SurfSense 主智能体 Anthropic Claude 提示词适配provider_hints 结构化推理与工具纪律解析【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense导读本文围绕 SurfSense 多智能体聊天系统中主智能体main agent针对 Anthropic Claude 系列模型定制的模型侧提示词片段anthropic.md展开。该片段并非独立成篇的完整提示词而是主智能体系统提示词system prompt组装流水线中的一个供应商提示provider_hints模块用于在运行时把你跑在什么模型上、该模型应该怎样思考、怎样调用工具这类模型差异显式注入上下文。读完本文你将掌握 SurfSense 主智能体提示词的组装架构、Anthropic 供应商提示逐条语义、以及它与其他模型供应商DeepSeek、Gemini、Grok、Kimi、OpenAI 系列提示的对比和背后的工具纪律设计。一、定位provider_hints 在整个提示词组装流水线中的角色SurfSense 的主智能体系统提示词并不是一份静态的 Markdown 文件而是由 builder/compose.py 在每次创建 agent 时按固定顺序动态拼装的。默认顺序如下agent_identity [用户的 custom_system_instructions如果有] core_behavior # 默认主体 knowledge_base_first # 默认主体 dynamic_context # 始终注入 routing # 默认主体 specialists # 始终注入动态名单 tools # 始终注入垂直切片式 memory_protocol # 默认主体 citations # 始终注入 output_format # 始终注入 refusal_and_limits # 始终注入 reminder # 始终注入在 compose.py 中build_main_agent_system_prompt()接收model_name参数把上述所有片段拼接为最终提示词。而providers/anthropic.md这类模型供应商提示就是这套流水线中负责模型侧适配的组成部分——它告诉运行在 Claude 上的主智能体你的推理风格、任务管理方式和工具调用纪律应该是什么样的。每个供应商提示都以provider_hints与/provider_hints标签包裹这种 XML 风格标签与tools、routing、specialists等区块标签保持了一致的解析语义便于模型在长上下文中快速识别这一段是关于我当前运行模型的适配指令。从源码结构可以推断提示词片段统一通过 load_md.py 中的read_prompt_md(filename)读取它基于importlib.resources以包名app.agents.chat.multi_agent_chat.main_agent.system_prompt.prompts为基准加载.md资源文件名即providers/anthropic.md这样的相对路径。这一设计保证了提示词与 Python 代码可以一起被打包分发。二、anthropic.md 逐条解析Claude 模型侧适配的四个维度anthropic.md 全文仅一个provider_hints区块包含四个主题下面逐一结合仓库实现展开。1. 结构化推理Structured reasoning原文For non-trivial work,thinking/ shortplanbefore tool calls is fine.这明确许可 Claude 在调用工具之前使用thinking标签进行推理或写一个简短的plan计划但限定为非平凡工作non-trivial work——即不允许对例行操作过度推理。这与 core_behavior.md 中的全局行为约束Dont narrate intent — just act形成互补核心行为负责行动优先、不絮叨而 Anthropic 供应商提示负责在 Claude 平台上给出推理的合法边界。也就是说思考是允许的但思考必须服务于工具调用质量而不是替代行动。2. 专业客观性Professional objectivity原文Accuracy over flattery; verify withtask(e.g.task(web_crawler, …)to read a page,task(google_search, …)for public facts) when unsure — dont invent connector access.这一条把准确性优先于迎合落实为具体的工具纪律当 Claude 不确定事实时应当通过task工具调用对应的专家子智能体specialist去验证而不是凭训练数据猜测。这里出现的关键词task是主智能体唯一的委派通道其语义由 tools/task/description.md 定义task(subagent_type, description)单发模式或task(tasks[{description, subagent_type}, ...])批量扇出模式。