[Augment] 使用技巧 - ACE (Augment Context Engine) 触发机制和提示词策略分析和高级技巧（仅供参考）

前言

最近没去玩 Cursor ，脚本也好久没更新，提示词（ 4.8 版本）也没怎么更新，主要是对 Augment 感兴趣，在 Idea 上不要太舒服了，所以对这个 ACE (Augment Context Engine)，产生了兴趣，想去深入了解学习，也为了更好写代码（bug)当牛马，下面大部分内容是自写+少量 AI 润色（代码块、流程图、表述不清楚的地方等），顺便拿出来水一贴。

下面是我对 intellij-augment-0.221.1.jar 包解析出来的原理解答和实际工作经验中探索出来的，所以有耐心的话慢慢看，没耐心可以跳到最下面（高级技巧、高效触发 ACE ）的部分，稍微学一下，注意怎么高效使用即可。

ACE (Augment Context Engine) 触发机制

1 、ACE 触发条件解析

1.1 、ACE 自动触发

自动触发场景：

• 1.Agent 模式激活：当 mode 设置为"AGENT"时
• 2.文件上下文存在：当前有打开的文件或选中代码
• 3.用户指定文件：通过 @文件名引用特定文件
• 4.复杂查询检测：AI 检测到需要代码库级别理解的查询

public class ChatRequest { public String mode; // "AGENT" 模式自动触发 ACE public BlobsPayload blobs; // 有文件上下文时触发 public List<String> userGuidedBlobs; // 用户指定文件时强制触发 public String contextCodeExchangeRequestId; // 上下文代码交换时触发 } 

1.2 、手动触发

public class AgentCodebaseRetrievalRequest { public String informationRequest; // 信息请求描述 public BlobsPayload blobs; // 相关文件 blob public List<Exchange> chatHistory; // 聊天历史上下文 public Integer maxOutputLength; // 最大输出长度 } 

2 、Augment 的意图识别系统

2.1 、查询类型分类

基于分析，ACE 能识别以下查询类型：

代码理解类查询：

• "这个函数是做什么的？"
• "解释这段代码的逻辑"
• "这个类的作用是什么？"

代码搜索类查询：

• "找到所有使用 Redis 的地方"
• "哪里定义了 User 类？"
• "搜索所有的 API 接口"

架构分析类查询：

• "这个项目的整体架构是什么？"
• "模块之间的依赖关系"
• "数据流是怎样的？"

问题诊断类查询：

• "为什么这里会报错？"
• "这个 bug 可能在哪里？"
• "性能瓶颈在哪里？"

代码生成类查询：

• "帮我写一个类似的函数"
• "生成这个接口的实现"
• "创建一个新的组件"

2.2 上下文权重计算

// 基于 FeatureDetectionFlags 的分析 public class ContextWeightCalculator { public double calculateWeight(String query, FileContext context) { double weight = 0.0; // 关键词权重 if (containsCodeTerms(query)) weight += 0.3; if (containsArchitectureTerms(query)) weight += 0.4; if (containsDebuggingTerms(query)) weight += 0.5; // 上下文相关性 if (hasSelectedCode(context)) weight += 0.2; if (hasMultipleFiles(context)) weight += 0.3; if (hasComplexProject(context)) weight += 0.4; return Math.min(weight, 1.0); } } 

3 、高效触发 ACE

1. 触发 ACE 的关键词和短语

1.1 强制触发词汇

架构相关：

• "整体架构" / "overall architecture"
• "系统设计" / "system design"
• "模块关系" / "module relationships"
• "依赖图" / "dependency graph"

代码库级别：

• "在整个项目中" / "across the entire project"
• "所有相关文件" / "all related files"
• "项目范围内" / "project-wide"
• "代码库搜索" / "codebase search"

深度分析：

• "深入分析" / "deep analysis"
• "详细解释" / "detailed explanation"
• "完整理解" / "comprehensive understanding"
• "全面检查" / "thorough examination"

1.2 上下文增强词汇

文件引用：

• "@文件名" - 直接引用特定文件
• "相关文件" / "related files"
• "依赖文件" / "dependent files"
• "调用链" / "call chain"

范围指定：

• "包括测试文件" / "including test files"
• "配置文件" / "configuration files"
• "所有模块" / "all modules"
• "子项目" / "subprojects"

2. 提示词模板（参考）

2.1 代码理解模板

模板 1：深度代码分析 "请深入分析[具体代码/文件/功能]的实现原理，包括： 1. 核心逻辑和算法 2. 与其他模块的交互 3. 在整个项目中的作用 4. 潜在的改进点" 模板 2：架构级别理解 "从整体架构的角度，解释[功能/模块]是如何工作的： - 在系统中的位置 - 与其他组件的关系 - 数据流向和处理过程 - 设计模式和最佳实践" 

2.2 问题诊断模板

模板 3：Bug 分析 "帮我分析这个问题：[具体问题描述] 请检查：

• 相关的代码文件
• 可能的错误原因
• 类似的已知问题
• 建议的解决方案"

模板 4：性能分析 "分析[功能/模块]的性能问题：

• 识别性能瓶颈
• 检查相关的配置
• 对比最佳实践
• 提供优化建议"

