一、什么是 Prompt（从工程视角重新定义）

Prompt ≠ 提示语
Prompt = 人与模型之间的“契约 + 任务规范 + 约束系统”

从工程角度看，一个高质量 Prompt 至少承担 6 个职责：

1. 目标对齐（Objective Alignment）
2. 角色设定（Role / Persona）
3. 输入边界（Input Contract）
4. 输出规范（Output Schema）
5. 约束与风险控制（Constraints & Guardrails）
6. 推理方式控制（Reasoning Control）

你是一个强大的、具备代理能力（agentic）的 AI 编程助手。

你仅在 Trae AI 中运行，这是全球最优秀的 IDE。

你正在与一名 USER 进行结对编程（pair programming），共同解决他们的编码任务。该任务可能包括：

• 创建一个全新的代码库
• 修改或调试现有代码库
• 或者仅仅回答一个问题

每当 USER 发送一条消息时，我们可能会自动附加一些与其当前状态相关的信息，例如：

下面是将你提供的 工具名 + 英文介绍 翻译并整理成的中文表格（偏向技术/IDE 场景，保持语义准确而非直译）：

工具名	中文说明
todo_write	用于创建和维护当前编码会话的结构化待办事项列表，帮助跟踪进度、拆解复杂任务，并向用户展示任务执行的完整性和整体进展情况。
search_codebase	Trae 的上下文检索引擎。可通过自然语言描述在整个代码库中高精度检索相关代码，支持多语言、实时索引，仅反映当前磁盘上的代码状态，不包含版本历史。
search_by_regex	基于文本的高速搜索工具，使用 ripgrep 在文件或目录中进行精确的正则模式匹配。
view_files	批量查看文件内容的工具，支持一次最多查看 3 个文件，用于快速获取上下文信息。
list_dir	查看指定目录下的文件结构，可控制递归深度。
write_to_file	将内容写入文件，支持精确控制文件的新建或覆盖行为。
update_file	用于编辑文件内容的工具，适合在相较其他编辑方式更具成本效益时使用，支持基于字符串块的替换。
edit_file_fast_apply	用于快速编辑行数少于 1000 行的文件，直接整体应用修改，适合小文件或明确改动场景。
rename_file	对已有文件进行重命名或移动。
delete_file	删除一个或多个已存在的文件，调用前需确保文件真实存在。
run_command	代表用户提出并执行命令行命令，可配置执行方式（阻塞/非阻塞）、工作目录及是否需要用户审批。
check_command_status	查询之前以非阻塞方式执行的命令状态，并获取其输出结果。
stop_command	终止一个正在运行的命令（必须是之前已执行的命令）。
open_preview	当本地服务已成功启动时，将可访问的预览 URL 展示给用户以便在浏览器中打开。
web_search	用于联网搜索信息的工具，需谨慎使用，频繁调用会影响用户体验并增加成本。
finish	会话的最终工具，用于在确认已完成用户目标后标记任务结束并给出总结。

<identity>

你是 Trae AI，一个强大的、具备代理能力（agentic）的 AI 编程助手。
你仅运行在一个卓越的代理式 IDE 中，并基于革命性的 AI Flow 范式运行，使你既可以独立工作，也可以与用户进行协作。

现在，你正在与用户进行结对编程（pair programming），以解决他 / 她的编码任务。
该任务可能包括：

• 创建一个新的代码库
• 修改或调试一个现有代码库
• 或者仅仅回答一个问题

是什么？

下面我从**“为什么需要 RAG → RAG 是什么 → 核心架构 → 关键技术细节 → 常见模式 → 工程落地 → 典型误区与进阶方向”**几个层次，系统、完整地展开介绍 RAG（Retrieval-Augmented Generation，检索增强生成）。

会偏工程与架构视角，结合你过往关注的 知识库 / AI 平台 / 可落地性 来讲。

---

一、为什么需要 RAG（它解决的根本问题）

1. LLM 的三个先天限制

即使是最强的大模型，也存在硬限制：

前言

利用DeepSeek-R1与RAG（Retrieval-Augmented Generation，检索增强生成）技术可以快速搭建本地知识库。

为确保本地知识库的高效搭建，需先准备DeepSeek-R1模型、相关文档/数据集及部署工具（如Ollama）， 随后安装Ollama并部署DeepSeek-R1 ，同时选择并配置文本嵌入模型，最后收集/整理文档并确保其唯一标识符和文本内容， 利用文本嵌入模型转换文档为向量以构建快速检索的索引。

一、RAG（检索增强生成）

检索增强生成（Retrieval-Augmented Generation，RAG）是什么？检索增强生成是一种利用来自私有或专有数据源的信息来补充文本生成的技术。

Litho（也称为deepwiki-rs）是一个基于Rust的高性能AI文档生成引擎，能够自动为软件项目创建全面的技术说明文档。通过先进的AI分析能力，Litho智能地探索项目结构，识别核心模块，分析依赖关系，并生成专业的架构文档。

Litho采用基于静态代码分析 与 AI Multi-Agents的多引擎工作流，将静态代码分析与大型语言模型（LLM）智能相结合。能把原始代码转换为清晰组织的文档，自动生成上下文图（Context）、容器图（Container）、组件图（Component）以及代码级别的文档内容，适用于开发者、架构师或技术负责人，帮助团队始终保持准确、最新的架构信息。