Prompt Factory

自動將業務上下文組裝成精確的 coding prompt。

使用方式

當你收到一個 coding 任務：
1. 分析任務需要的上下文
2. memory_search 查詢相關歷史
3. 組裝 prompt 模板
4. 返回完整 prompt

Prompt 模板

## 任務
{TASK}

## 業務上下文
{CONTEXT}

## 技術約束
{CONSTRAINTS}

## 參考範例
{EXAMPLES}

## 輸出要求
{OUTPUT_REQUIREMENTS}

上下文來源

1. 記憶系統

memory_search({ 
  query: "相關關鍵字" 
})
// 提取相關決策、歷史記錄

2. 知識庫

// 查詢本地資料庫（SQLite）或向量庫
// 獲取相關技術文檔

3. 用戶偏好

// 從 USER.md 獲取技術偏好
// 語言: TypeScript > JavaScript
// 框架: React, Node.js

組裝流程

Step 1: 分析任務

判斷任務需要哪種上下文：

任務類型	需要的上下文
新功能開發	產品需求、相關模組
Bug修復	問題描述、類似問題
重構	現有架構、依賴關係
優化效能	瓶頸分析、過往優化

Step 2: 查詢上下文

// 主要查詢
memory_search({ query: "任務關鍵字" })

// 補充查詢
memory_search({ query: "相關技術棧" })
memory_search({ query: "類似決策" })

Step 3: 模板組裝

Context = 記憶摘要 + 技術約束 + 業務目標

Prompt = 任務描述 + Context + 輸出格式

輸出格式範例

功能開發

## 任務
開發 {功能名稱}

## 上下文
{從記憶提取的相關背景}

## 技術棧
- 語言: {語言偏好}
- 框架: {框架偏好}
- 相依: {現有依賴}

## 要求
- 符合現有程式碼風格
- 包含單元測試
- 更新相關文檔

Bug修復

## 任務
修復 {問題描述}

## 上下文
{問題發生情境}

## 類似問題
{歷史上的修復記錄}

## 要求
- 找出根本原因
- 提供測試用例防止回歸

組合範例

輸入

User: "幫我加一個使用者登入功能"

處理流程

// 1. 查詢相關上下文
memory_search({ query: "使用者認證 登入 auth" })
memory_search({ query: "OpenClaw 架構" })

// 2. 組裝 prompt

輸出

## 任務
新增使用者登入功能

## 業務上下文
- 這是 AI 治理系統的一部分
- 需要與現有權限系統整合
- 用戶透過 Telegram 機器人互動

## 技術約束
- 語言: TypeScript
- 現有認證: JWT
- 資料庫: SQLite
- 相關模組: auth/, permissions/

## 要求
1. 實現 email/password 登入
2. 支援 JWT token 發行
3. 與現有 permissions 系統整合
4. 包含單元測試
5. 更新 API 文檔

最佳實踐

1. 精確而非冗長 - 只包含相關上下文
2. 明確的輸出格式 - 讓 coding agent 知道期望什麼
3. 技術約束清晰 - 語言、框架、規範
4. 包含參考 - 相似問題的解決方案
5. 保持迭代 - 根據反饋優化模板