2.3 代码生成模板

模板 5：基于现有代码生成 "基于项目中现有的[类似功能/模式]，帮我生成[新功能]：

• 遵循项目的编码规范
• 使用相同的设计模式
• 保持一致的命名约定
• 包含适当的错误处理"

模板 6：接口实现 "为[接口/抽象类]创建实现，参考项目中的其他实现：

• 分析现有实现模式
• 遵循项目架构
• 包含必要的依赖注入
• 添加适当的日志和监控"

实战示例

1. 触发 ACE 的有效查询示例

示例 1：架构分析查询

用户查询： "请分析这个 Spring Boot 项目的整体架构，包括： 1. 各层之间的关系（ Controller 、Service 、Repository ） 2. 数据流向和处理过程 3. 配置文件的作用 4. 与数据库的交互方式" ACE 响应特征： - 会扫描所有相关的 Java 文件 - 分析 Spring 配置文件 - 检查数据库配置和实体类 - 生成架构图和说明 

示例 2：代码搜索查询

用户查询： 在整个项目中找到所有使用 Redis 的地方，包括： - 配置文件中的 Redis 设置 - 代码中的 Redis 操作 - 缓存注解的使用 - 相关的工具类" ACE 响应特征： - 搜索所有 Java 文件中的 Redis 相关代码 - 检查配置文件（ application.yml 等） - 分析依赖文件（ pom.xml 等） - 提供完整的使用清单 

示例 3：问题诊断查询

用户查询： "这个接口响应很慢，帮我分析可能的原因： @GetMapping('/api/users') 请检查相关的 Service 、Repository 和数据库查询" ACE 响应特征： - 分析 Controller 、Service 、Repository 的完整调用链 - 检查数据库查询和索引 - 分析缓存策略 - 提供性能优化建议 

2. 无效查询的改进建议

无效查询示例：

 "这个代码有什么问题？" 改进为： "分析这个 UserService 类的实现，检查是否有性能问题、安全漏洞或违反最佳实践的地方" "帮我写个函数" 改进为： "基于项目中现有的数据访问模式，帮我为 User 实体创建一个 CRUD 服务类，包括适当的异常处理和事务管理" "这个项目是做什么的？" 改进为： "通过分析项目结构、配置文件和主要类，解释这个应用的业务功能、技术架构和部署方式" 

---

高级触发技巧 （仅供参考）

1. 利用 Agent 模式

分析整个项目的安全性问题

// 在 ChatRequest 中设置 mode 为"AGENT" { "mode": "AGENT", "message": "分析整个项目的安全性问题", "blobs": {...}, "agent_memories": "..." } 

2. 使用文件引用

直接引用： "@UserController.java 这个控制器的安全性如何？" "@application.yml 这个配置有什么问题？" 批量引用： "分析 @UserService.java 、 @UserRepository.java 和 @User.java 之间的关系" 

3. 上下文链式查询

第一步：建立上下文 "请分析这个电商项目的订单处理流程" 第二步：深入细节 "在订单处理流程中，库存管理是如何实现的？" 第三步：问题诊断 "库存管理中可能存在什么并发问题？" 

触发成功率

高成功率（ 90%+）

• 包含"整个项目"、"所有文件"
• 使用 @文件名引用
• Agent 模式
• 架构分析查询

中等成功率（ 60-90%）

• 涉及多个文件的问题
• 性能和安全查询
• 代码重构建议

低成功率（<60%）

• 简单语法问题
• 单一文件小问题
• 基础概念解释

ACE 系统架构图

┌─────────────────────────────────────────────────────────────┐ │ Augment Context Engine │ ├─────────────────────────────────────────────────────────────┤ │ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 本地索引系统 │ │ 代码库检索系统 │ │ 工作空间感知系统 │ │ │ │ AugmentLocalIndex│ │AgentCodebaseRet │ │WorkspaceFolderI │ │ │ │ AugmentBlobState │ │rieval System │ │nfo System │ │ │ └─────────────────┘ └─────────────────┘ └─────────────────┘ │ │ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 记忆系统 │ │ 检查点系统 │ │ │ │ MemoriesService │ │ Checkpoint │ │ │ │ │ │ System │ │ │ └─────────────────┘ └─────────────────┘ │ └─────────────────────────────────────────────────────────────┘ │ ┌─────────────────────────────────────────────────────────────┐ │ IntelliJ Platform │ │ FileBasedIndex Infrastructure │ └─────────────────────────────────────────────────────────────┘ 

全局记忆 (Global Memory) ├── 用户偏好记忆 (User Preferences) │ ├── 编程风格偏好 │ ├── 常用模式和习惯 │ └── 错误修正历史 ├── 项目特定记忆 (Project-Specific Memory) │ ├── 项目架构理解 │ ├── 业务逻辑映射 │ └── 团队编程规范 └── 会话记忆 (Session Memory) ├── 当前对话上下文 ├── 临时学习内容 └── 实时反馈信息 

PS：Augment 的 ACE 会把他建立全部记忆、代码索引全部上传云端的！！！所以如果建议的请慎重考虑是否使用~

---

好了，这些就是我这些天使用 Augment 的小小技巧了，你已经成功学会如何正确高效的使用 ACE (Augment Context Engine) 这个强大的 工具 了，Cursor 真的要好好学习学习人家 Augment~

版本：intellij-augment-0.221.1.jar