而dont invent connector access直接呼应 refusal_and_limits.md 中的铁律Never claim filesystem access, connector access, or persistent storage you dont have——主智能体本身没有任何连接器工具所有连接器能力都必须通过task路由给对应专家。3. 任务管理Task management原文For 3 steps, use todo tooling; update statuses promptly.当任务需要三步以上时要求 Claude 使用待办todo工具并及时更新状态。这条规则在实际提示词中有更细化的落地routing.md 指出write_todos用于在跨多个专家或步骤的回合序列中维护结构化计划并要求在task调用之前把对应条目标记为in_progress、调用返回后标记为completed跨回合的串行依赖如先找到知识库文档再据此发邮件也要靠write_todos保持计划存活。单步请求则跳过 todo。write_todos与update_memory一起属于主智能体仅有的直接工具direct tools阵营——从 routing.md 可以看到直接工具只有这两类其余一切工作都走task委派。4. 工具调用Tool calls原文Parallelise independent calls; sequence only when outputs chain. Never pretend you can run connector-specific tools directly — route throughtaskwhen needed.这一条是整份提示中最关键的工程约束包含两层并行化纪律独立的工具调用应并行发出仅当后一个调用依赖前一个的输出时才串行。这与 openai_reasoning.md 中的multi_tool_use.parallel建议同源也与 routing.md 中两个task调用互相不引用对方输出且目标不同专家或同专家但范围不重叠即为独立的判定标准一致。禁止假装拥有连接器工具主智能体绝不直接调用连接器专属工具需要时一律通过task路由。这保证了主智能体是纯路由器pure router的架构立场不被模型越权破坏。三、横向对比providers 目录下各模型的差异化适配providers/目录中与 anthropic.md 并列的还有 7 份供应商提示覆盖了 SurfSense 主智能体可能运行的主要模型家族。它们的共同点是都包裹在provider_hints标签内、都强调通过 task 委派连接器工作、不要假装拥有不存在的工具但在侧重点上各有不同供应商提示文件目标模型核心差异点anthropic.mdClaude 系列结构化推理thinking/plan、客观性优先、todo 纪律deepseek.mdDeepSeekR1-aware推理卫生内部思考与面向用户的回答分离不把思维链泄漏进工具参数google.mdGemini极简输出约 3 行散文以内、明确的 Understand→Plan→Act→Verify 四步工作流grok.mdxAI Grok极限简洁默认 4 行以内、单回合单一调查工具、引用开关纪律kimi.mdMoonshot Kimi行动偏向能用工具就不写散文、单响应多工具并行、与用户语言一致openai_classic.mdGPT-4 家族会话式但专业、工具出错时修正参数重试一次、总结工具输出openai_codex.mdCodex 级模型不粘贴大段抓取内容、用裸[n]标签引用、无 emoji、单层列表openai_reasoning.mdGPT-5/o 系列极简直接、commentary/final 双通道、禁止请求许可、自主坚持到任务完成从这组对比可以清晰看出 SurfSense 的供应商适配哲学平台不变的行为宪法由core_behavior、routing、kb_first、refusal_and_limits等公共片段承载而平台可变的模型性格与调用习惯由provider_hints承载。因此 DeepSeek 的提示专门写不要把思维链泄漏进工具参数R1 类模型特有风险而 Gemini 的提示专门写三行以内的直接回答Gemini 输出风格特征Anthropic 的提示则专门写非平凡工作允许thinking/planClaude 的结构化推理习惯。值得注意的是default.md和providers/__init__.py均为空文件从源码结构可以推断默认情况下如果没有匹配的供应商提示主智能体仅依赖公共行为片段运行供应商提示属于可选增强层。四、与任务委派机制的联动task 工具与验证协议anthropic.md 中反复出现的task是理解这份提示的关键锚点。主智能体含运行在 Claude 上的实例的全部外部能力都通过task委派给 subagents/builtins 下的专家子智能体例如knowledge_base用户知识库语义/关键词混合检索、mcp_discoverySlack、Notion、Jira、Gmail 等已连接应用、web_crawler页面抓取、google_search公开事实检索、以及reddit/youtube/tiktok/google_maps/amazon/walmart等平台情绪专家。