1. 项目概述一个为AI编码工具设计的轻量级多智能体框架如果你和我一样日常开发已经离不开像Cursor、Claude Code或者OpenCode这类AI编程助手那你肯定也遇到过类似的瓶颈当项目稍微复杂一点需要AI帮你规划架构、写代码、做测试、审查安全时你得像个项目经理一样在聊天窗口里不停地切换角色、复制粘贴不同的指令prompt。这个过程不仅繁琐而且上下文容易丢失昨天讨论好的设计今天AI可能就忘了。Yuva AI就是为了解决这个痛点而生的。它不是一个全新的AI工具而是一个运行在Node.js环境下的“智能体框架”。你可以把它理解为你现有AI编程助手的“外挂大脑”或“指挥中心”。它的核心思想是将开发过程中常见的任务如需求分析、代码规划、执行、测试、安全审查等抽象成12个各司其职的“智能体”Agent。然后通过一个统一的命令行接口CLI和一份名为AGENTS.md的“总说明书”来指挥你的AI工具在正确的时机调用正确的智能体。最让我觉得巧妙的设计是它的“按需提示”机制。传统的做法是把一大堆提示词文件塞进你的项目里。而Yuva AI把这些智能体的完整提示词都打包在npm包里你的项目里只保留一个轻量的AGENTS.md文件作为“索引”和“使用指南”。当AI或者你通过CLI需要某个智能体时Yuva AI会实时从包中读取并返回完整的提示词。这意味着你的项目目录始终保持干净没有一堆杂乱的提示文件。2. 核心设计理念与架构拆解2.1 轻量初始化与零依赖哲学很多工具在初始化时喜欢大动干戈创建几十个配置文件把“最佳实践”强塞给你。Yuva AI反其道而行它的yuva init命令只做最必要的事情在你的项目根目录创建3个文件。AGENTS.md这是整个框架的“心脏”。它不是一个简单的文件列表而是一个精心编写的、面向AI的“操作手册”。里面详细解释了什么是Yuva AI、有哪些智能体、每个智能体是干什么的、以及最重要的一点——AI应该如何与用户协作来使用这些智能体。你的AI工具如Cursor在打开项目时会读取这个文件并将其内容作为系统级指令从而“学会”如何使用这套多智能体系统。.aiautomations/config.json一个轻量的配置文件主要记录了你使用的AI工具类型和Yuva AI包的安装路径。这确保了CLI命令知道去哪里找智能体提示词。.aiautomations/agents.md一个智能体索引文件方便CLI快速查询。这种极简的初始化将侵入性降到了最低。你不用担心它会影响你现有的项目结构或构建流程。同时Yuva AI本身是纯Node.js脚本除了Node.js运行时没有任何外部依赖dependencies为空。安装就是一瞬间的事npm install -g yuva-ai。这保证了它在任何环境下的可用性和启动速度。2.2 混合编排器CLI扫描与AI决策的协同这是Yuva AI工作流的核心理解它才能用得好。整个流程是一个“混合智能”系统结合了CLI的确定性和AI的灵活性。第一步环境侦察CLI负责当你运行yuva agent orchestrate命令时Yuva AI的CLI会像一名侦察兵静态地扫描你的项目。它会收集一系列客观事实项目使用了哪种编程语言通过package.json、pyproject.toml等文件判断使用了什么框架React, Vue, Express等现有的代码结构是怎样的当前的Git状态是什么有哪些已修改、未暂存的文件项目里是否有测试、配置文件等CLI将这些信息整理成一个结构化的JSON对象。这个对象是事实的、无歧义的为AI的决策提供了坚实的基础。第二步智能体调度AI负责侦察兵把情报JSON带回来后连同AGENTS.md手册一并交给你的AI助手比如Cursor里的Claude。AI会阅读手册理解每个智能体的职责然后结合CLI提供的项目上下文动态地决定当前应该激活哪个或哪几个智能体。例如AI看到CLI报告说“项目是一个Express.js后端目前app.js文件有语法错误并且还没有任何测试文件”。它可能会这样思考“当前首要任务是让Debugger智能体去修复语法错误错误修复后可以调用Tester智能体来建议添加测试最后或许可以让Security智能体快速扫描一下这个Node.js项目的基础安全配置。”这个“CLI收集事实AI做出决策”的混合模式既避免了纯AI可能对项目状态产生的幻觉也避免了纯规则引擎的僵化。它让AI在充分了解环境后发挥其真正的推理和规划能力。2.3 广泛的平台兼容性穿透AI工具的壁垒目前市面上的AI编程工具层出不穷各有各的配置方式和指令系统。让开发者给每个工具都手动适配一套提示词是极其痛苦的。Yuva AI的价值在这里再次凸显它充当了一个统一的适配层。它支持多达20种LLM平台和AI工具并将其分为三类商业IDE/插件如Cursor、Windsurf、GitHub Copilot、Claude Code、Amazon Q等。