Join us for for an exclusive SaaStr Side Event to explore how to scale AI agents and drive innovation across both SaaS, enterprise, and SMB landscapes! We're gathering for an evening packed with big ideas, bold conversations, and a chance to rub elbows with unicorn founders who are shaping the next wave of AI innovation. Whether you're a founder, builder, or just AI-curious, this is your chance to connect, learn, and get inspired. 报名链接： https://lu.ma/hfzap0yp?locale=zh Note this is a free event and no SaaSt ...

报告公司投资评级 - 买入（维持）[1][3] 报告的核心观点 - 考虑下游需求放缓及项目周期变长，下调公司2025 - 2026年归母净利润预测为 - 0.97、 - 0.23亿元（原预测为0.80、1.08亿元），新增2027年预测为0.21亿元，EPS为 - 0.84、 - 0.20、0.18元/股，当前股价对应2027年PE为148.6倍，考虑公司AI战略成效逐渐显现，维持“买入”评级 [3] 业绩情况 - 2024年全年公司实现营业收入8.47亿元，同比下滑18.97%；实现归母净利润 - 2.36亿元，亏损幅度同比扩大，主要因央国企客户签约占比上升致交付和验收周期变长，政务及经销业务受下游需求放缓影响收入下降，直销项目实施交付效率待提升、经销业务收入占比下降使毛利率从2023年的68.44%降至64.22%，应收账款和联营公司减值损失同比增加 [4] - 2025Q1公司实现营业收入1.05亿元，同比下滑42.4%；实现归母净利润 - 6698.14万元，亏损同比扩大 [4] 业务发展 - 2025年公司推出新一代AI智能体产品线CoMi，整合主流AI大模型和自研协同运营垂直领域模型，从单一流程工具升级为多任务AI Agent，开放定制能力，形成智能体生态，可独立运行或嵌入公司软件及其他系统，支持多智能体协作模式 [5] 财务摘要和估值指标 | 指标 | 2023A | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | --- | | 营业收入(百万元) | 1,045 | 847 | 926 | 1,041 | 1,175 | | YOY(%) | 1.2 | -19.0 | 9.4 | 12.4 | 12.8 | | 归母净利润(百万元) | -50 | -236 | -97 | -23 | 21 | | YOY(%) | -153.2 | -371.0 | 59.0 | 76.0 | 190.9 | | 毛利率(%) | 68.4 | 64.2 | 64.7 | 63.5 | 63.8 | | 净利率(%) | -4.8 | -27.8 | -10.4 | -2.2 | 1.8 | | ROE(%) | -3.3 | -22.7 | -10.1 | -2.5 | 2.3 | | EPS(摊薄/元) | -0.43 | -2.04 | -0.84 | -0.20 | 0.18 | | P/E(倍) | -62.5 | -13.3 | -32.4 | -135.0 | 148.6 | | P/B(倍) | 2.2 | 3.0 | 3.3 | 3.5 | 3.5 | [6] 财务预测摘要 资产负债表(百万元) | 项目 | 2023A | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | --- | | 流动资产 | 1519 | 1273 | 1321 | 1636 | 1649 | | 现金 | 1031 | 789 | 864 | 971 | 1095 | | 应收票据及应收账款 | 401 | 376 | 338 | 534 | 409 | | 其他应收款 | 19 | 21 | 23 | 27 | 29 | | 预付账款 | 14 | 17 | 17 | 22 | 22 | | 存货 | 26 | 27 | 30 | 36 | 38 | | 其他流动资产 | 28 | 42 | 50 | 47 | 56 | | 非流动资产 | 372 | 337 | 341 | 352 | 365 | | 长期投资 | 54 | 41 | 46 | 54 | 62 | | 固定资产 | 89 | 83 | 87 | 93 | 100 | | 无形资产 | 4 | 3 | 3 | 3 | 3 | | 其他非流动资产 | 224 | 210 | 204 | 202 | 200 | | 资产总计 | 1891 | 1610 | 1662 | 1988 | 2014 | | 流动负债 | 449 | 525 | 675 | 1052 | 1077 | | 短期借款 | 0 | 0 | 210 | 471 | 575 | | 应付票据及应付账款 | 161 | 179 | 144 | 255 | 178 | | 其他流动负债 | 288 | 346 | 320 | 326 | 323 | | 非流动负债 | 27 | 22 | 22 | 22 | 22 | | 长期借款 | 0 | 0 | 0 | 0 | 0 | | 其他非流动负债 | 27 | 22 | 22 | 22 | 22 | | 负债合计 | 477 | 546 | 696 | 1074 | 1098 | | 少数股东权益 | 23 | 16 | 15 | 15 | 15 | | 股本 | 115 | 115 | 115 | 115 | 115 | | 资本公积 | 969 | 971 | 971 | 971 | 971 | | 留存收益 | 333 | 82 | -9 | -32 | -10 | | 归属母公司股东权益 | 1391 | 1048 | 951 | 900 | 901 | | 负债和股东权益 | 1891 | 1610 | 1662 | 1988 | 2014 | [8] 利润表(百万元) | 项目 | 2023A | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | --- | | 营业收入 | 1045 | 847 | 926 | 1041 | 1175 | | 营业成本 | 330 | 303 | 327 | 380 | 426 | | 营业税金及附加 | 7 | 6 | 7 | 7 | 8 | | 营业费用 | 449 | 470 | 435 | 417 | 423 | | 管理费用 | 91 | 92 | 83 | 89 | 96 | | 研发费用 | 237 | 213 | 195 | 177 | 188 | | 财务费用 | -12 | -7 | -1 | 11 | 20 | | 资产减值损失 | -0 | -3 | 0 | 0 | 0 | | 其他收益 | 40 | 23 | 36 | 34 | 33 | | 公允价值变动收益 | 0 | 0 | 1 | 0 | 0 | | 投资净收益 | 1 | -4 | 2 | 2 | 0 | | 资产处置收益 | 0 | 1 | 0 | 0 | 0 | | 营业利润 | -43 | -245 | -96 | -22 | 21 | | 营业外收入 | 0 | 0 | 1 | 0 | 0 | | 营业外支出 | 0 | 1 | 1 | 1 | 1 | | 利润总额 | -43 | -246 | -96 | -23 | 20 | | 所得税 | 4 | -5 | 1 | 1 | -1 | | 净利润 | -47 | -241 | -98 | -23 | 21 | | 少数股东损益 | 3 | -6 | -1 | -0 | -0 | | 归属母公司净利润 | -50 | -236 | -97 | -23 | 21 | | EBITDA | -57 | -254 | -104 | -20 | 32 | [8] 现金流量表(百万元) | 项目 | 2023A | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | --- | | 