每个专家子智能体都是隔离运行的拥有自己的工具栈和上下文返回单个综合结果。task的单发参数为subagent_type要调用的专家名必须与specialists动态名单中的条目匹配。该名单由 builder/sections/specialists.py 依据当前工作区的连接器可用性动态渲染——deliverables和knowledge_base因声明了空连接器依赖集合而始终存活。description完整的任务提示词。由于专家看不到当前线程上下文所有约束和所需返回内容都必须写进这一字段。批量模式task(tasks[...])用于单个请求展开为 3 个及以上独立专家调用的场景运行时以信号量控制并发并返回每个子任务一个[task index]前缀的 ToolMessage 块但批量子任务不支持人工介入human-in-the-loop中断需要审批的子任务会报错并要求以单发形式重新派发。针对变更类操作tools/task/description.md 内置了一套verification验证协议专家的自然语言回复只是自报self-report不是证据。主智能体必须核对state[receipts]中的结构化Receiptroute、type、operation、status、external_id、verifiable_url、preview只有statussuccess才代表后端已提交对高风险变更还可以用task(web_crawler, verifiable_url)从外部确认。这份协议与 anthropic.md 的Accuracy over flattery一脉相承——客观性不是态度问题而是用工具与结构化证据强制出来的结果。五、Claude 运行时的工程配套提示缓存与回退围绕 Claude 主智能体仓库还有两处值得注意的配套工程提示缓存中间件shared/middleware/anthropic_cache.py 基于langchain_anthropic的AnthropicPromptCachingMiddleware构建对系统提示、工具和消息块统一打上提示缓存标注unsupported_model_behaviorignore保证在不支持缓存的模型上静默降级。它被挂在主智能体的 middleware/stack.py 和知识库子智能体的 middleware_stack.py 上。考虑到主智能体提示词由十余个片段拼装而成且每个会话反复复用提示缓存是控制成本与延迟的关键手段。模型回退链shared/middleware/resilience/fallback.py 中保留了anthropic:claude-3-5-haiku-20241022作为回退候选scoped_model_fallback.py 则明确只在供应商/网络错误时切换回退模型编程错误照常抛出——这保证了 Claude 侧提示词适配在故障切换场景下仍可被其他模型承接。另外middleware/noop_injection/middleware.py 展示了供应商兼容层面的精细处理部分供应商LiteLLM、Bedrock、Copilot在模型调用缺少任何工具时直接返回 400于是中间件按ls_provider启发式判断仅对这些供应商注入一个_noop占位工具。这类代码与 anthropic.md 共同说明了 SurfSense 对模型供应商差异是一套从提示词到中间件再到回退策略的立体适配。六、提示词资源的可靠性保障测试守护提示词是系统行为的关键资产仓库用测试防止其静默退化。核心依据是 tests/unit/agents/multi_agent_chat/test_prompt_resources.py提示词片段通过importlib.resources按包名加载而非 import 加载一旦包被移动而.md文件未跟随read_prompt_md会返回空字符串并静默劣化系统提示词该测试因此断言core_behavior.md、routing.md、tools/task/description.md等关键片段必须解析为非空内容同时断言每个专家子智能体都必须携带非空的description.md守护specialists动态名单的完整性。这也意味着如果你在本地浏览或修改这些提示词需要同步关注测试文件中的守护清单任何提示词文件被移动的改动都会被 guardrail C 拦截。七、实操视角如何观察与验证 Claude 主智能体的提示词行为对于部署或二次开发 SurfSense 的工程师可以按以下路径观察这套提示词机制的实际效果定位入口主智能体在 runtime/factory.py 中调用build_main_agent_system_prompt()它从 LLM 实例的model_name属性解析当前模型连同线程可见性、启停用工具集合、用户自定义系统指令、引用开关等参数一起传入。model_name参数即提示词组装流水线感知当前是哪个供应商的输入端从源码结构可以推断供应商提示的选择依据就是该模型名。