Code、OpenCode、Kilo Code、Prime Agent、Hermes Agent 等,详见:which-coding-agents-are-supported.md
Q:用了它要花多少额外代价?官方给出的经验估计约为3 倍时间、2 倍 token(基于用户反馈的规划值,非精确测量)。对很小的任务,这个比例可能明显不同——小任务上它未必划算。
写在最后:Autoprompt 的正确打开方式
回到标题的两个问题:
- 它到底有多自主?—— 在"目标内 + 权限内"高度自主:能自己规划、实现、测试、修复、验证;遇到影响结果的决策、需要授权的动作或无法安全绕过的阻塞时,会停下来问你。
- 真的不用再写 Prompt 了吗?—— 不用每步都写,但第一句目标要写好:结果、约束、成功标准三要素给足,后面的执行循环交给 Autoprompt。
把它想象成一个靠谱的工程师:你交代清楚任务,它自己干、自己检查、干砸了自己返工,关键决策会来找你确认——而不是替你决定产品该怎么做。
【免费下载链接】autoprompt-skill
Autoprompt is a coding-agent skill that cuts failures by 45% on agentic coding tasks.
相关推荐
研究完成,开始输出文章
研究完成,开始输出文章 JupyterLab on Binder:workspace 布局与用户设置的定制指南 本指南聚焦于在 Binder https://l
前端后端数据科学开发工具猫抓 Cat-Catch 资源嗅探实战:5 分钟从安装到批量下载 M3U8 流媒体
猫抓 Cat Catch 资源嗅探实战:5 分钟从安装到批量下载 M3U8 流媒体 看一段课程视频,页面却不让你保存文件,播放器也只是播完即走。猫抓(cat c
音视频研究完成,开始撰写文章
研究完成,开始撰写文章 我已完整阅读关联文档 docs/bugpattern/IsInstanceOfClass.md https://link.gitcode
静态分析代码质量开发工具
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考