x1xhlol / system-prompts-and-models-of-ai-tools

Problem: 开发者使用Cursor、VSCode Copilot等AI编程助手时，发现生成的代码质量不稳定或不符合预期。

Solution: 参考项目中对应AI工具的系统提示词，了解其工作原理和优化方向，调整自己的使用方式或本地配置。

Example: 查看Cursor的系统提示词，了解它如何处理代码补全、重构等任务，从而在提问时使用更有效的指令格式。

Problem: 开发者想基于开源模型（如Claude、GPT）构建自己的编程助手，但不知道如何设计有效的系统提示词。

Solution: 直接参考项目中Devin、Replit Agent等成熟AI助手的系统提示词作为模板，快速搭建基础框架。

Example: 想开发一个专注于Python数据处理的AI助手，可以借鉴Devin的提示词结构，然后替换具体的技术栈和任务描述。

Problem: 开发者在众多AI编程工具（Cursor、Windsurf、v0等）之间难以选择，不了解各自的特点和适用场景。

Solution: 通过对比项目中不同工具的系统提示词和模型配置，快速了解它们的核心功能、设计哲学和擅长领域。

Example: 比较Cursor和Windsurf的提示词，发现Cursor更注重代码生成和解释，而Windsurf更强调交互式调试，从而根据团队需求做出选择。

Problem: 开发者使用AI生成代码时，经常需要反复调试提示词才能得到满意的结果，效率低下。

Solution: 学习项目中超过3万行的系统提示词实例，掌握不同场景下的最佳实践和结构化提示技巧。

Example: 需要生成React组件时，参考Lovable或v0的提示词模板，了解它们如何描述组件结构、状态管理和样式要求。