观察组装顺序在 compose.py 中公共片段core_behavior、kb_first、routing、output_format、refusal_and_limits、reminder与动态片段dynamic_context、specialists、tools、citations、memory_protocol交替拼装custom_system_instructions是叠加而非替换——它插在身份与默认主体之间保证平台级安全网始终生效use_default_system_instructionsFalse则跳过四个默认主体片段但保留全部常驻平台片段。验证行为契约Claude 主智能体应当表现出 anthropic.md 规定的四项行为——非平凡任务先思考再行动、不确定时用task验证而非臆造、三步以上用 todo 跟踪、独立调用并行发出且绝不假装拥有连接器工具。这些行为都可以通过阅读 routing.md 中的大量 few-shot 示例example块来对照理解例如搜索发现、爬虫阅读的职责划分、请求 N 个实体时的去重规则、完整数据集导出为文件而非贴聊天等。八、总结一份提示词背后的供应商适配方法论anthropic.md 虽然只有 16 行却是 SurfSense 多智能体架构提示词即配置理念的缩影。它揭示了三个可迁移的设计原则把平台不可变的行为宪法与平台可变的模型性格分离安全、路由、引用、拒答等规则放进公共片段推理风格、输出简洁度、工具调用习惯放进provider_hints新增模型只需新增一份 Markdown。用提示词强制架构边界通过绝不假装拥有连接器工具、一律走 task的显式指令把主智能体是纯路由器的架构约束写进模型上下文配合 Receipt 验证协议把客观准确从口号变成可执行、可验证的协议。为供应商差异提供立体配套提示词只是第一层其下还有 Anthropic 提示缓存中间件、供应商兼容的_noop注入、模型回退链和资源解析测试共同保证无论切换哪个模型家族主智能体都能以一致的边界感完成研究、检索与委派任务。对于希望深入探究的读者建议依次阅读 compose.py、routing.md、tools/task/description.md 以及 test_prompt_resources.py即可完整拼出从一份 16 行的模型提示到整个主智能体运行时的全景。【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
SurfSense 主智能体 Anthropic Claude 提示词适配：provider_hints 结构化推理与工具纪律解析
SurfSense 主智能体 Anthropic Claude 提示词适配provider_hints 结构化推理与工具纪律解析【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense导读本文围绕 SurfSense 多智能体聊天系统中主智能体main agent针对 Anthropic Claude 系列模型定制的模型侧提示词片段anthropic.md展开。该片段并非独立成篇的完整提示词而是主智能体系统提示词system prompt组装流水线中的一个供应商提示provider_hints模块用于在运行时把你跑在什么模型上、该模型应该怎样思考、怎样调用工具这类模型差异显式注入上下文。读完本文你将掌握 SurfSense 主智能体提示词的组装架构、Anthropic 供应商提示逐条语义、以及它与其他模型供应商DeepSeek、Gemini、Grok、Kimi、OpenAI 系列提示的对比和背后的工具纪律设计。一、定位provider_hints 在整个提示词组装流水线中的角色SurfSense 的主智能体系统提示词并不是一份静态的 Markdown 文件而是由 builder/compose.py 在每次创建 agent 时按固定顺序动态拼装的。默认顺序如下agent_identity [用户的 custom_system_instructions如果有] core_behavior # 默认主体 knowledge_base_first # 默认主体 dynamic_context # 始终注入 routing # 默认主体 specialists # 始终注入动态名单 tools # 始终注入垂直切片式 memory_protocol # 默认主体 citations # 始终注入 output_format # 始终注入 refusal_and_limits # 始终注入 reminder # 始终注入在 compose.py 中build_main_agent_system_prompt()接收model_name参数把上述所有片段拼接为最终提示词。而providers/anthropic.md这类模型供应商提示就是这套流水线中负责模型侧适配的组成部分——它告诉运行在 Claude 上的主智能体你的推理风格、任务管理方式和工具调用纪律应该是什么样的。每个供应商提示都以provider_hints与/provider_hints标签包裹这种 XML 风格标签与tools、routing、specialists等区块标签保持了一致的解析语义便于模型在长上下文中快速识别这一段是关于我当前运行模型的适配指令。