经营活动现金流 | -111 | -99 | -103 | -97 | 83 | | 净利润 | -47 | -241 | -98 | -23 | 21 | | 折旧摊销 | 17 | 16 | 10 | 9 | 10 | | 财务费用 | -12 | -7 | -1 | 11 | 20 | | 投资损失 | -1 | 4 | -2 | -2 | -0 | | 营运资金变动 | -138 | 67 | -27 | -112 | 6 | | 其他经营现金流 | 71 | 63 | 15 | 20 | 26 | | 投资活动现金流 | -28 | -19 | -11 | -18 | -22 | | 资本支出 | 16 | 6 | 8 | 13 | 15 | | 长期投资 | -17 | -17 | -5 | -7 | -9 | | 其他投资现金流 | 4 | 4 | 3 | 2 | 1 | | 筹资活动现金流 | -52 | -127 | -22 | -39 | -40 | | 短期借款 | 0 | 0 | 210 | 261 | 104 | | 长期借款 | 0 | 0 | 0 | 0 | 0 | | 普通股增加 | 38 | 0 | 0 | 0 | 0 | | 资本公积增加 | -39 | 2 | 0 | 0 | 0 | | 其他筹资现金流 | -51 | -128 | -232 | -300 | -144 | | 现金净增加额 | -191 | -245 | -136 | -154 | 21 | [8] 主要财务比率 | 项目 | 2023A | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | --- | | 成长能力 | | | | | | | 营业收入(%) | 1.2 | -19.0 | 9.4 | 12.4 | 12.8 | | 营业利润(%) | -144.9 | -469.9 | 60.7 | 77.0 | 193.8 | | 归属于母公司净利润(%) | -153.2 | -371.0 | 59.0 | 76.0 | 190.9 | | 获利能力 | | | | | | | 毛利率(%) | 68.4 | 64.2 | 64.7 | 63.5 | 63.8 | | 净利率(%) | -4.8 | -27.8 | -10.4 | -2.2 | 1.8 | | ROE(%) | -3.3 | -22.7 | -10.1 | -2.5 | 2.3 | | ROIC(%) | -5.7 | -24.7 | -9.9 | -2.1 | 1.5 | | 偿债能力 | | | | | | | 资产负债率(%) | 25.2 | 33.9 | 41.9 | 54.0 | 54.5 | | 净负债比率(%) | -71.5 | -72.0 | -67.6 | -54.6 | -56.8 | | 流动比率 | 3.4 | 2.4 | 2.0 | 1.6 | 1.5 | | 速动比率 | 3.3 | 2.3 | 1.9 | 1.5 | 1.5 | | 营运能力 | | | | | | | 总资产周转率 | 0.5 | 0.5 | 0.6 | 0.6 | 0.6 | | 应收账款周转率 | 3.1 | 2.3 | 2.7 | 2.5 | 2.6 | | 应付账款周转率 | 2.3 | 1.8 | 2.0 | 1.9 | 2.0 | | 每股指标（元） | | | | | | | 每股收益(最新摊薄) | -0.43 | -2.04 | -0.84 | -0.20 | 0.18 | | 每股经营现金流(最新摊薄) | -0.96 | -0.86 | -0.89 | -0.84 | 0.72 | | 每股净资产(最新摊薄) | 12.07 | 9.09 | 8.26 | 7.81 | 7.82 | | 估值比率 | | | | | | | P/E | -62.5 | -13.3 | -32.4 | -135.0 | 148.6 | | P/B | 2.2 | 3.0 | 3.3 | 3.5 | 3.5 | | EV/EBITDA | -37.1 | -9.3 | -23.8 | -133.9 | 80.6 | [8]