对于这类工具Yuva AI的init命令会自动检测并在工具特定的目录如Cursor的.cursor/rules/Copilot的.github/生成对应的指令文件其内容会指向或包含AGENTS.md的核心逻辑。开源/本地模型工具如Ollama、LM Studio、Continue.dev。对于Ollama它会生成OLLAMA_INSTRUCTIONS.md对于Continue.dev则配置.continue/instructions.md。终端CLI工具如OpenCode、Aider、Kilo Code。这些工具通常直接读取项目根目录的特定文件如AGENTS.md或.aider.conf.ymlYuva AI会相应地进行配置。这意味着无论你的团队或个人偏好使用哪种工具你都可以用同一套Yuva AI智能体工作流。你今天用Cursor明天换到Windsurf只需要在新工具里重新运行yuva init工作流就能无缝迁移。这种设计极大地降低了对特定工具的绑定风险。3. 十二大智能体深度解析与使用场景Yuva AI的12个智能体覆盖了软件开发生命周期中的关键环节。它们不是孤立的而是在AI的编排下可以串联或并联工作。下面我结合自己的使用经验详细拆解每个智能体的核心职责、最佳使用时机以及内部提示词的设计巧思。3.1 前期分析与规划智能体组这个组的智能体通常在项目开始或接手新模块时使用目的是“谋定而后动”。Existing Code Analyzer (现有代码分析器)触发时机当你进入一个已有代码库或者需要修改一个陌生模块时首先应该调用它。核心工作它的提示词会指导AI系统性地扫描目标目录或文件总结出模块架构、关键函数/类、数据流、依赖关系、以及潜在的“奇怪”或复杂代码段。它不会直接修改代码而是生成一份分析报告。实操心得我习惯在开始任何重构或添加新功能前先让AI运行这个智能体。它能帮你快速建立上下文避免因误解现有逻辑而引入bug。你可以通过yuva agent show existingcode查看它的完整提示词会发现它特别强调“识别技术债和潜在风险点”。Requirements Clarifier (需求澄清器)触发时机当用户需求描述模糊、不完整或存在二义性时。核心工作这个智能体的提示词训练AI扮演“产品经理”或“业务分析师”的角色。它会引导AI主动向你提问以澄清用户故事、验收条件、边界情况、非功能性需求如性能、安全性等。注意事项不要指望它一次就问完所有问题。通常需要经过几轮交互。好的做法是你先给出初步需求让AI借助此智能体提问你补充回答然后AI可能会基于你的回答进行更深层次的追问直到双方对要构建的东西达成清晰共识。Risk Assessment (风险评估器)触发时机在详细规划开始之前特别是对于涉及资金、安全、数据迁移或复杂集成的任务。核心工作提示词会要求AI从技术可行性、架构复杂度、第三方依赖风险、安全漏洞、数据一致性、回滚难度等多个维度评估当前开发计划。它会输出一个风险列表并标注等级高/中/低。个人体会这个智能体经常被忽略但它能避免很多“做到一半发现做不下去”的窘境。例如在计划引入一个新的云服务SDK时它可能会提示你“该SDK的文档不完善且社区案例较少存在集成风险中”。Planner (规划师)触发时机需求明确且风险已知后进入具体设计阶段。核心工作这是最重要的智能体之一。它的提示词会引导AI创建详细的实施计划。这不仅仅是“写个函数”而是包括文件/目录结构设计、API接口定义如果是后端、组件拆分如果是前端、数据库模式变更、需要编写的关键函数清单、以及一个建议的实施步骤顺序。技巧让Planner智能体输出的计划尽可能具体。好的计划应该像一份迷你技术设计文档另一个开发者或几天后的你看了就能直接开工。3.2 开发与执行智能体组这个组是编码阶段的主力。Executor (执行器)触发时机当规划师输出计划后自然过渡到执行阶段。核心工作根据Planner生成的步骤一步步地编写实际代码。它的提示词强调“增量开发”和“频繁验证”。AI会建议先搭建骨架再填充细节每完成一个逻辑单元就建议运行一下测试或简单逻辑验证。与普通编码的区别普通AI编码是你告诉它“写一个登录函数”。而Executor智能体是在“我们已经决定使用JWT、bcrypt哈希密码、并将token存入HttpOnly cookie”这个完整上下文中去编写符合之前所有决策的具体代码。上下文连续性极强。Debugger (调试器)触发时机代码运行出现错误、测试失败、或行为不符合预期时。核心工作它的提示词将AI训练成一个有条理的调试专家。流程通常是1) 复现问题2) 收集错误信息、日志、相关代码3) 提出假设可能的原因4) 通过添加日志、使用调试器、或编写针对性测试来验证假设5) 定位根本原因并提供修复方案。重要提示Debugger智能体非常依赖你提供的错误信息。务必把完整的错误堆栈、输入数据、环境信息都贴给它它能更快地定位问题。Refactor (重构器)触发时机当代码出现“坏味道”如过长函数、重复代码、复杂条件判断或需要提升性能、可读性时。