Augment Code的Prompt Enhancer是什么功能?
你有没有遇到过这种情况?明明知道自己想要什么,写出来的提示词却让AI完全理解错了。
让AI翻译一篇文章,结果生成的中文不伦不类,机器僵硬,词汇不同,鸡同鸭讲。中国人看不懂,美国人表示耸肩。就像你想说帮我做个"登录页面",结果AI给你做了个“注册页面“。
为什么要做这个功能
Augment Code经常和开发者聊天,他们发现了一个很有意思的现象:提示词写得好不好,直接决定了AI能不能帮你把事情做对。想想也是,AI编程助手才出现不到一年,每天都有无数开发者第一次尝试和它们合作。
我们希望每个人都能体验到那种"哇,太神奇了"的时刻——就是AI第一次就完美理解你的意思,把任务完成得漂漂亮亮。
除了让人开心,好的提示词还能省钱省时间。少了那些无效的来回沟通,计算成本降下来了,你也能更快拿到想要的结果。
时间效果怎么样,不要听他们怎么吹,看看实际效果。
测试1翻译场景:拒绝机器翻译的僵硬
看英文技术文档,很多时候需要翻译成中文。各个翻译软件比如谷歌,豆包,翻译的都是不伦不类。每次我翻译的时候,习惯丢给大模型”下载当前网页,翻译成中文,保存markdown文件”。翻译重来的只能当半成品,总比一个一个查找不认识的词汇强。
无意之间使用了Enhance Prompt,效果简直上天了,知道我想要啥。
你只需要输入一个很简单的想法:点击那个闪亮的 ✨ 按钮,马上就能得到一个结构清晰、信息完整的提示词:
自动找到相关代码 — 不用你到处复制粘贴了。Prompt Enhancer 会利用 Augment 强大的代码理解能力,自动把相关的上下文信息整理好。
让AI的想法透明化 — 你能清楚看到AI是怎么理解你的需求的,发现问题可以立刻修正。
提升回答质量 — 详细准确的提示词意味着更好的结果,更少的修改。
比如自然流畅的中文表达,使用原文的层级结构,遇到专业术语,可在首次出现的时候提供英文原文对照。这些都不用我敲打。我写了一句话,它按照我的意思生成了10句话,句句都是我想要的。
测试2:生成一个俄罗斯方块
苍天可鉴,我真的只是输入了这么一句话:
"生成一个精美的俄罗斯方块游戏,html运行"
让Augment Code嘚啵嘚啵,给我吐出来一段话:
请创建一个完整的俄罗斯方块游戏,要求如下:
**技术要求:**
- 使用HTML、CSS和JavaScript实现
- 创建单个HTML文件,包含所有必要的样式和脚本
- 确保游戏可以直接在浏览器中打开运行,无需额外依赖
**游戏功能:**
- 实现经典的俄罗斯方块游戏机制(7种标准方块形状:I、O、T、S、Z、J、L)
- 方块自动下落,玩家可以控制方块的左右移动、旋转和快速下落
- 当一行完全填满时自动消除并计分
- 显示当前分数和游戏状态
- 游戏结束检测(当方块堆积到顶部时)
**操作控制:**
- 左右箭头键:移动方块
- 上箭头键或空格键:旋转方块
- 下箭头键:加速下落
- 暂停/开始功能
**视觉设计:**
- 精美的界面设计,包含游戏区域边框和背景
- 不同颜色区分不同形状的方块
- 显示下一个即将出现的方块
- 响应式设计,适配不同屏幕尺寸
**用户体验:**
- 流畅的动画效果
- 适中的游戏难度递增
- 清晰的游戏说明和控制提示
请创建完整的HTML文件,确保代码结构清晰,注释完整,便于理解和维护。
Augment Code怎么这么牛,比我自己都知道我想要啥,它怎么知道精美这个词是什么意思?
实际效果那?吊打所有的AI native IDE。我自己就是模仿(抄袭)Cursor,做IDE太难了,Cursor都没有抄明白,Augment Code又是一个翻不过去的喜马拉雅山。国内的字节Trae,通义灵码,百度CoMate加油哦!
