Mbbrowser 幫助

繁體中文

简体中文
English
한국어
Русский
日本語
Português
Tiếng Việt
Français

繁體中文

简体中文
English
한국어
Русский
日本語
Português
Tiếng Việt
Français

Appearance

使用技巧與最佳實踐 ​

本篇整理了 MBAgent 的高效使用技巧與最佳實踐，幫助您事半功倍。

NOTE

截圖說明：本篇已為關鍵技巧配圖。

一、提示詞技巧 ​

1. 給 AI 設定角色 ​

差的提示詞：

幫我寫一段代碼

好的提示詞：

你是一位有 12 年經驗的 Rust 高級工程師，請幫我寫一段並發安全的線程池實現，要求：
1. 使用 tokio
2. 支持動態擴容
3. 帶詳細中文註釋
4. 包含單元測試

2. 提供具體的背景 ​

差的提示詞：

這個 Bug 怎麼修？

好的提示詞：

我在 Windows 10 上運行 mbagent 1.112.10，啟動時報錯：
"Failed to bind port 9527"
已經嘗試過：
1. 重啟電腦
2. 殺掉佔用 9527 端口的進程
但仍然報錯。請幫我分析可能的原因。

3. 指定輸出格式 ​

請用 Markdown 表格輸出結果，包含以下列：
| 任務名稱 | 優先級 | 預估工時 | 負責人 |

4. 一步步引導 ​

對於複雜任務，分步引導：

第一步：分析需求
第二步：給出技術方案
第三步：列出實現代碼
第四步：給出測試用例

5. 明確邊界 ​

只需要修改 xxx 文件，不要動其他文件。
不要引入新的依賴。
不要改變現有 API。

二、Token 節省技巧 ​

1. 選擇合適的模型 ​

場景推薦模型
簡單對話 / 文本處理deepseek-v4-flash、gpt-5-mini
常規編碼 / 文檔寫作deepseek-v4-pro、claude-sonnet-4
複雜推理 / 大項目分析gpt-6.0-sol、claude-opus-4.5

TIP

新模型概覽（候鳥官方）：

  • 極速類（低價）：deepseek-v4-flash、gpt-5-mini、gpt-5-nano、gemini-2.5-flash
  • 主力類（性價比）：deepseek-v4-pro、claude-sonnet-4、gpt-5.6、gemini-2.5-pro
  • 旗艦類（高難度）：gpt-6.0-sol、claude-opus-4.5、gpt-6.0
  • 長上下文類：gemini-2.5-pro（200 萬 tokens）
  • 特殊用途：deepseek-v4-vision（圖像）、deepseek-v4-coder（代碼）

默認場景優先用 deepseek-v4-pro 或 gpt-5.6，遇到疑難再升級到旗艦型。

2. 關閉不必要的顯示 ​

在設置中關閉：

  • ❌ 顯示思考過程：思考過程會消耗大量 Token
  • ❌ 顯示 Token 與費用統計：純顯示節省

3. 精簡會話歷史 ​

  • ✅ 定期清理舊會話
  • ✅ 長會話分段處理
  • ✅ 用 總結功能 把歷史壓縮

4. 避免重複上下文 ​

差的對話：

第一輪：這是我的項目代碼 [粘貼 500 行]
第二輪：剛才那些代碼，幫我改一下 xxx
第三輪：還是那些代碼，再改一下 yyy

好的對話：

第一輪：把這段代碼 [粘貼 500 行] 重構一下
第二輪：（繼續在同一會話中）

或者直接讓 AI 把代碼寫到文件裡，後續用 read_file 工具讀取。

5. 使用項目級上下文 ​

把項目核心信息寫入記憶庫，AI 每次自動加載，無需重複告知。

6. 分而治之 ​

對於大任務：

  • ✅ 拆分為多個小任務
  • ✅ 每個小任務單獨會話
  • ✅ 用 總結 把多個會話串起來

7. 使用 --no-thinking 模式 ​

對於簡單任務，可以使用 --no-thinking 參數關閉思考過程：

bash
mbagent task run simple-task --no-thinking

8. 緩存提示詞前綴 ​

如果您的提示詞有固定前綴，可以開啟前綴緩存（需模型支持）。

三、上下文管理 ​

1. 理解上下文窗口 ​

每個模型都有上下文窗口限制：

模型上下文窗口
deepseek-v4-flash128K
deepseek-v4-pro128K
claude-sonnet-4200K
claude-opus-4.5200K
gpt-5-mini128K
gpt-6.0256K
gemini-2.5-pro2M