核心工作它的提示词不仅让AI修改代码更要求其遵循“小步重构”原则并在每次重构前后运行测试以确保功能不变。它会建议具体的重构手法如提取方法、重命名变量、用多态替代条件表达式、引入设计模式等并解释为什么这样做更好。使用场景我常在代码审查后或准备为某个模块添加新功能但发现其结构混乱时调用这个智能体。它能让代码库保持健康。3.3 质量保障智能体组在开发中和开发后这个组帮你守住质量关卡。Tester (测试员)触发时机编写新功能后或修改现有功能前用于生成回归测试。核心工作根据代码和需求自动生成单元测试、集成测试用例。它的提示词会要求AI考虑正常路径、边界条件、异常情况。对于前端可能生成组件测试如用React Testing Library对于后端生成API测试如用Jest/Supertest。注意事项AI生成的测试是一个很好的起点但你必须审查。它有时会遗漏一些非常隐蔽的边界情况或者生成的测试断言不够精确。把它看作一个强大的测试用例“脑暴”伙伴。Reviewer (审查员)触发时机一段代码编写完成准备提交或合并之前。核心工作模拟代码审查。它的提示词会让AI从多个角度检查代码是否符合项目编码规范是否有潜在的性能问题如N1查询、未优化的循环错误处理是否完备API设计是否一致是否有安全漏洞如SQL注入风险、敏感信息日志记录它会生成一个包含“必须修改”和“建议改进”的审查列表。个人体会在团队协作中我甚至会在发起真人Review前先让Reviewer智能体过一遍。它能抓住很多低级错误和规范问题让后续的人工审查更专注于高层次的设计逻辑。Security Auditor (安全审计员)触发时机涉及用户输入、身份认证、授权、数据存储、第三方API调用的代码完成后必须调用。核心工作进行专项安全扫描。它的提示词非常具体会检查输入验证与净化、防注入攻击SQL, NoSQL, XSS、身份认证与会话管理漏洞、敏感数据泄露、不安全的直接对象引用、安全配置错误等。重要提示这个智能体不能替代专业的SAST工具或人工安全审计但它是一个强大的、实时的“安全守门员”能在代码刚写出来时就发现常见漏洞。3.4 状态与运维智能体组这两个智能体保障了长期、复杂开发任务的连续性。State Manager (状态管理器)触发时机这是一个“幕后”智能体由系统自动调用。核心工作它的提示词指导AI如何更新和维护“会话持久化”文件如.session/目录下的JSON和Markdown文件。当AI做出一个重要技术决策、或完成一个开发里程碑时State Manager会确保这些信息被准确、结构化地记录到会话状态中。用户感知你通常不会直接调用它但你的yuva session resume命令能顺利工作全靠它在背后默默整理上下文。Continuity (连续性助理)触发时机当你中断开发一段时间比如下班第二天重新打开项目时。核心工作这是“会话持久化”功能面向用户的接口。当你运行yuva session resumeContinuity智能体会被激活。它的提示词会指导AI如何阅读之前保存的会话文件并生成一份清晰的摘要向你和AI自己同步“我们之前的目标是什么”“已经完成了哪些部分”“当前遇到了什么阻碍”“接下来的建议步骤是什么”。核心价值它彻底解决了“AI失忆”问题让跨时段、长周期的复杂开发任务成为可能。4. 从零开始实战搭建一个用户认证模块光说不练假把式。我们用一个完整的实战案例串联起多个智能体看看Yuva AI如何在实际项目中发挥作用。假设我们要在一个Node.js Express的后端项目中添加一个基于JWT的用户认证模块。4.1 初始化与项目侦察首先确保你已经在项目根目录。# 全局安装Yuva AI npm install -g yuva-ai # 初始化假设我们使用Cursor yuva init cursor初始化后用Cursor或你指定的AI工具打开项目。AI会读取AGENTS.md现在它已经“知道”有多智能体系统可供调遣了。我们先让CLI侦察一下项目环境yuva agent orchestrate这个命令会输出一个JSON大致如下{ project: { language: javascript, packageManager: npm, framework: express, hasTests: false, gitStatus: clean }, context: { currentDir: ./, files: [app.js, package.json, ...] } }这个信息会自动成为接下来AI决策的背景。4.2 需求澄清与规划现在我们在AI聊天窗口里输入“我们需要为这个Express应用添加用户认证功能包括注册、登录和JWT令牌签发。”AI在AGENTS.md的指导下可能会主动建议“我将调用Requirements Clarifier智能体来帮助我们明确细节。” 