从源码结构可以推断提示词片段统一通过 load_md.py 中的read_prompt_md(filename)读取它基于importlib.resources以包名app.agents.chat.multi_agent_chat.main_agent.system_prompt.prompts为基准加载.md资源文件名即providers/anthropic.md这样的相对路径。这一设计保证了提示词与 Python 代码可以一起被打包分发。二、anthropic.md 逐条解析Claude 模型侧适配的四个维度anthropic.md 全文仅一个provider_hints区块包含四个主题下面逐一结合仓库实现展开。1. 结构化推理Structured reasoning原文For non-trivial work,thinking/ shortplanbefore tool calls is fine.这明确许可 Claude 在调用工具之前使用thinking标签进行推理或写一个简短的plan计划但限定为非平凡工作non-trivial work——即不允许对例行操作过度推理。这与 core_behavior.md 中的全局行为约束Dont narrate intent — just act形成互补核心行为负责行动优先、不絮叨而 Anthropic 供应商提示负责在 Claude 平台上给出推理的合法边界。也就是说思考是允许的但思考必须服务于工具调用质量而不是替代行动。2. 专业客观性Professional objectivity原文Accuracy over flattery; verify withtask(e.g.task(web_crawler, …)to read a page,task(google_search, …)for public facts) when unsure — dont invent connector access.这一条把准确性优先于迎合落实为具体的工具纪律当 Claude 不确定事实时应当通过task工具调用对应的专家子智能体specialist去验证而不是凭训练数据猜测。这里出现的关键词task是主智能体唯一的委派通道其语义由 tools/task/description.md 定义task(subagent_type, description)单发模式或task(tasks[{description, subagent_type}, ...])批量扇出模式。而dont invent connector access直接呼应 refusal_and_limits.md 中的铁律Never claim filesystem access, connector access, or persistent storage you dont have——主智能体本身没有任何连接器工具所有连接器能力都必须通过task路由给对应专家。3. 任务管理Task management原文For 3 steps, use todo tooling; update statuses promptly.当任务需要三步以上时要求 Claude 使用待办todo工具并及时更新状态。这条规则在实际提示词中有更细化的落地routing.md 指出write_todos用于在跨多个专家或步骤的回合序列中维护结构化计划并要求在task调用之前把对应条目标记为in_progress、调用返回后标记为completed跨回合的串行依赖如先找到知识库文档再据此发邮件也要靠write_todos保持计划存活。单步请求则跳过 todo。write_todos与update_memory一起属于主智能体仅有的直接工具direct tools阵营——从 routing.md 可以看到直接工具只有这两类其余一切工作都走task委派。4. 工具调用Tool calls原文Parallelise independent calls; sequence only when outputs chain. Never pretend you can run connector-specific tools directly — route throughtaskwhen needed.这一条是整份提示中最关键的工程约束包含两层并行化纪律独立的工具调用应并行发出仅当后一个调用依赖前一个的输出时才串行。这与 openai_reasoning.md 中的multi_tool_use.parallel建议同源也与 routing.md 中两个task调用互相不引用对方输出且目标不同专家或同专家但范围不重叠即为独立的判定标准一致。禁止假装拥有连接器工具主智能体绝不直接调用连接器专属工具需要时一律通过task路由。这保证了主智能体是纯路由器pure router的架构立场不被模型越权破坏。三、横向对比providers 目录下各模型的差异化适配providers/目录中与 anthropic.md 并列的还有 7 份供应商提示覆盖了 SurfSense 主智能体可能运行的主要模型家族。