怎么在coze的智能体总加入一个使用MARKDOWN编写的代码的prompt？

插件的idea其实来自早先挖的一个坑，在词生卡刚火那阵子，就想更进一步的发挥大模型对话产品的能力，做一个真正的提示词智能体。目标是实现输入任意文章链接后，AI自动生成适合微信分享的文章推荐卡片。为了达到这一效果，大模型对话产品需要完成以下关键步骤：1.网页爬取：自行访问链接，解析网页内容2.内容总结：根据提示词要求，提炼标题、摘要、要点等信息3.二维码生成：利用qrcode.js库，将URL转换为二维码图片4.卡片样式生成：基于特定模板设计要求（暂不考虑自适应样式主题），将卡片内容、二维码组合为精美的分享卡片理论上来说，这类词生卡任务正是大模型对话产品的天然“舒适区”。所以直接编写「网页分享卡片生成」词生卡Prompt如下：值得一提的是，通过实践探索，我发现了新的词生卡Prompt组织方法：把设计要求拆分为“设计规范”和“内容结构”，再细分为“布局与尺寸”、“字体规范”、“颜色规范”的独立模块，并结合“内容结构”进行要求提示。这种提示词组织方式有3个显著优势：1.模型通用性：采用纯Markdown格式编写，不依赖特定模型的特性，可以适配不同的大语言模型2.提示简易性：提示词结构清晰易读，便于自然语言编写，降低使用门槛。3.生成稳定性：通过清晰的模块划分和自然语言描述，避免了指令间的相互干扰，提高了AI生成样式代码的准确性和一致性

插件的idea其实来自早先挖的一个坑，在词生卡刚火那阵子，就想更进一步的发挥大模型对话产品的能力，做一个真正的提示词智能体。目标是实现输入任意文章链接后，AI自动生成适合微信分享的文章推荐卡片。为了达到这一效果，大模型对话产品需要完成以下关键步骤：1.网页爬取：自行访问链接，解析网页内容2.内容总结：根据提示词要求，提炼标题、摘要、要点等信息3.二维码生成：利用qrcode.js库，将URL转换为二维码图片4.卡片样式生成：基于特定模板设计要求（暂不考虑自适应样式主题），将卡片内容、二维码组合为精美的分享卡片理论上来说，这类词生卡任务正是大模型对话产品的天然“舒适区”。所以直接编写「网页分享卡片生成」词生卡Prompt如下：值得一提的是，通过实践探索，我发现了新的词生卡Prompt组织方法：把设计要求拆分为“设计规范”和“内容结构”，再细分为“布局与尺寸”、“字体规范”、“颜色规范”的独立模块，并结合“内容结构”进行要求提示。这种提示词组织方式有3个显著优势：1.模型通用性：采用纯Markdown格式编写，不依赖特定模型的特性，可以适配不同的大语言模型2.提示简易性：提示词结构清晰易读，便于自然语言编写，降低使用门槛。3.生成稳定性：通过清晰的模块划分和自然语言描述，避免了指令间的相互干扰，提高了AI生成样式代码的准确性和一致性

还记得我们在方案推理环节，得到的「最终样式.html」吗？按照我早先的一篇文章《样例驱动的渐进式引导法》中提到的方法，把这个html文件作为样例，和这段提示词同时发送给Claude，让AI根据@李继刚的提示词中控制样式输出的形式，自行总结我们需要的结果。你将会获得一份这样形式的答卷：只需要稍微调整一下文本结构与引用细节，就可以嵌入到我们的提示词中。这样基本也能让提示词按照预期运行起来：当然，想要更好地控制生成结果，尤其是视觉样式的稳定性，还得经过多次调试，并根据测试bug微调提示词，直至稳定运行。[heading3]拓展：Lisp、Markdown格式是否必需？[content]不是。经过两年的蓬勃发展，大语言模型的提示工程已经呈现出百花齐放的局面。无论LangGPT结构化提示词，还是CRISPE和CARE等框架，业界涌现出了多种提示词方法论。在格式方面，我们看到了LangGPT在用的Markdown格式，也有像刚哥最近青睐的Lisp伪代码格式，甚至还有像我那样灵活混搭的方案。但真正重要的不是提示词的外在形式，而是内容是否与AI的"理解机制"相契合。如果要我推荐提示词的写法：对于刚入门的朋友：首推LangGPT结构化提示词，直观易懂，可以快速上手。对于想要进阶的用户：一方面，LangGPT依然是一个可靠的选择；另一方面，有额外的精力和好奇心，不妨尝试一下刚哥推崇的Lisp伪代码格式，能够强迫自己精炼提示词，对措辞理解、概念认知也有很大帮助。