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
