提示词构建器的工作原理
Nanobot的提示词构建器通过ContextBuilder类实现，负责组装完整的提示词上下文，为LLM提供结构化的指令和信息。
核心工作流程
1. 初始化
def__init__(self,workspace:Path):self.workspace=workspace self.memory=MemoryStore(workspace)self.skills=SkillsLoader(workspace)- 接收工作区路径
- 初始化记忆存储和技能加载器
2. 系统提示词构建
defbuild_system_prompt(self,skill_names:list[str]|None=None)->str:# 组装各个部分parts=[]# 核心身份parts.append(self._get_identity())# 引导文件bootstrap=self._load_bootstrap_files()ifbootstrap:parts.append(bootstrap)# 记忆上下文memory=self.memory.get_memory_context()ifmemory:parts.append(f"# Memory\n\n{memory}")# 技能# 1. 始终加载的技能always_skills=self.skills.get_always_skills()ifalways_skills:always_content=self.skills.load_skills_for_context(always_skills)ifalways_content:parts.append(f"# Active Skills\n\n{always_content}")# 2. 可用技能：只显示摘要skills_summary=self.skills.build_skills_summary()ifskills_summary:parts.append(f"# Skills\n...{skills_summary}")return"\n\n---\n\n".join(parts)3. 完整消息构建
defbuild_messages(self,history:list[dict[str,Any]],current_message:str,skill_names:list[str]|None=None,media:list[str]|None=None)->list[dict[str,Any]]:messages=[]# 系统提示词system_prompt=self.build_system_prompt(skill_names)messages.append({"role":"system","content":system_prompt})# 历史消息messages.extend(history)# 当前用户消息（支持图片）user_content=self._build_user_content(current_message,media)messages.append({"role":"user","content":user_content})returnmessages关键组件
1. 核心身份信息
- 包含当前时间、工作区路径、可用工具等基本信息
- 定义了助手的基本行为准则
2. 引导文件
- 加载
AGENTS.md,SOUL.md,USER.md,TOOLS.md,IDENTITY.md等文件 - 这些文件包含了更详细的指令和配置
3. 记忆系统
- 从
memory/MEMORY.md和每日笔记中加载记忆 - 为助手提供长期记忆能力
4. 技能系统
- 始终加载的技能：直接包含完整内容
- 可用技能：只显示摘要，需要时通过
read_file工具加载 - 技能摘要包含技能名称、描述和可用性
5. 媒体支持
- 支持图片附件，通过 base64 编码嵌入到消息中
运行机制
- 初始化阶段：创建 ContextBuilder 实例，准备工作区和依赖组件
- 提示词构建：
- 调用
build_system_prompt()生成系统提示词 - 系统提示词包含身份、引导文件、记忆和技能信息
- 调用
- 消息组装：
- 调用
build_messages()组装完整消息列表 - 消息列表按顺序包含：系统提示词 → 历史消息 → 当前用户消息
- 调用
- 交互过程：
- LLM 基于完整消息列表生成响应
- 若需要执行工具，添加工具执行结果
- 添加助手响应消息，完成一轮交互
特点与优势
- 模块化设计：各个组件（身份、引导文件、记忆、技能）独立管理
- 渐进式技能加载：常用技能直接加载，其他技能只显示摘要
- 多媒体支持：可处理图片等媒体文件
- 结构化提示词：通过清晰的标题和分段，提高 LLM 理解效率
- 上下文感知：包含时间、工作区等上下文信息，使助手更加智能
总结
Nanobot 的提示词构建器是一个精心设计的系统，通过以下步骤工作：
- 收集信息：从工作区、记忆、技能系统中收集相关信息
- 结构化组织：将信息组织成清晰的结构，包括身份、引导文件、记忆和技能
- 组装消息：按正确的顺序组装系统提示词、历史消息和当前用户消息
- 支持交互：提供添加工具结果和助手消息的方法，支持完整的交互流程
这种设计使得 Nanobot 能够为 LLM 提供丰富、结构化的上下文信息，从而生成更加准确和相关的响应。同时，通过渐进式技能加载等策略，它也能够在保持提示词简洁的同时，提供对大量技能的访问能力。