WARNING

超過上下文窗口的後果：

  • 最早的對話會被截斷
  • AI 可能"忘記"之前說過的話
  • 建議在接近上限時主動開新會話

2. 監控上下文使用 ​

在 MBAgent 狀態欄查看：

  • 已用 Token 數 / 上限
  • 百分比
  • 預計剩餘對話輪數

3. 主動總結 ​

當會話變長時，主動讓 AI 總結：

請把當前會話的主要結論總結成 500 字以內。

然後開新會話，把總結粘貼到開頭。

4. 使用文件系統 ​

對於大文件：

  • ❌ 不要把整個文件粘貼到對話裡
  • ✅ 讓 AI 用 read_file 工具讀取
  • ✅ 必要時讓 AI 用 grep 等工具檢索

5. 參考外部資源 ​

讓 AI 引用：

  • 項目 README
  • API 文檔
  • 已有代碼文件
  • 網絡鏈接

而不是把所有內容粘貼到對話裡。

四、多輪對話技巧 ​

1. 第一輪明確目標 ​

我想做一個 xxx 功能，預計要分幾步走。
第一步：xxx

讓 AI 知道整體方向。

2. 每輪聚焦一件事 ​

差的對話：

（同一輪）
幫我寫個用戶管理系統，
再加上權限管理，
再加個日誌，
再加個郵件通知，
再加個報表，
再加個數據導出...

好的對話：

（第一輪）幫我寫個用戶管理系統的後端 API
（第二輪）基於上一輪，加權限管理
（第三輪）再加日誌
...

3. 善於追問 ​

當 AI 給出答案後，追問：

  • "為什麼這麼做？"
  • "有沒有更好的方案？"
  • "這個方案的缺點是什麼？"
  • "如果有 1 萬個用戶，這個方案還能用嗎？"

4. 隨時修正方向 ​

如果發現方向錯了，立即糾正：

這個方案不行，我們換個思路：
...

不要為了照顧 AI 的"面子"而堅持錯誤方向。

5. 用反饋強化學習 ​

告訴 AI 什麼是好的、什麼是不好的：

這個方案好，因為：xxx
這個方案不好，因為：xxx，請改進

MBAgent 會根據您的反饋調整後續回覆（單會話內）。

五、避免踩坑 ​

1. 不要讓 AI 處理敏感信息 ​

❌ 不推薦：

我的身份證號是 110101199001011234，請幫我...

✅ 推薦：

請幫我寫一段示例代碼，演示如何驗證身份證號的格式。
（用 110101********1234 作為示例）

2. 不要把 AI 當作真理來源 ​

AI 可能會：

  • 一本正經地胡說八道
  • 給出過時的信息
  • 引用不存在的 API

始終核對關鍵信息：

  • ✅ 重要決策前查閱官方文檔
  • ✅ 代碼運行前先 review
  • ✅ 對 AI 的數據保持懷疑

3. 不要過度依賴 AI ​

AI 擅長的：

  • ✅ 重複性工作
  • ✅ 文檔寫作
  • ✅ 代碼生成
  • ✅ 信息整理

AI 不擅長的：

  • ❌ 業務決策
  • ❌ 創意設計
  • ❌ 複雜架構決策
  • ❌ 涉及倫理道德的判斷

4. 注意 API 額度 ​

IMPORTANT

避免額度耗盡：

  • 定期查看 AI 額度（狀態欄 / 控制台）
  • 設置單次任務 Token 上限
  • 設置月度預算提醒
  • 大任務先用便宜模型測試，再用強大模型正式運行