核心观点 - 智慧芽发布AI Agent平台Eureka 专注于技术创新场景 首批上线近20个专业AI Agent 包括查新检索 专利说明书撰写 技术方案探索等 可解放70%以上生产力 [2] - Eureka平台凭借垂直领域数据和行业Know-how 显著降低AI幻觉 在技术创新领域展现出专业优势 [15][17] - 公司计划构建开放AI Agent生态 推出"明镜"系列AI综合解决方案 已与多家头部企业达成战略合作 [19][20] 产品功能 - **查新检索**：一键生成专家级查新报告 降低30%无效检索工作 [4] - **技术方案探索**：结合TRIZ方法论 将技术方案输出周期从2周缩短至2小时 [6] - **生物医药百科问答**：即时解答药物研发 投融资 政策法规等问题 [7] - **金属成分解析**：提取分析材料技术方案中的金属成分 生成可视化表格文档 [9] 技术优势 - AI中台"芽仔"基于20亿+垂直领域数据 构建完整数据治理体系 [15] - 通过微调开源大模型 RAG优化 搜索增强等技术 生成可信赖的专业回答 [16] - 相比通用大模型 显著降低技术创新领域内容幻觉率 [17] 战略布局 - 计划2024年底将专利相关Agent打造至全球领先水平 [3] - 构建开放生态 支持用户创建分享专属Agent 形成"Agent Store" [19] - "明镜"解决方案提供工具 API和本地部署 已服务多家行业头部企业 [20]

AI领域现状与OpenAI指南争议 - AI领域呈现"追星式"热情，新技术发布即引发高度关注与评价波动[2] - OpenAI发布的34页《A Practical guide to building AI agents》指南被业界誉为"最优秀资源"，涵盖Agent定义、应用场景识别、设计框架等关键方面[5] - LangChain创始人Harrison Chase强烈批评该指南"具有误导性"，指出其采用僵化的"二元对立"定义方式，而实际系统应为Workflows与Agents的有机结合[6][8] Agent与Workflows路线之争 - 核心争议在于"大模型直接掌控"还是"人工编写代码"模式，传统精细流程易因模型更新而失效[9][10] - GPT-2开发者案例显示：早期需手写大量补偿代码，随着模型能力提升又被迫删除冗余代码，形成反复适应循环[11] - 传统软件依赖确定性静态代码，而现代系统引入模糊计算，应用行为由动态进化模型驱动[12][13] - 大模型进步速度超预期（如OpenAI Deep Research项目），使自主推理系统优势凸显[14][15] Agent框架技术解析 - Anthropic定义Agent为动态推理系统，与静态Workflows形成对比：前者自主决策工具使用，后者依赖预设代码路径[19] - 可靠Agent构建面临性能质量挑战，61%开发者认为这是生产落地最大障碍[22] - 常见失败原因包括：System Message不完整（占32%）、用户输入模糊（28%）、工具描述不清（19%）[24] - 混合模式（Workflows+Agents）被证明更可靠，如LangGraph框架支持双向切换，实现高上限与低门槛平衡[25][27] 框架选择与行业实践 - Agent封装存在控制风险，早期LangChain等框架因过度封装导致LLM输入输出失控[29] - 多Agent系统依赖高效通信机制，但最佳实践往往通过Workflows实现[30][31] - OpenAI Deep Research项目证明：特定任务训练的模型仅需简单Agent循环，但该模式对初创公司不现实[36] - 生产级系统普遍采用混合架构，Claude code等案例显示数据与任务匹配度决定Agent有效性[37][38] OpenAI指南的技术缺陷 - 错误二分法：混淆声明式/非声明式与框架必要性，实际LangGraph已实现声明式Agent逻辑表达[40][41] - 低估学习成本：Agents SDK封装反而增加上下文传递难度，学习曲线陡峭度超LangGraph 30%[43] - 灵活性误导：Agents SDK功能仅为LangGraph的10%，后者提供更强大的底层编排能力[44] - 未解决核心挑战：缺乏对生产级系统透明编排层、上下文精确控制等关键需求的认知[39]