接着它会基于该智能体的提示词开始向我提问用户模型用户需要哪些字段用户名、邮箱、密码哈希...注册流程邮箱需要验证吗密码复杂度要求登录流程JWT令牌的有效期多长刷新令牌机制安全要求密码是否加盐哈希使用bcryptJWT密钥如何管理API设计注册和登录的API端点路径是什么请求/响应格式数据库我们使用什么数据库比如MongoDB或PostgreSQL需要创建哪些集合/表我一回答这些问题。这个过程可能持续几个回合。完成后AI可能会说“需求已清晰。接下来我将调用Risk Assessment智能体评估一下。”Risk Assessment智能体可能会指出高风险无。这是一个常见的功能。中风险JWT密钥如果硬编码在代码中会有安全风险。建议使用环境变量。低风险需要考虑暴力破解登录尝试的防护如速率限制。评估完毕AI接着调用Planner智能体。Planner会输出一份详细的计划## 认证模块实施计划 **1. 文件结构** - routes/auth.js - 认证相关路由 - models/User.js - 用户数据模型 - middleware/auth.js - JWT验证中间件 - utils/jwt.js - JWT签发与验证工具函数 - 更新 app.js 以引入新路由和中间件 **2. 依赖安装** - npm install bcryptjs jsonwebtoken dotenv **3. 实施步骤** a. 创建 .env 文件添加 JWT_SECRET 环境变量。 b. 创建 models/User.js定义用户Schema包含 username, email, passwordHash 字段并添加密码哈希的pre-save钩子。 c. 创建 utils/jwt.js实现 generateToken(user) 和 verifyToken(token) 函数。 d. 创建 middleware/auth.js实现 authenticateToken 中间件用于保护需要认证的路由。 e. 创建 routes/auth.js实现 /api/auth/register (POST) 和 /api/auth/login (POST) 端点。 f. 在 app.js 中引入 dotenv 配置连接数据库注册 /api/auth 路由并使用 authenticateToken 中间件保护一个示例路由如 /api/profile进行测试。 g. 创建基础的测试文件 tests/auth.test.js。 **4. 后续步骤** 完成编码后依次调用 Tester, Reviewer, Security Auditor 智能体。4.3 分步执行与状态跟踪看到这个计划我们可以开始执行。AI会自然地切换到Executor智能体模式。我们可以说“好的请按照计划从步骤3a开始执行。”关键技巧开启会话持久化在开始之前我们先启动一个会话这样所有进展都会被记录。yuva session start 为Express项目添加JWT用户认证模块现在AI每完成一个子步骤比如创建了User.js模型你都可以或AI会自动建议记录一下进度yuva session log 已完成User模型定义包含密码哈希预处理 --type code yuva session decision 使用bcryptjs进行密码哈希 这是Node.js社区处理密码的安全标准能有效抵御彩虹表攻击。AI会开始编写代码。例如创建models/User.jsconst mongoose require(mongoose); const bcrypt require(bcryptjs); const userSchema new mongoose.Schema({ username: { type: String, required: true, unique: true, trim: true }, email: { type: String, required: true, unique: true, lowercase: true }, passwordHash: { type: String, required: true } }, { timestamps: true }); // 密码哈希中间件 userSchema.pre(save, async function(next) { if (!this.isModified(passwordHash)) return next(); try { const salt await bcrypt.genSalt(10); this.passwordHash await bcrypt.hash(this.passwordHash, salt); next(); } catch (error) { next(error); } }); // 密码验证方法 userSchema.methods.comparePassword async function(candidatePassword) { return await bcrypt.compare(candidatePassword, this.passwordHash); }; module.exports mongoose.model(User, userSchema);编写过程中如果遇到错误比如语法错误或依赖未安装Debugger智能体会被自动或手动触发来解决问题。