把最上面那一層打開

前面拆了 AGENTS.md（Day8）、Skills（Day10）、工具（Day12）。這些東西最後都會匯集到同一個地方：system prompt。今天把它整份打開來看。

Day6 提過一件事：session 記錄裡看不到 system prompt。它在迴圈開始前就被組好，每一輪都跟著送出去，但不會被存進 .jsonl。所以要看它長什麼樣子，得直接叫 Pi 自己把它組出來。

這就是全文

以下是預設狀態（開 read／bash／edit／write 四個工具、沒有 AGENTS.md、沒有 skills）下，Pi 送出去的完整 system prompt。我只把路徑裡的家目錄換成 <家目錄>，其餘一字未改：

You are an expert coding assistant operating inside pi, a coding agent harness. You help users by
reading files, executing commands, editing code, and writing new files.

Available tools:
- read: Read file contents
- bash: Execute bash commands (ls, grep, find, etc.)
- edit: Make precise file edits with exact text replacement, including multiple disjoint edits in one call
- write: Create or overwrite files

In addition to the tools above, you may have access to other custom tools depending on the project.

Guidelines:
- Use bash for file operations like ls, rg, find
- Use read to examine files instead of cat or sed.
- You can inspect PI_* environment variables for current model and session details.
- Use edit for precise changes (edits[].oldText must match exactly)
- Use write only for new files or complete rewrites.
- Be concise in your responses
- Show file paths clearly when working with files

Pi documentation (read only when the user asks about pi itself, its SDK, extensions, themes, skills, or TUI):
- Main documentation: <家目錄>\...\pi-coding-agent\README.md
- Additional docs: <家目錄>\...\pi-coding-agent\docs
- Examples: <家目錄>\...\pi-coding-agent\examples (extensions, custom tools, SDK)
- When reading pi docs or examples, resolve docs/... under Additional docs and examples/... under Examples,
  not the current working directory
- When asked about: extensions (docs/extensions.md, examples/extensions/), themes (docs/themes.md),
  skills (docs/skills.md), prompt templates (docs/prompt-templates.md), TUI components (docs/tui.md),
  keybindings (docs/keybindings.md), SDK integrations (docs/sdk.md), custom providers (docs/custom-provider.md),
  adding models (docs/models.md), pi packages (docs/packages.md), environment variables (docs/environment-variables.md)
- When working on pi topics, read the docs and examples, and follow .md cross-references before implementing
- Always read pi .md files completely and follow links to related docs (e.g., tui.md for TUI API details)
Current working directory: D:/work/taskapp

28 行、2,198 個字元，換算大約五百多個 token。一個能自己讀檔、跑指令、改程式碼的 coding agent，指令部分就這麼多。

五個區塊，各有各的用途

有 AGENTS.md 的話，<project_context> 會接在 Guidelines 之後；有 skills 的話，<available_skills> 再接在後面；最後才是工作目錄那一行。

最值得學的一個設計：prompt 會跟著能力變

看 Guidelines 的第一行：

- Use bash for file operations like ls, rg, find

這行不是寫死的。原始碼裡它只有在「有 bash，但沒開 grep／find／ls」的時候才會加進去：

if ((hasBash || hasPowerShell) && !hasGrep && !hasFind && !hasLs) {
    addGuideline("Use bash for file operations like ls, rg, find");
}

同樣的道理，工具清單只列出「呼叫端有提供 snippet」的工具；skills 區塊只有在 read 工具開著時才會出現（Day10 提過）。

這就是 harness engineering 的一個具體樣貌：prompt 不是一份文件，是一個函式。輸入是「這次開了哪些能力」，輸出是「該告訴模型什麼」。能力不存在就不要提，提了只會讓模型嘗試不存在的東西；能力存在但不明顯，就補一行提示。

Day13 的實驗之所以不只是「多兩個工具」這麼單純，原因也在這裡——開啟 grep／find／ls 會同時移除那行「用 bash 做檔案操作」的提示。變的不只是工具清單，還有指令本身。

它在成本裡佔多少？

system prompt 每一輪都會重送，聽起來很貴。但實際量一下就會發現它不是大頭。

用第一輪校準的資料來看（gpt-5.6-luna，30 次執行）：

• 第一次模型呼叫的輸入是 1,120～1,171 tokens（system prompt ＋ 工具的 JSON schema ＋ 使用者的任務描述，五個任務略有差異）。
• 加上專案的 AGENTS.md 之後變成 1,474～1,525 tokens。兩者相減，那份 1,145 字元的 AGENTS.md 值 354 個 token——五個任務量出來都是 354，一個不差。
• 但整批執行下來，總輸入是 537,224 tokens。

換句話說：system prompt 只在第一輪佔比高，之後迅速被對話歷史稀釋。 真正把成本推上去的是「每一輪把目前為止讀過的檔案、跑過的指令結果整包重送」。

把 30 次執行的成本拆開來更清楚：

有兩件事值得記住：

1. 六成以上的錢花在輸入。 不是模型想太多，也不是寫太多程式碼，是「重送 context」。
2. 命中快取的量比沒命中的還多（95 萬 vs 54 萬 tokens），但只佔成本的一成。 這個模型的快取價格是原價的十分之一。prompt cache 不是小優化，它是這類長迴圈任務能不能負擔得起的關鍵。

對 harness 設計的啟示

如果你想壓低一個 coding agent 的成本，從這份資料看，優先順序應該是：

1. 讓快取命中率高：system prompt 和前面的對話盡量穩定不變，才可能命中。反過來說，在 prompt 中段插入會變動的內容（時間戳、隨機排序的檔案清單）會讓後面全部失效。
2. 控制進入 context 的東西：read 的截斷、bash 輸出的上限（Day12）都是在做這件事。
3. 最後才是縮短 system prompt。它只有 2,198 個字元，砍一半也只省下兩百多個 token，而且是唯一可能被快取的部分。

這也是為什麼 Day15 那個「把 system prompt 加料」的實驗，我事前的預期是成本影響很小——加料加在最前面，反而是最容易被快取的位置。

明天

Day15 是這系列的第一個「彈性格」：把額外的指令灌進 system prompt，和原版比較。我會先寫下事前預測，再看資料是不是打臉。