它们的共同点是都包裹在provider_hints标签内、都强调通过 task 委派连接器工作、不要假装拥有不存在的工具但在侧重点上各有不同供应商提示文件目标模型核心差异点anthropic.mdClaude 系列结构化推理thinking/plan、客观性优先、todo 纪律deepseek.mdDeepSeekR1-aware推理卫生内部思考与面向用户的回答分离不把思维链泄漏进工具参数google.mdGemini极简输出约 3 行散文以内、明确的 Understand→Plan→Act→Verify 四步工作流grok.mdxAI Grok极限简洁默认 4 行以内、单回合单一调查工具、引用开关纪律kimi.mdMoonshot Kimi行动偏向能用工具就不写散文、单响应多工具并行、与用户语言一致openai_classic.mdGPT-4 家族会话式但专业、工具出错时修正参数重试一次、总结工具输出openai_codex.mdCodex 级模型不粘贴大段抓取内容、用裸[n]标签引用、无 emoji、单层列表openai_reasoning.mdGPT-5/o 系列极简直接、commentary/final 双通道、禁止请求许可、自主坚持到任务完成从这组对比可以清晰看出 SurfSense 的供应商适配哲学平台不变的行为宪法由core_behavior、routing、kb_first、refusal_and_limits等公共片段承载而平台可变的模型性格与调用习惯由provider_hints承载。因此 DeepSeek 的提示专门写不要把思维链泄漏进工具参数R1 类模型特有风险而 Gemini 的提示专门写三行以内的直接回答Gemini 输出风格特征Anthropic 的提示则专门写非平凡工作允许thinking/planClaude 的结构化推理习惯。值得注意的是default.md和providers/__init__.py均为空文件从源码结构可以推断默认情况下如果没有匹配的供应商提示主智能体仅依赖公共行为片段运行供应商提示属于可选增强层。四、与任务委派机制的联动task 工具与验证协议anthropic.md 中反复出现的task是理解这份提示的关键锚点。主智能体含运行在 Claude 上的实例的全部外部能力都通过task委派给 subagents/builtins 下的专家子智能体例如knowledge_base用户知识库语义/关键词混合检索、mcp_discoverySlack、Notion、Jira、Gmail 等已连接应用、web_crawler页面抓取、google_search公开事实检索、以及reddit/youtube/tiktok/google_maps/amazon/walmart等平台情绪专家。每个专家子智能体都是隔离运行的拥有自己的工具栈和上下文返回单个综合结果。task的单发参数为subagent_type要调用的专家名必须与specialists动态名单中的条目匹配。该名单由 builder/sections/specialists.py 依据当前工作区的连接器可用性动态渲染——deliverables和knowledge_base因声明了空连接器依赖集合而始终存活。description完整的任务提示词。由于专家看不到当前线程上下文所有约束和所需返回内容都必须写进这一字段。批量模式task(tasks[...])用于单个请求展开为 3 个及以上独立专家调用的场景运行时以信号量控制并发并返回每个子任务一个[task index]前缀的 ToolMessage 块但批量子任务不支持人工介入human-in-the-loop中断需要审批的子任务会报错并要求以单发形式重新派发。针对变更类操作tools/task/description.md 内置了一套verification验证协议专家的自然语言回复只是自报self-report不是证据。主智能体必须核对state[receipts]中的结构化Receiptroute、type、operation、status、external_id、verifiable_url、preview只有statussuccess才代表后端已提交对高风险变更还可以用task(web_crawler, verifiable_url)从外部确认。这份协议与 anthropic.md 的Accuracy over flattery一脉相承——客观性不是态度问题而是用工具与结构化证据强制出来的结果。五、Claude 运行时的工程配套提示缓存与回退围绕 Claude 主智能体仓库还有两处值得注意的配套工程提示缓存中间件shared/middleware/anthropic_cache.py 基于langchain_anthropic的AnthropicPromptCachingMiddleware构建对系统提示、工具和消息块统一打上提示缓存标注unsupported_model_behaviorignore保证在不支持缓存的模型上静默降级。它被挂在主智能体的 middleware/stack.py 和知识库子智能体的 middleware_stack.py 上。考虑到主智能体提示词由十余个片段拼装而成且每个会话反复复用提示缓存是控制成本与延迟的关键手段。模型回退链shared/middleware/resilience/fallback.py 中保留了anthropic:claude-3-5-haiku-20241022作为回退候选scoped_model_fallback.py 则明确只在供应商/网络错误时切换回退模型编程错误照常抛出——这保证了 Claude 侧提示词适配在故障切换场景下仍可被其他模型承接。