5. 注意版本兼容性 ​

不同 MBAgent 版本支持的特性可能不同：

  • 新功能可能僅在新版本可用
  • 舊任務模板在新版本可能需要更新

建議：

  • ✅ 定期更新 MBAgent
  • ✅ 更新前查看更新日誌
  • ✅ 重要任務前先做小任務測試

6. 備份重要會話 ​

  • ✅ 定期導出重要會話
  • ✅ 把核心結論寫入文檔
  • ✅ 會話列表支持按日期搜索

六、常見反模式 ​

反模式 1：模糊指令 ​

❌ "幫我處理一下這個項目"

✅ "請幫我把 src/api/users.ts 中的用戶列表查詢接口從 MySQL 遷移到 PostgreSQL，保持 API 不變。"

反模式 2：缺乏上下文 ​

❌ "這個 Bug 怎麼修？"（沒有任何上下文）

✅ "我在 src/api/users.ts:45 處拋出 TypeError: Cannot read property 'id' of undefined，請幫我分析。"

反模式 3：一次問太多 ​

❌ "幫我寫個電商網站，包括用戶、商品、訂單、支付、物流、報表..."

✅ 分多個會話逐步完成。

反模式 4：不驗證結果 ​

❌ AI 給出代碼 → 直接運行 → 出問題

✅ AI 給出代碼 → 先 review → 寫測試 → 運行 → 驗證

反模式 5：忽略錯誤信息 ​

❌ AI 報錯 → 無視 → 繼續問

✅ AI 報錯 → 把錯誤信息完整發給 AI → 一起分析

反模式 6：過度設計 ​

❌ 簡單 CRUD 也要用微服務、DDD、六邊形架構

✅ 根據實際需求選擇合適的複雜度

七、高效工作流 ​

工作流 1：探索式開發 ​

1. 描述需求 → AI 給出方案
2. 選擇方案 → AI 生成代碼
3. 運行測試 → 發現問題
4. 把錯誤發給 AI → AI 修復
5. 重複 3-4 直到滿意

工作流 2：測試驅動 ​

1. 描述需求 → AI 生成測試用例
2. AI 生成代碼讓測試通過
3. AI 重構代碼
4. 運行所有測試

工作流 3：文檔驅動 ​

1. AI 寫 README / API 文檔
2. AI 根據文檔生成代碼
3. AI 根據代碼更新文檔

工作流 4：項目級協作 ​

1. 創建項目級記憶庫
2. 每次新會話 AI 自動加載項目背景
3. 跨會話延續工作

八、團隊協作 ​

共享會話 ​

  • ✅ 把會話導出為 JSON
  • ✅ 團隊成員導入
  • ✅ 接續對話

共享任務模板 ​

  • ✅ 把任務模板放在共享目錄
  • ✅ 通過 Git 同步
  • ✅ 統一團隊工作流

共享記憶庫 ​

  • ✅ 把團隊共識寫入共享記憶庫
  • ✅ 統一代碼風格、業務術語
  • ✅ 提升協作效率

九、性能優化 ​

MBAgent 自身性能 ​

  • ✅ 定期清理舊會話
  • ✅ 關閉不需要的後台任務
  • ✅ 定期重啟 MBAgent（每週一次）
  • ✅ 升級到最新版本

任務執行性能 ​

  • ✅ 並發執行獨立任務
  • ✅ 緩存重複計算結果
  • ✅ 用更小的模型處理簡單任務

API 調用性能 ​

  • ✅ 使用流式輸出（默認開啟）
  • ✅ 開啟前綴緩存
  • ✅ 批量處理多個請求

十、心態建議 ​

把 AI 當作"聰明但需要指導的助手" ​

  • ✅ 給予明確指令
  • ✅ 提供充足上下文
  • ✅ 檢查工作結果
  • ❌ 不要盲目信任
  • ❌ 不要期待完美

接受 AI 的局限性 ​

  • AI 不是萬能的
  • AI 會犯錯
  • AI 有知識截止日期
  • AI 不理解業務背景

持續學習 ​

  • ✅ 學習提示詞技巧
  • ✅ 學習 MBAgent 新功能
  • ✅ 學習 AI 模型特性
  • ✅ 與其他用戶交流

十一、推薦閱讀 ​

下一步：常見問題 → 解決使用中的疑難雜症。