新闻详情

新闻详情

首页 / 资讯中心 / 详情

Codex 计划模式提示词模板

发布时间:2026/11/17 7:34:13来源:尧图网络
Codex 计划模式提示词模板
使用前提已经开启/plan计划模式模板 1通用标准模板最常用【任务需求】 在这里写业务需求 【约束要求】 1. 先输出完整执行方案包含目标、步骤清单、涉及文件列表、风险点、回滚方案 2. 方案列出后等待我确认**没有我的明确同意禁止执行任何文件修改、命令执行** 3. 方案中如果信息不足主动向我提问不要自行脑补假设 4. 每一步操作说明清楚改动内容区分【查看】【只读】【修改】【新增】【删除】 5. 执行完成后输出结果校验清单方便我验证是否符合预期。模板 2代码 / 项目重构专用模板【项目信息】 项目框架 代码目录 目标 【任务要求】 1. 基于计划模式先输出完整重构方案改动范围、文件清单、代码变更要点、兼容性影响 2. 列出潜在风险提供回滚方式 3. 方案写完暂停等待我审核确认 4. 我确认后再分步执行每完成一个步骤输出变更摘要 5. 禁止一次性批量大范围修改重大改动分步执行 6. 改动完成后提供自测验证点。模板 3数据库操作专用模板高危推荐【数据库任务】 数据库版本MySQL8.0 库名 任务描述 【执行规则】 1. 先输出完整方案DDL/DML语句、执行顺序、影响表、数据影响预估 2. 写出回滚SQL 3. 方案输出后暂停必须等待我确认才执行 4. 先给出可单独执行的测试语句用于校验 5. 禁止直接执行删除、更新全表操作 6. 执行完成提供结果校验SQL。模板 4简短快速版需求比较简单但仍需要审核使用计划模式处理下面任务 任务xxx 规则先输出执行计划列出涉及文件与风险等我确认后再执行不要直接操作。模板 5完整工作流全程自动走计划 校验开启计划模式执行任务全程遵守下面规则 【前置规则】 1. 收到需求后先输出完整执行计划目标、步骤、涉及文件/SQL、风险点、回滚方案 2. 信息不足主动提问禁止自行脑补假设 3. 计划输出后暂停**必须收到我的确认指令【计划确认可以开始执行】才开始操作** 4. 禁止一次性超大批量修改重大改动分步执行每一步简要汇报进度 5. 我随时可以发送【取消本次计划】终止任务不做任何改动。 【执行完成后自动校验】 任务全部执行完毕自动做结果校验 ① 汇总所有变更清单 ② 对比原始需求检查是否存在遗漏或多余改动 ③ 给出可直接运行的验证脚本/自测步骤 ④ 识别潜在风险 ⑤ 如有问题给出修复方案等待我确认再修复。 下面是本次任务需求 【在这里粘贴具体需求】使用小技巧发送提示词前输入/plan开启计划模式Codex 输出计划后你可以直接修改计划文本或者用对话让它调整确认没问题回复计划确认可以开始执行想终止回复取消本次计划不会产生任何改动。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