一个开源项目 MyCodeAgent 把'系统提示词'（发给 AI 的指令与规则）拆成 5 层独立模块 — 在我们看来，这意味着 Agent 工程化正从'一段 prompt 走天下'走向分层管理。

这是什么

AI agent 在「开口」前收到一组 system 消息，定义「你是谁、能用什么、该怎么干」。多数产品塞进一个超长 prompt —— 改一个工具要翻整段，加一条项目规则会污染人设，缓存跟着失效。

MyCodeAgent（掘金一篇技术文章详细拆解）把它拆成五层独立模块：

  • 身份宪法层：语气、安全红线、工作方式
  • 工具说明书层：每个工具怎么用，由注册表动态生成；支持 MCP（让 AI 调用外部工具的标准协议）工具熔断
  • 项目规则层：从仓库根目录 code_law.md 读取
  • 运行时信号层：临时通知，比如「这个工具刚被熔断」
  • 跨轮记忆层（可选）：把上一段对话摘要回灌

关键设计：人设和工具说明完全解耦，互不污染。

行业怎么看

这种分层是当下 Agent 工程化的主线。Cursor、Anthropic、Devin 等严肃玩家都有类似设计 —— 工具注册表、项目级规则文件、动态上下文注入。视作行业共识已不过分。

但反对意见也存在：

  • 复杂度陷阱：分层越多，调试定位越难，有人评价「提示词架构越漂亮，上线后越噩梦」
  • 过度工程化：窄场景 agent（就干一件事）用五层是杀鸡用牛刀
  • MCP 协议仍早期：工具熔断、Skills 热加载机制漂亮，但生产数据尚缺

对普通人的影响

对企业 IT：评估 AI 编码工具时，重点不是「用哪家大模型」，而是「它的行为规则怎么管」。支持项目级规则、分层清晰的产品长期更可控。

对个人职场：用 Cursor、Copilot 时遇到「它忽然不听话」，多半是项目规则没配或上下文被污染，不是 AI 变笨。先检查项目规则文件。

对消费市场：客服 AI、购物 AI 背后同样是分层架构。短期看，行为会更可预测；长期看，「调教」AI 助手会像带新人，越来越需要规则文档。