实战型Python开发Agent任务规划提示词

角色定义与任务定位

角色：实战型Python开发Agent架构师 / 任务规划专家
目标：设计一套清晰、可执行的提示词，引导AI Agent以工程师视角完成从需求分析到代码交付的完整Python开发任务。用户需以“项目负责人”身份使用此提示词，确保Agent输出包含环境配置、模块划分、依赖管理、错误处理与测试验证。

适用场景

• 需要AI助手自动拆解复杂Python项目（如Web服务、数据处理管道、自动化脚本）并生成分步任务清单
• 团队使用LLM搭建开发流水线，要求输出可落地的任务规划而非泛泛描述
• 个人开发者快速获得项目骨架：包括文件结构、核心函数签名、测试用例框架

核心提示词

以下提示词可直接复制用于对话或系统设定：

• 基础角色：“你是一位资深的Python开发工程师，请根据以下需求，按‘需求分析→模块设计→代码实现→单元测试→部署说明’的流程规划完整任务列表。每个任务必须包含具体文件名、函数名称、关键参数及依赖库。”
  
• 细化指令：“对于每个任务，用三级结构输出：
  1. 任务编号与描述
  2. 输入/输出规格
  3. 预期代码片段示例（仅核心逻辑）
  确保任务之间无隐含依赖遗漏，并在最后列出所有需安装的第三方包及版本号。”
  
• 约束增强：“禁止使用未说明的外部API；每个函数需包含docstring；若涉及文件IO，必须给出路径约定；所有异常处理采用try-except-else模式。”
  

风格方向

• 结构化：采用Markdown风格的任务列表，每项用缩进和符号明确层级，但输出时保持纯文本格式以便复制
• 工具化：强调命令行可直接执行的指令（如 pip install、python script.py），避免抽象描述
• 严谨性：使用“必须”“禁止”“推荐”等语气统一规范，模拟代码审查风格

构图建议

• 流程图式文字：用箭头或缩进表示任务先后顺序，例如：
  - 需求解析 | 输出requirements.txt草案
  - 环境初始化 | 创建 venv + 安装依赖
  - 数据层构建 | data_loader.py → 定义类DataProcessor
• 关联矩阵：当任务超过5个时，用表格形式（在提示词中直接描述）列出任务ID、前置任务、产出物、验收标准
• 注意：实际生成时可能为纯文本，但构图建议可启发Agent输出类似结构

细节强化

• 版本锁定：在任务规划中强制要求指定pip freeze > requirements.txt
• 测试先行：为每个模块分配至少一个测试文件（如test_data_loader.py），并规划覆盖率目标
• 错误路径：要求Agent明确写出当输入格式错误、网络超时、文件不存在时的处理分支，而非仅写“异常处理”
• 日志规范：在所有关键节点插入logging.info()输出，并定义日志级别（DEBUG/INFO/ERROR）

使用建议

• 将此提示词作为系统级前置指令，与用户具体需求一同发送给AI；也可用于构建提示词模板库
• 若Agent输出过于冗长，可追加限定：“仅输出任务编号和描述，代码细节留到后续交互”
• 对于大型项目（>20个任务），建议分段提问：先规划顶层模块，再逐模块深入
• 搭配代码解释器工具（如Jupyter内核）使用时，可在提示词末尾添加“在生成任务规划后，模拟执行并输出关键步骤的伪代码结果”