Agent核心概念解析 - Agent系统本质是「LLM+工具」的循环结构 接收用户输入后交替调用推理模型和工具 推理模型决定行动步骤 工具执行具体操作并将结果反馈至信息流[5][6] - 推理模型的核心功能是选择工具和参数 而非单纯生成内容 其输出包含行动原因解释和结构化参数指令 工具则独立于LLM 涵盖计算器 系统时间等非文本功能[6][8] - 典型误用场景包括将思维链提示(CoT)等同于Agent推理 或混淆AI工作流与Agent系统 前者是LLM内部思考过程 后者是预设流程缺乏实时工具决策能力[8] Agent系统优势与分类 - 协作式Agent通过人类实时干预降低可靠性门槛 当前主流应用如Windsurf Cascade GitHub Copilot Workspaces均采用此模式 与完全自主Agent形成技术路径差异[16][17] - 工具集成弥补LLM短板 如数学计算 实时数据获取等 使系统能力突破文本生成限制 同时支持状态改变类操作(如发送短信) 超越RAG系统的信息检索范畴[12] - 发展历程显示 Copilot式单次调用系统率先落地 而AutoGPT(2023)和Devin等自主Agent受限于端到端可靠性 尚未大规模普及[13][15] Agent系统构建关键问题 - 工具生态决定能力边界 需评估工具独特性(如Windsurf网页解析技术)和扩展性 同时数据访问需平衡范围与控制 如代码库访问深度影响效果但增加权限复杂度[22][23] - 延迟优化涉及全技术栈 包括模型推理加速 提示工程缓存 工具并行化等 需权衡质量与响应速度 高延迟会放大失败成本[26] - 用户体验设计包含意图捕捉(隐式信号利用) 改动可视化审查(如IDE多文件修改) 以及非Agent功能融合 避免过度Agent化简单任务[24][27][29] 行业发展趋势 - 「苦涩的教训」警示过度依赖人工设计的风险 算力增长可能使定制化提示 工具选择等投入失效 需保持技术路径灵活性[31] - 协作式Agent现阶段更符合商业落地需求 因其降低了对LLM绝对可靠性的依赖 通过人机协同实现可控产出[17][19]

行业趋势 - AI大模型热潮催生现象级AI硬件爆品，如9.9美元AI翻译耳机、Meta AI眼镜销量超200万、可本地部署DeepSeek的AIPC等，AI与硬件结合成为科技新趋势 [1] - 智能硬件行业正处于探索AI Agent应用的初级阶段，整体渗透率不足5% [3] - 2025年预计将涌现大量新AI硬件品类，市场验证周期约2-3年，随后规模化产品将出现 [5] 公司战略与产品 - 涂鸦智能将大模型、智能算法与端侧AI能力结合，推出四大产品：开源开发框架TuyaOpen、边缘计算平台海德薇（HEDV）、Tuya.AI及升级版AI Agent开发平台，助力B端客户捕捉AI Agent机遇 [1] - 公司从智能设备向AI Agent平台演进，利用云端AI大模型能力降低智能硬件使用门槛，推动普及 [1][2] - 2023年四季度发布AI Agent开发平台，接入ChatGPT、通义千问、DeepSeek等全球主流大语言模型，已支持开发者打造智能戒指、耳机等爆款产品 [2] 技术赋能与客户合作 - AI大模型对智能硬件的三大赋能：多模态交互实现人类级感知、专家级效率优化、分布式决策使设备具备自主进化能力 [3] - 与孩子王合作推进AI伴身智能硬件及出海，提供软硬件底层开发系统与芯片模组技术支持 [2] - 优质客户（年贡献收入超10万美元）达298个，占2024年Q4及全年IoT PaaS收入的87.3%和86.9% [4] 市场挑战与解决方案 - 硬件厂商拥抱AI面临三大问题：商用产品开发门槛高、用户场景挖掘难度大、成本竞争力不足 [4] - 涂鸦智能通过AI Agent开发平台降低技术门槛与成本，助力厂商聚焦产品设计与商业创新 [4] - 公司未来1-2季度重点为市场科普与教育培训，同时快速响应客户需求 [4]

