Skill 创作】我做了一个从 Claude Code 源码提炼系统提示词架构的 Skill，帮你给任何 AI 编程助手构建工业级提示词
1、Skill 简介
这是一个从 Claude Code CLI 真实源码中逆向提取、去品牌化、模块化的系统提示词架构模板——claude-code-prompt-arch。它把 Claude Code 那套经过数百万用户验证的提示词工程实践，拆成了 11 个独立模块 + 16 个占位符变量，让你可以像搭积木一样，为 Open Code、Cursor、Continue 等任何 AI 编程助手组装出工业级的系统提示词。
适合谁用：想给自己搭建 AI 编程助手的人、想优化现有提示词的开发者、对提示词工程感兴趣想学习最佳实践的人。
2、使用场景
为什么想做它？
起因很简单——我在用各种 AI 编程助手（Claude Code、Open Code、Cursor）的时候，发现它们的系统提示词质量参差不齐。有的助手会过度工程，改一行 bug 给你重构整个文件；有的缺乏安全意识，rm -rf 说执行就执行；有的废话连篇，一个简单问题回你三段散文。
我当时就想：Claude Code 的体验为什么这么好？它的提示词到底写了什么？能不能把这套东西提炼出来，用在别的平台上？
之前遇到了什么麻烦？
-
想给 Open Code 写系统提示词，但不知道该写什么、写到什么程度、按什么顺序组织
-
网上搜"系统提示词最佳实践"，大多是泛泛而谈的原则，没有经过大规模验证的具体模板
-
不同平台的工具名不一样（Claude 叫
Read，Open Code 叫read_file），手动改容易遗漏
做出来之后能省掉什么？
-
不用从零设计提示词架构——5 层组装管线已经帮你规划好了
-
不用纠结写什么——11 个模块按需选取，场景矩阵告诉你哪些必选、哪些可选
-
不用逐个改工具名——16 个占位符一键替换，适配任何平台
-
不用踩缓存坑——静态/动态分离的缓存策略，直接帮你省 60-70% 的 token 成本
3、创作过程
整个过程分三步：
第一步：源码逆向提取
从 Claude Code 的 sourcemap 中还原出源码，定位到系统提示词相关的核心文件：
-
src/constants/prompts.ts— 主组装函数getSystemPrompt()，所有静态段和动态段的定义 -
src/constants/system.ts— 身份前缀定义 -
src/constants/systemPromptSections.ts— 缓存机制实现 -
src/constants/cyberRiskInstruction.ts— 安全指令 -
src/constants/outputStyles.ts— 输出风格配置 -
src/utils/api.ts—buildSystemPromptBlocks、splitSysPromptPrefix缓存块拆分逻辑 -
src/utils/attachments.ts— 附件系统getAttachments() -
20+ 个工具 prompt 文件
关键发现：Claude Code 的提示词不是一段大文本，而是一个5 层组装管线——身份前缀 → 核心系统提示词 → 工具描述 → 附件注入 → 最终组装。其中核心系统提示词又分为静态区（可跨用户缓存）和动态区（每轮可能变化），中间用一个特殊标记 SYSTEM_PROMPT_DYNAMIC_BOUNDARY 分隔。
第二步：去品牌化 + 参数化
把所有 Claude 特有的内容替换为占位符变量：
-
Claude→{AGENT_NAME} -
Anthropic→{ORG} -
Read→{READ_TOOL} -
Edit→{EDIT_TOOL} -
…
一共提炼出 16 个占位符，覆盖身份、工具、配置三类参数。
第三步：模块化拆分 + 组装指南
把一整段提示词拆成 11 个独立模块，每个模块包含：
-
设计意图（为什么需要这个模块）
-
通用模板（可直接使用的提示词文本）
-
适配指南（在不同平台上需要注意什么）
然后写了组装指南：模块选择矩阵（5 种场景）、组装顺序（顺序影响模型注意力权重）、缓存策略实施步骤、附件系统设计模式。
4、使用步骤
方式一：在 Trae 中直接使用
-
将
.trae/skills/claude-code-prompt-arch/目录放入你的 Trae 项目 -
在对话中提及"系统提示词"或"提示词架构"即可激活 Skill
-
Skill 会引导你：选择场景 → 选取模块 → 替换占位符 → 输出完整提示词
方式二：手动使用模板
-
打开 SKILL.md，根据你的场景从模块选择矩阵中选取模块组合
-
将模板中的 16 个占位符替换为你的平台实际值（如
{READ_TOOL}→read_file） -
按编号顺序拼接模块，在模块 8 和模块 9 之间插入缓存边界
-
将组装好的提示词配置到你的 AI 编程助手中
5、效果展示
组装前（自己写的提示词）：
Plain Text
你是一个AI编程助手。请帮助用户完成编程任务。
模型行为：过度工程、随意执行危险命令、输出冗长、不读文件就改代码…
组装后（使用本 Skill 模板）：
Plain Text
You are Open Code, an AI-powered CLI coding assistant.
IMPORTANT: Assist with authorized security testing...
# System
- Tools are executed in a user-selected permission mode...
- The system will automatically compress prior messages...
# Doing tasks
- Do not propose changes to code you haven't read...
- Don't add features, refactor code, or make "improvements" beyond what was asked...
# Executing actions with care
Carefully consider the reversibility and blast radius of actions...
# Using your tools
- Do NOT use the shell to run commands when a relevant dedicated tool is provided...
# Tone and style
- Only use emojis if the user explicitly requests it...
# Output efficiency
IMPORTANT: Go straight to the point...
模型行为：先读后改、不多不少恰好完成、危险操作主动确认、输出简洁直接…
6、Skill 链接
-
GitHub 仓库：https://github.com/wuyujjj2164-crypto/claude-skill
-
核心 Skill 文件：SKILL.md
7、总结与思考
最满意的地方：
把"源码逆向 → 去品牌化 → 模块化"这条链路跑通了。不是简单复制粘贴 Claude Code 的提示词，而是理解了它为什么这样设计——5 层管线解决的是关注点分离，静态/动态分离解决的是缓存效率，模块顺序解决的是注意力权重。这些设计思想比具体的提示词文本更有价值。
后续优化方向：
-
增加更多平台的完整适配示例（Aider、Cline 等）
-
把模块选择和占位符替换做成交互式流程，降低使用门槛
-
补充附件系统的具体实现代码示例
希望得到的建议：
-
你在使用 AI 编程助手时，最希望提示词帮你控制什么行为？
-
11 个模块中，有没有你觉得缺少的模块？
-
缓存策略在你的场景下是否实用？有没有更好的方案？