4.4 质量保障与安全审查当所有代码按照计划编写完成后我们按顺序启动质量保障流程。1. 测试我们告诉AI“现在请调用Tester智能体为认证模块生成测试用例。” AI会创建tests/auth.test.js包含对注册、登录、令牌验证、错误处理等的测试可能使用Jest和Supertest。const request require(supertest); const app require(../app); // 你的Express app const User require(../models/User); describe(Auth API, () { beforeEach(async () { await User.deleteMany({}); }); it(should register a new user, async () { const res await request(app) .post(/api/auth/register) .send({ username: test, email: testexample.com, password: 123456 }); expect(res.statusCode).toEqual(201); expect(res.body).toHaveProperty(token); }); it(should not register with duplicate email, async () { // ... 先创建一个用户再尝试用相同邮箱注册 }); // ... 更多测试 });注意生成测试后你需要手动运行npm test来确保它们通过。AI生成的测试可能需要微调以适应你的具体应用结构。2. 代码审查接着我们触发审查“请调用Reviewer智能体审查刚编写的认证相关代码。” AI会扫描routes/auth.js、models/User.js等文件并可能提出必须修改在login路由中比较密码后未正确返回错误信息可能泄露用户是否存在。建议改进jwt.js中的密钥可以从process.env.JWT_SECRET读取但未提供回退值或长度验证。建议添加。代码风格某个函数行数略多可以考虑提取验证逻辑到独立函数。3. 安全审计最后进行专项安全检查“请调用Security Auditor智能体审计认证模块。” AI会进行深度检查并可能报告中风险.env文件中的JWT_SECRET建议通过crypto.randomBytes生成强随机字符串而非手动设置简单字符串。低风险登录接口缺乏速率限制可能遭受暴力破解。建议集成express-rate-limit中间件。信息使用了bcryptjs进行密码哈希符合安全最佳实践。4.5 会话恢复与第二天继续假设下班时间到了我们关闭了电脑。第二天早上我们回到项目打开终端yuva session resumeAI通过Continuity智能体会读取.session/下的文件并生成一份清晰的摘要**会话恢复构建JWT用户认证模块** **目标**为Express应用添加完整的注册、登录和JWT认证。 **当前状态** - ✅ 已完成项目初始化、需求澄清、风险评估、详细计划。 - ✅ 已完成.env配置、User模型、jwt工具函数、auth中间件。 - ✅ 已完成/api/auth/register 和 /api/auth/login 路由。 - ⚠️ 进行中/api/profile 保护路由尚未在app.js中集成和测试。 - ⚠️ 待办运行生成的测试并处理Reviewer和Security Auditor提出的问题JWT密钥强度、速率限制。 **建议下一步**首先集成保护路由并测试其有效性然后逐一解决审查中发现的问题。现在你和AI都立刻回到了昨天的工作上下文可以直接从“进行中”的步骤继续效率极高。5. 高级技巧、问题排查与自定义5.1 多LLM平台切换与配置你可能在多个AI工具间切换。Yuva AI的llm命令组让这变得简单。# 查看所有支持的平台 yuva llm list # 如果你从Cursor换到了本地运行的Ollama使用CodeLlama模型 yuva llm use ollama # 此命令会更新.aiautomations/config.json并可能生成OLLAMA_INSTRUCTIONS.md # 生成所有支持平台的配置文件用于备份或预配置 yuva llm generate注意切换平台后你需要在新工具中重新运行yuva init或手动确保工具读取了正确的指令文件并可能需要重启AI工具以加载新配置。