测试3:日常工作中编写文档Prompt优化
日常记录一个优化,针对现有项目编写代码文档,以下是我写的Prompt,作为有一定架构思维的我觉得写地已经比较全了:
这是一个基于EasyRule(规则运行过程:事实状态->规则评估->动作执行)的规则引擎项目,由于代码包结构调整等原因,还有很多部分代码手工调整等,项目根目录下面的相关文档已经有些过时不适合现有代码。
任务:
现在准备编写一份完整的文档,文档列表和大体内容说明如下:
1.技术方案设计和实现.md
- 目的: 主要描述技术设计和实现,用于后续代码改进和维护
- 内容结构包括:开发背景、解决的问题、技术方案选型和原因、整体代码模块结构图、整体代码数据流程架构图、核心功能模块设计(核心功能列表见后面一条)、性能优化设计、存在的风险和问题
- 核心功能包括:Rule增删除改查及相关联的数据(设备DevicePointState、StateCondition、storage等等)生命周期管理、 Rule规则关键实现(规则判断的请求链路、时间触发、事件触发、动作执行等)、时间触发器设计、设备持续状态触发设计、线程池管理、监控设计等
- 单个核心功能模块设计包括:主要功能、调用链路(时序图)、数据状态和流转图,并举例说明
2.code-desc.md 代码结构和功能描述,方便快速了解代码职责和结构
3.使用说明.md
- 面向系统维护人员使用说明
- 面向规则调用方使用说明
要求:
1. 编写文档可以阅读项目根目录下面的相关文档作为部分参考,但是由于代码调整比较多,文档只需了解过往的部分背景,一切以代码为准;
2. 需要认真阅读每个代码文件,了解整个代码运行机理,切不可偷懒只读类说明
3. 文档使用markdown格式,编写在doc/目录下面,根目录下面过时的文档后续会删除掉
4. 整理编写文档中,如果发现代码存在明显的逻辑bug或者问题,可以记录到文档里,方便后续开发优化
点了Enhance Prompt 后,执行了蛮长时间,但是优化后的prompt效果比我自己写的更进一步了,非常明确的背景、任务、执行细节,虽然加了部分内容,但是我也非常认可加的内容:
# 规则引擎项目文档重构任务
## 项目背景
这是一个基于EasyRule框架的规则引擎项目,遵循"事实状态->规则评估->动作执行"的运行流程。由于近期进行了大量代码包结构调整和手工代码优化,项目根目录下的现有文档已经过时,与当前代码实现不符。
## 任务目标
创建一套完整、准确、实用的技术文档,以支持项目的后续维护、开发和使用。
## 执行步骤
### 第一阶段:代码深度分析
1. **全面代码审查**:逐个阅读每个Java类文件,理解其具体实现逻辑(不能仅看类注释)
2. **架构梳理**:分析当前包结构、类依赖关系、数据流向
3. **功能映射**:识别核心功能模块及其实现方式
4. **问题记录**:发现并记录代码中的潜在bug、设计问题或改进点
### 第二阶段:文档编写
在`doc/`目录下创建以下三个文档:
#### 1. `技术方案设计和实现.md`
**目标读者**:技术开发人员、架构师
**内容结构**:
- **开发背景**:项目起源、解决的业务问题
- **技术选型**:EasyRule选择原因、其他技术栈决策依据
- **整体架构**:
- 代码模块结构图(包结构、类关系)
- 数据流程架构图(从输入到输出的完整链路)
- **核心功能模块详细设计**:
- Rule生命周期管理(增删改查、关联数据管理)
- 规则执行引擎(评估链路、触发机制)
- 时间触发器实现
- 设备状态持续触发机制
- 异步处理和线程池管理
- 监控和日志设计
- **每个核心模块包含**:
- 功能描述和职责边界
- 调用时序图
- 数据状态流转图
- 具体使用示例
- **性能优化策略**
- **已知风险和待解决问题**
#### 2. `code-desc.md`
**目标读者**:新加入的开发人员
**内容结构**:
- 包结构总览和职责划分
- 核心类功能说明(按包分组)
- 关键接口和抽象类说明
- 配置文件和常量定义
- 数据模型和实体类说明
#### 3. `使用说明.md`
**目标读者**:系统维护人员、API调用方
**内容结构**:
- **系统维护人员部分**:
- 部署和配置说明
- 监控指标和告警
- 常见问题排查
- 性能调优建议
- **API调用方部分**:
- 接口文档和示例
- 规则定义格式说明
- 集成指南
- 最佳实践建议
## 质量要求
1. **准确性**:所有内容必须与当前代码实现完全一致
2. **完整性**:覆盖所有核心功能和重要细节
3. **实用性**:提供具体示例和可操作的指导
4. **可维护性**:结构清晰,便于后续更新
## 执行原则
1. **代码为准**:以当前代码实现为唯一标准,现有文档仅作背景参考
2. **深度理解**:必须理解每个类的具体实现逻辑和设计意图
3. **问题导向**:主动发现并记录代码问题,为后续优化提供依据
4. **结构化输出**:使用标准Markdown格式,保持文档结构一致性
## 交付标准
- 三个文档文件保存在`doc/`目录下
- 每个文档包含完整的目录结构
- 所有图表使用Mermaid格式嵌入
- 代码示例使用适当的语法高亮
- 发现的问题清单整理在相应文档的"问题和风险"章节中
Augment Code 为什么那么强,我该怎么超越他!
Cursor 的竞争对手 Augment Code 发布了 Augment Agent,专为大型代码库打造,具备 20 万 tokens 的超长上下文、持久记忆和深度工具集成。不过产品形态却不是一个全新的 IDE,而是作为 IDE 的插件,同时支持 VS Code、JetBrains、Vim 等主流 IDE。
因为工作原因需要经常使用,目前安装了Cursor, githubcopilot,augment code,字节trae等5个应用。其实是想投机取巧,A生成效果不好,可以用B实施吧。现在我准备全面用户Augment,卸载Curosr,实际效果远超我想想。
一方面不像Roo code或Cline需要自己配置API Key,先白嫖 14天免费试用。另一方面这个代码质量真得有点超预期。Cursor/github copilot没搞定的需求,同样的Prompt发过去,这个软件搞定了。
背后都是Claude sonnet4+o1,为啥人家调教的这么好呢?!即使Cursor引以为傲的Codebase,也没Augment强。
安装和使用很简单,用户直接在Vs code/JetBrains插件市场就能搜索到Augment,免费次数有限,当然网友们都很强大,都有办法,笔者自己也写了个IDE破解插件,相关的免费续杯方式可以看这一文:《Augment Code无限续杯教程,持续更新,欢迎收藏》
最后总结一下,Prompt工程是术,网络铺天盖地教大家写prompt,那些精美绝伦的prompt例子,其实是术,当模型能力能力更新的时候,其实很多prompt都过期了。但是我们和AI交流的原则,讲清楚你真的想要什么,是道。跟AI交流的时候,充分表达自己的需求,而不是让AI去猜用户的意图;或者AI帮你写了Prompt,让你在修改,看看全面性和准确性,是不是真正你想要的。话说对了,事情就成功了一半,剩下的交给AI去完成。