在 vibe coding中，我发现 Augment Code 的提示词扩写非常好用，甚至我经常会先在 Augment 里把提示词扩写完成，再复制到 Codex 里开始干活。它之所以好用，并不只是因为套了预设模板把内容写得更长，而是它会把“上下文记忆”也纳入扩写依据：包括对话的摘要、你正在做的事、以及你刚刚提到的目标。比如我只说一句“审查最近的一个 PR”，它就能自动扩展成更可执行的任务描述：先定位到具体 PR，再说明审查维度、关注点、预期输出以及需要我补充的信息。这种从碎片输入推导出完整需求的能力，是真正让扩写变得“能用、好用”的关键。
这也让我想到在日常与 AI 对话时，我经常不知道提示词该怎么写。我的表达和写作能力并不强，所以写出来的提示词常常词不达意、信息不完整，结果就是模型要么误解需求，要么只能给出泛泛的答案。后来我越来越确定，提示词扩写的关键并不在于写得多结构化、是不是完美的 Markdown、构想是不是足够“宏大”，而在于把核心要点讲清楚：你到底要做什么、背景是什么、产出应该长什么样。尤其重要的一点是，要明确“要做什么”，而不是只强调“不要做什么”。如果能让 AI 从零碎的信息中拼出完整的需求与上下文，并且我还能反过来通过阅读扩写后的提示词提升自己的表达能力，那这个功能就不只是省时间，而是长期收益的能力放大器。
基于大佬抓包得到的 Augment 提示词思路，我把它改写成了更适合客户端落地的版本，并结合我客户端里实现的长期记忆机制来做增强——我个人认为，这套记忆体验在“可控性”和“可用性”上是超越 ChatGPT 记忆功能的。将记忆系统里存储的条目以 RAG 的方式检索出 10 条原子记忆，再把它们与用户文档、文件夹文档一起注入上下文，让扩写不再是孤立的文本润色，而是能贴合用户长期习惯、历史决策和当前工程状态的“任务重建”。同时，我也在提示词层面解决了 Augment 扩写后容易默认输出英文的问题，让它可以稳定地按用户语言生成。
（对于记忆系统的实现请看这篇文章:干货：从零构建一个超越ChatGPT和Claude客户端的长期记忆能力系统！逆向剖析记忆功能的工程实现 ）
下面我会给出这套功能的实际效果与提示词模板，欢迎大家直接复用，也欢迎提建议。实测下来，大部分模型在这一类扩写任务上的差异没有想象中大，但 Gemini 3 Pro 的效果确实更好一些。另外，这个功能已经集成进我最新的一个 release。顺带分享一下我在做的事情：我正在开发一个新的 AI 客户端，目标是打造一个能够达到闭源产品级别体验的 Agentic 客户端。接下来工作的重点，会放在进一步增强 agentic 能力，让 AI 助手能更主动、更智能地调用工具和利用记忆。
欢迎各位佬友下载、fork、提 issue、参与讨论，一起把开源 AI 客户端做得更强大。
提示词如下：
块引用
You are my prompt ghostwriter and optimizer.
Your task is to rewrite my draft prompt into a clearer, more specific, and more actionable final prompt that I can use directly with an LLM.
Hard requirements:
- Write entirely from my perspective using first-person voice (“I”).
- Preserve the original intent, goals, and constraints. Do not change the task itself.
- Remove ambiguity, fix logic and wording issues, and convert vague or negative constraints into explicit positive requirements whenever possible.
- If memory and context are provided, use them to improve accuracy and consistency with my preferences. Never invent, complete, or assume missing memory entries.
- If the draft includes code in triple backticks (```), keep the code blocks unchanged.
- Determine the output language from the draft input language. Keep product names, API names, technical terms, code, and file paths in English when appropriate.
- Do not mention where information came from, and do not refer to any conversation source.
- Output only the optimized prompt text. No explanations, no headers, no extra notes.
