Open-AutoGLM使用避坑指南（9大常见错误及解决方案）
2025/12/26 15:35:23
【光子AI】提示词：开发一个类似 Notion 这样的 AI 写作平台，但是要超过 Notion （在 MultiAgent 体系、智能提示词生成、写作 Plan-Execute 智能工作流生成等）
文章目录
- 【光子AI】提示词：开发一个类似 Notion 这样的 AI 写作平台，但是要超过 Notion （在 MultiAgent 体系、智能提示词生成、写作 Plan-Execute 智能工作流生成等）
- ===================================
- 方案一：全能架构师版（最推荐，适合做整体技术顶层设计）
- 方案二：专注于 AI Agent 核心逻辑版（适合深挖 AI 后端实现）
- 方案三：产品 + 技术 MVP 落地版（适合创业早期/原型开发）
- 💡 优化要点解析（为什么这么改？）
- ===================================
- 模板 A：通用但高质量（适合第一次要整体方案）
- 模板 B：强约束落地版（适合你要直接推进工程）
- 模板 C：让模型“先问自己再输出”（适合追求深度与一致性）
- 额外：你原句的“更强表达版本”（一行版）
- ===================================
- ===================================
- 角色设定
- 项目背景
- 核心差异化能力（需要你帮我设计技术方案）
- 能力 1：Multi-Agent 协作写作系统
- 能力 2：智能提示词生成引擎
- 能力 3：写作 Plan-Execute 智能工作流
- 技术约束
- 输出要求
- 补充说明
- ===================================
- 方案一：全能架构师版（最推荐，适合做整体技术顶层设计）
- 方案二：专注于 AI Agent 核心逻辑版（适合深挖 AI 后端实现）
- 方案三：产品 + 技术 MVP 落地版（适合创业早期/原型开发）
- 💡 优化要点解析（为什么这么改？）
===================================
你的原始提示词虽然表达了核心需求，但比较笼统。AI 虽然能回答，但可能给出的方案会比较泛泛而谈，缺乏深度和针对性，无法真正体现“超过 Notion”的技术护城河。
为了获得通过专家级、可落地、具备架构深度的回复，我们需要引入角色设定（Persona）、具体约束（Constraints）、结构化输出（Structured Output）以及技术栈偏好（Tech Stack context）。
以下是针对不同需求场景的三个优化版本，你可以根据你目前所处的阶段选择最合适的一个。
方案一：全能架构师版（最推荐，适合做整体技术顶层设计）
这个提示词将 AI 设定为一名拥有独角兽企业经验的 CTO/首席架构师，要求它不仅给出概念，还要给出具体的组件选型和交互逻辑。
复制以下提示词：
角色设定：你是一位拥有 10 年以上经验的 AI Native 应用首席架构师，精通大型分布式系统、LLM（大语言模型）应用开发、Multi-Agent（多智能体）编排以及富文本编辑器底层技术（如 Prosemirror/TipTap）。
任务背景：我正在开发一款下一