5.2 创建自定义智能体内置的12个智能体覆盖了大部分场景但总有特殊需求。比如你的项目需要定期生成API文档你可以创建一个APIDocGenerator智能体。# 1. 创建自定义智能体骨架 yuva add create api-doc-generator # 这会在你的项目内创建 # .aiautomations/prompts/api-doc-generatoragent.md # 2. 编辑这个文件编写你的自定义提示词 # 例如内容可以是 角色API文档生成专家 目标根据项目中的JSDoc注释或路由定义自动生成OpenAPI/Swagger格式的API文档。 工作流程 1. 扫描 routes/ 目录下的所有文件。 2. 识别出所有Express路由app.get, app.post, router.route 等。 3. 解析路由处理函数上方的JSDoc注释提取摘要、参数、响应示例。 4. 如果JSDoc不全则根据函数参数和返回值进行智能推断。 5. 生成一个 openapi.yaml 或 swagger.json 文件。 6. 如果项目已存在相关文档则进行合并更新而非覆盖。 输出最终生成或更新的API规范文件路径以及变更摘要。 # 3. 使用你的自定义智能体 # 现在当你运行 yuva agent show api-doc-generator 时它将返回你刚刚编写的自定义提示词而不是包里的默认提示词。 # 你的AI工具在阅读AGENTS.md后也会知道这个新智能体的存在和用途。重要规则本地.aiautomations/prompts/目录下的智能体文件优先级高于npm包中内置的智能体。这让你可以覆盖默认行为或添加全新功能。5.3 常见问题排查FAQQ1: 运行yuva init后我的AI工具如Cursor似乎没反应没有显示多智能体的能力。A1: 首先运行yuva doctor检查配置。最常见的原因是AI工具没有正确加载指令文件。对于Cursor确保.cursor/rules/yuva.mdc文件已创建并且Cursor的设置中启用了自定义规则。对于Claude Code / VS Code可能需要重启VS Code或重新加载窗口。尝试在AI聊天窗口中手动输入“请阅读AGENTS.md文件了解可用的智能体”引导AI去读取。Q2:yuva agent orchestrate命令扫描的信息不准确比如没识别出我的框架。A2: 该命令依赖于简单的文件模式匹配。如果项目结构非标准它可能失效。你可以通过创建或更新.aiautomations/config.json来手动覆盖配置。例如{project: {framework: nextjs}}。更可靠的方式是直接在向AI描述任务时手动提供项目上下文。Q3: 会话持久化文件.session/应该加入版本控制吗A3: 绝对不要。yuva init会自动将.session/目录添加到.gitignore。这些文件包含临时状态和个人工作进度不适合共享。团队协作时应通过PR描述、任务管理系统或共享文档来同步开发上下文而非会话文件。Q4: 自定义智能体不工作yuva agent show my-agent报错。A4: 检查以下几点确认智能体文件命名正确位于.aiautomations/prompts/agent-nameagent.md。文件名必须全部小写用连字符分隔并以agent.md结尾。文件内容必须是有效的Markdown/文本。运行yuva list确认你的自定义智能体出现在列表中。Q5: 如何更新Yuva AI到最新版本A5: 直接使用npm更新全局包即可npm update -g yuva-ai。更新后通常不需要在项目中重新运行yuva init因为你的项目配置和自定义智能体是独立的。但如果新版本引入了不兼容的配置变更CLI会给出相应提示。5.4 性能与最佳实践按需使用不需要在每一个微小的代码修改时都调用全套智能体。对于简单的bug修复直接让AI改就行。对于功能模块开发、重构或复杂问题排查再系统性地启用Yuva AI工作流。结合使用智能体可以组合。例如在Executor写代码的同时可以随时中断并问“这里用哪种设计模式更好请调用Reviewer从设计角度给点建议。”然后再切回Executor继续。人是主导Yuva AI是增强工具不是替代品。你始终是项目的架构师和决策者。AI和智能体提供的是建议、自动化劳动和不同视角的审查最终拍板和对代码负责的仍然是你。迭代提示词如果你发现某个内置智能体如Reviewer总是遗漏你关心的某个代码规范比如“必须使用async/await而非回调”不要犹豫用yuva add create reviewer创建一个本地副本然后修改其提示词让它加入这条规则。让工具适应你和你的团队而不是相反。