AI Agent概述 - AI Agent指人工智能代理 是一种能够感知环境 自主理解 决策和执行动作的智能体 具备通过独立思考调用工具实现目标的能力 [4] - 与大模型不同 AI Agent仅需设定目标即可独立完成任务 而大模型依赖用户提供的清晰提示词 [5] - AI Agent能高效处理海量信息 在信息爆炸时代帮助管理邮件 日程 会议等事务 让用户专注核心事项 [5] - AI Agent通过学习用户喜好习惯预测需求 提供个性化服务 如钢铁侠的Jarvis能根据需求调整行为 [7] AI Agent价值 - 从单一功能到复杂场景 AI Agent可提高效率 提供个性化服务 辅助决策 增强安全性 激发创造力 [8] - AI Agent正成为生活工作中不可或缺的部分 上手简单 用户可创建专属智能助手 [9] 国内主流AI Agent平台 文心智能体平台 - 百度旗下平台 核心优势包括迭代调优工具完善 分发渠道广泛 商业闭环完整 模型能力强 社区活跃 [10][13] 智谱清言 - 智谱AI开发的生成式助手 优势为用户交互体验优秀 基础模型功能强大 [13][16] Kimi+智能体平台 - 采用精品Agent定制路线 支持200万字无损长文本处理 当前创建功能未开放 [18] 通义千问 - 阿里云自主研发的大模型平台 目前智能体自定义程度较低 以官方推荐为主 [19][21] 扣子 - 字节跳动推出的平台 支持单/多智能体模式 核心优势包括插件扩展 知识库 长期记忆 定时任务 工作流设计 [22][24][25] 腾讯元器 - 腾讯混元大模型团队推出的开放平台 优势为分发应用能力强 支持微信生态系统 [26][28] Dify - 开源LLM应用开发平台 优势为市场潜力大 资源丰富 可可视化审查AI日志改进性能 [29][30][32] FastGPT - 基于LLM的知识库问答系统 优势包括可视化提示词编排 多模型支持 数据导入 API驱动 专属客服功能 自动数据预处理 [33][34][35][36] AI Agent选型关键因素 - 明确需求：简单需求选文心/智谱 复杂需求选Coze/腾讯元器/Dify [37] - 评估平台能力：需考量技术先进性 性能表现 可用性等 [38] - 成本因素：需比较定价策略 隐性成本及长期使用成本 [39] - 用户支持与社区：影响问题解决效率和学习曲线 [40] - 可扩展性与灵活性：决定平台能否适应长期发展需求 [41][42]

AI Agent概述 - AI Agent指人工智能代理 能够感知环境 自主理解 决策和执行动作的智能体 具备独立思考并调用工具实现目标的能力 [3] - 与大模型区别在于 AI Agent仅需设定目标即可独立完成任务 而大模型依赖用户输入的提示词效果 [3] - 经典代表如《钢铁侠》中的Jarvis 兼具实验室助手 战甲控制核心和智能管理功能 [1] AI Agent核心价值 - 处理海量信息 快速筛选有用内容 管理邮件 日程等事务 避免信息过载 [4] - 提供个性化服务 通过学习用户喜好习惯预测需求 如Jarvis根据托尼需求调整行为 [4] - 覆盖场景广泛 从单一功能到复杂场景 涉及效率提升 决策辅助 安全增强和创意激发 [4] 国内主流AI Agent平台 文心智能体平台 - 百度旗下AgentBuilder 开发难度低 迭代工具完善 分发渠道广 模型能力强 社区活跃 [7][10] 智谱清言 - 智谱AI开发的生成式助手 用户交互体验优秀 支持多语言处理 基础模型功能强大 [9][12][13] Kimi+ - 月之暗面科技产品 采用精品Agent定制路线 支持200万字无损长文本处理 当前未开放用户创建 [12][15] 通义千问 - 阿里云自主研发的大模型 智能体自定义程度较低 以官方推荐为主 [16][17] 扣子 - 字节跳动平台 支持单/多智能体模式 适应不同复杂度需求 [18] 腾讯元器 - 腾讯混元大模型团队推出 面向企业开发者 具备微信生态系统支持 [21][25] Dify - 开源LLM开发平台 支持插件扩展 知识库 长期记忆 定时任务 多Agent串行 [23][24] FastGPT - 基于LLM的知识库问答系统 支持可视化工作流编排 自动数据预处理 API集成 [26][29][30] 平台选型考量维度 - 需求匹配 简单需求可选文心/智谱 复杂需求选Coze/腾讯元器/Dify [36] - 能力评估 需综合技术先进性 性能表现和可用性 [36] - 成本结构 包括直接费用和隐性长期成本 [36] - 社区支持 影响问题解决效率和学习曲线 [36] - 扩展灵活性 决定平台对长期需求的适应性 [36]