另外middleware/noop_injection/middleware.py 展示了供应商兼容层面的精细处理部分供应商LiteLLM、Bedrock、Copilot在模型调用缺少任何工具时直接返回 400于是中间件按ls_provider启发式判断仅对这些供应商注入一个_noop占位工具。这类代码与 anthropic.md 共同说明了 SurfSense 对模型供应商差异是一套从提示词到中间件再到回退策略的立体适配。六、提示词资源的可靠性保障测试守护提示词是系统行为的关键资产仓库用测试防止其静默退化。核心依据是 tests/unit/agents/multi_agent_chat/test_prompt_resources.py提示词片段通过importlib.resources按包名加载而非 import 加载一旦包被移动而.md文件未跟随read_prompt_md会返回空字符串并静默劣化系统提示词该测试因此断言core_behavior.md、routing.md、tools/task/description.md等关键片段必须解析为非空内容同时断言每个专家子智能体都必须携带非空的description.md守护specialists动态名单的完整性。这也意味着如果你在本地浏览或修改这些提示词需要同步关注测试文件中的守护清单任何提示词文件被移动的改动都会被 guardrail C 拦截。七、实操视角如何观察与验证 Claude 主智能体的提示词行为对于部署或二次开发 SurfSense 的工程师可以按以下路径观察这套提示词机制的实际效果定位入口主智能体在 runtime/factory.py 中调用build_main_agent_system_prompt()它从 LLM 实例的model_name属性解析当前模型连同线程可见性、启停用工具集合、用户自定义系统指令、引用开关等参数一起传入。model_name参数即提示词组装流水线感知当前是哪个供应商的输入端从源码结构可以推断供应商提示的选择依据就是该模型名。观察组装顺序在 compose.py 中公共片段core_behavior、kb_first、routing、output_format、refusal_and_limits、reminder与动态片段dynamic_context、specialists、tools、citations、memory_protocol交替拼装custom_system_instructions是叠加而非替换——它插在身份与默认主体之间保证平台级安全网始终生效use_default_system_instructionsFalse则跳过四个默认主体片段但保留全部常驻平台片段。验证行为契约Claude 主智能体应当表现出 anthropic.md 规定的四项行为——非平凡任务先思考再行动、不确定时用task验证而非臆造、三步以上用 todo 跟踪、独立调用并行发出且绝不假装拥有连接器工具。这些行为都可以通过阅读 routing.md 中的大量 few-shot 示例example块来对照理解例如搜索发现、爬虫阅读的职责划分、请求 N 个实体时的去重规则、完整数据集导出为文件而非贴聊天等。八、总结一份提示词背后的供应商适配方法论anthropic.md 虽然只有 16 行却是 SurfSense 多智能体架构提示词即配置理念的缩影。它揭示了三个可迁移的设计原则把平台不可变的行为宪法与平台可变的模型性格分离安全、路由、引用、拒答等规则放进公共片段推理风格、输出简洁度、工具调用习惯放进provider_hints新增模型只需新增一份 Markdown。用提示词强制架构边界通过绝不假装拥有连接器工具、一律走 task的显式指令把主智能体是纯路由器的架构约束写进模型上下文配合 Receipt 验证协议把客观准确从口号变成可执行、可验证的协议。为供应商差异提供立体配套提示词只是第一层其下还有 Anthropic 提示缓存中间件、供应商兼容的_noop注入、模型回退链和资源解析测试共同保证无论切换哪个模型家族主智能体都能以一致的边界感完成研究、检索与委派任务。对于希望深入探究的读者建议依次阅读 compose.py、routing.md、tools/task/description.md 以及 test_prompt_resources.py即可完整拼出从一份 16 行的模型提示到整个主智能体运行时的全景。【免费下载链接】SurfSenseOpen-source NotebookLM alternative. Research the open web with live data(Reddit, YT, IG, TikTok, Indeed, Google Search, Maps etc) through one platform, API or MCP server. Join our Discord: https://discord.gg/ejRNvftDp9项目地址: https://gitcode.com/GitHub_Trending/su/SurfSense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