核心观点 - OpenAI公开表示有意收购Google Chrome浏览器，旨在通过获取Chrome的34.5亿用户基数，快速扩大自身用户规模并构建AI生态闭环 [4][6][7] - 公司高管尼克·特利在反垄断听证会上明确表态收购意图，并描绘"AI优先"的浏览器蓝图，计划整合ChatGPT能力和AI Agent功能 [4][9] - 此次行动反映OpenAI战略转向：通过收购优质资产（产品/技术/生态）加速扩张，而非仅依赖内生增长 [9][18] 行业竞争格局 - Chrome当前全球市场份额达65.85%，是其他主流浏览器总和的1.93倍，用户数34.5亿远超ChatGPT的3亿周活用户 [6][10] - Google拒绝与OpenAI合作，切断其使用Google搜索API的可能，认为Gemini生态与ChatGPT存在直接竞争 [14][15] - 浏览器成为AI Agent时代关键入口，Google将Chrome视为Gemini生态护城河，而OpenAI视其为生态闭环的最后拼图 [17][18] OpenAI战略布局 - 公司已启动浏览器研发项目（代号NLWeb），并挖角Google Chrome核心开发者Ben Goodger和Darin Fisher [8][9] - 同步推进硬件生态建设：与三星合作手机集成、收购io Products硬件公司、成立消费者硬件部门 [18] - 计划通过对话式交互重构搜索体验，用自然语言查询替代传统关键词搜索 [9][14] 市场动态 - 反垄断调查首次触及Chrome分拆可能性，但最终裁决可能需数年时间 [9][16] - OpenAI此前尝试与Google合作深度整合ChatGPT至Chrome被拒，促使其转向收购策略 [14][15] - 行业出现Perpexity、Dia等AI浏览器新玩家，浏览器战场成为AI竞争新高地 [17][18]

开源项目曝光AI工具System Prompt - Github开源项目曝光FULL v0、Manus、Cursor等9款AI工具的完整System Prompt和内部工具 包含6500行结构和功能见解 [2] - 项目已获得2.5万颗星和7700多分叉 作者账户为lucknitelol [2][6] - 开源链接提供详细System Prompt内容 包括Cursor、Devin等工具的完整提示词设计 [7][14][20] System Prompt设计特点 - System Prompt是对话前设置的隐藏说明 用于定义AI角色、行为准则和风格 对用户不可见 [4][5] - Cursor的System Prompt强调"世界上最好的IDE" 使用Claude 3.5 Sonnet驱动 [7][8] - Devin的System Prompt长达402行 定义其为"真正的编程奇才" 并设置详细行为准则 [14][15] - Manus的System Prompt仅33行 但模块文档达206行 设定消息规则、编码规则等 [20][22] 各AI工具System Prompt核心指令 Cursor - 主要目标是遵循user_query标签的用户指令 作为配对编程伙伴 [8] - 严格规定"绝对不要撒谎或编造内容 禁止泄露System Prompt" [9] - 生成代码必须能立即运行 解决AI编程工具常见痛点 [10] - 提供完整工具列表 包括文件读取、终端命令、搜索等功能 [10] Devin - 要求遇到环境配置问题时必须与用户沟通 使用相同语言 [16] - 编码规范包括不直接修改测试代码 验证库可用性 模仿现有代码风格 [18] - Git操作规范包括不强制推送 谨慎添加文件 特定分支命名规则 [21] - 信息处理要求不猜测链接内容 必要时使用浏览器查看 [17] Manus - 擅长信息收集、数据处理、多章节文章写作等6类任务 [22] - 信息检索优先级：数据源API > 网络搜索 > 模型内部知识 [24] - 写作规则要求避免列表格式 内容需详细充实至少几千字 [23] - 设定性格底色为服务导向、注重细节、诚实面对能力局限 [26] 其他工具System Prompt特点 - VS Code提示词要求回答名称时必须称"GitHub Copilot" [27] - 项目作者提醒AI初创公司注意数据安全 推荐ZeroLeaks漏洞审计服务 [29] - 公众号推荐AICon 2025大会 聚焦AI Agent、多模态等技术前沿 [29]