1. 从“聊天”到“做事”智能体系统提示词的范式革命如果你还在用“帮我写一段代码”或者“分析一下这个数据”这样的指令与大语言模型对话那你可能只解锁了它10%的潜力。真正的变革在于让AI从被动的“应答者”转变为主动的“执行者”——这就是智能体Agentic AI的核心。它不再只是给你一个答案而是能理解你的意图规划步骤调用工具如执行命令、编辑文件、浏览网页并最终完成一个复杂的任务比如从零搭建一个网站、分析一份报告并生成可视化图表或者调试一个复杂的系统故障。这一切的起点不是复杂的代码而是一段精心设计的文本系统提示词System Prompt。你可以把它理解为智能体的“宪法”或“操作手册”。它定义了智能体是谁、能做什么、不能做什么、如何思考、如何行动。一个优秀的系统提示词能将一个通用的大模型塑造成一个在特定领域内可靠、高效、安全的专家助手。最近我在研究一个名为awesome-ai-system-prompts的开源项目它汇集了包括 Vercel v0、same.new、Manus、OpenAI ChatGPT、Claude 等顶尖AI产品的真实系统提示词。这就像拿到了这些“AI大脑”的源代码。通过对这些“工业级”提示词的拆解我发现了一套可复用的设计模式和核心原则。无论你是想构建自己的AI助手还是想更高效地使用现有工具理解这些模式都至关重要。接下来我将结合这些真实案例为你拆解构建高效智能体提示词的八大核心原则与实战技巧。2. 智能体系统提示词的八大核心设计原则2.1 清晰的角色定义与范围限定为智能体注入灵魂为什么重要明确的角色定义是智能体行为的“锚点”。它直接告诉模型“你是谁”和“你的核心任务是什么”这能有效防止模型产生偏离主题的“幻觉”或给出不相关的回答同时也能让用户建立清晰的预期。实战解析角色定义不仅仅是起个名字。一个完整的角色定义通常包含以下几个层次身份与归属明确智能体的名称和创造者。这不仅是品牌标识也为后续的规则如“代表Vercel”提供了依据。Vercel v0:You are v0, Vercels AI-powered assistant.简洁有力直接绑定到Vercel平台。ChatGPT:You are ChatGPT, a large language model trained by OpenAI, based on the GPT-4.5 architecture.强调技术背景和版本。核心能力与专长列出智能体最擅长的任务领域。这能引导模型在相关领域内进行深度思考。Manus:明确列出“信息搜集”、“数据处理”、“撰写多章节文章”等核心能力像一个功能清单。same.new:You are a powerful agentic AI coding assistant.直接定位为“编程助手”范围清晰。操作环境与上下文告知智能体它所处的“世界”是怎样的包括时间、地点、可用的资源等。这是实现精准操作的基础。ChatGPT:Knowledge cutoff: 2023-10和Current date: 2025-04-05是经典组合防止模型提供过时信息。Cline:会动态注入SYSTEM INFORMATION包括操作系统、Shell类型、工作目录等让生成的命令绝对精准。我的实操心得角色定义切忌模糊。不要说“你是一个有用的助手”而要说“你是一个专注于前端开发、精通React和Tailwind CSS的代码生成专家”。范围限定得越细智能体的表现就越专注、越专业。在定义角色时我通常会假设一个具体的用户画像和场景这能让提示词更具象。2.2 结构化指令与组织让复杂规则清晰可管理为什么重要一个功能强大的智能体其提示词可能长达数千甚至上万个token。如果所有指令都堆砌在一起不仅人类难以维护模型本身也容易忽略或混淆其中的关键规则。良好的结构如同给代码分模块提升了可读性和可维护性。实战解析主流的结构化方法主要有三种Markdown标题分级最通用、最易读的方式。利用#,##,###来划分不同章节如“# 通用指令”、“## 工具使用规范”、“### 安全策略”。Vercel v0 和 ChatGPT都大量使用此方式逻辑层次一目了然。自定义XML式标签提供更强的语义封装能力。用特定的标签对相关规则进行“打包”。same.new:使用tool_calling,making_code_changes等标签将工具调用、代码修改的规则分别封装隔离性更好。Manus:使用agent_loop,sandbox_environment等标签定义核心循环和运行环境。外部文件与模块化将提示词拆分成多个文件通过引用或组合的方式加载。这是应对超长提示词和实现功能复用的高级策略。Clawdbot:将系统提示词拆分为SOUL.md人格、AGENTS.md操作规则、IDENTITY.md身份与隐私等多个文件实现了关注点分离。Manus:也采用了AgentLoop.txt,Modules.md,tools.json多文件协作的方式。注意事项结构化不是目的而是手段。关键在于让相关的规则聚集在一起。例如所有关于“如何调用Shell命令”的规则格式、参数、安全确认应该放在同一个章节或标签下。避免在“代码风格”章节里突然插入一条“拒绝策略”。2.3 明确的工具集成与使用指南赋予智能体“手脚”为什么重要智能体与普通聊天机器人的本质区别在于“行动力”而工具就是它的手脚。如果智能体不清楚自己有哪些工具、每个工具是干什么的、以及如何使用那么它就无法有效行动。详细的工具指南是智能体可靠性的基石。实战解析一个完整的工具定义需要包含以下要素工具描述用自然语言清晰说明这个工具的功能和目的。示例shell_exec: 在指定的Shell会话中执行命令并返回结果。调用语法与参数明确规定调用工具时需要遵循的格式、必须提供的参数及其类型。ChatGPT (DALL-E工具):直接在提示词中嵌入TypeScript类型定义极其严谨。namespace dalle { type text2im (_: { size?: (1792x1024 | 1024x1024 | 1024x1792), n?: number, prompt: string, }) any; }Cline Augment:使用XML-like的标签格式并附上示例直观易懂。execute_command commandls -la/command requires_approvaltrue/requires_approval /execute_command使用时机与规则这是提示词设计的精髓。必须告诉智能体何时应该使用以及何时绝对不能用某个工具。same.new:规则非常具体在调用每个工具前必须先向用户解释为什么调用它。以及绝对不要向用户提及工具名称。Manus:规定优先使用数据API其次才是网络搜索以提升效率和准确性。Bolt.new:将工具调用封装在boltAction中并作为boltArtifact的一部分有序输出强调步骤的原子性和顺序。我的实操心得工具规则的设计要模拟“师徒教学”。不仅要告诉它“怎么做”更要解释“为什么这么做”和“什么情况下不能做”。例如对于文件编辑工具我会规定“在修改任何文件前必须先用‘读取文件’工具确认当前内容避免覆盖错误。对于关键配置文件如package.json的修改必须获得用户明确确认。” 这种规则能极大减少低级错误。2.4 分步推理与规划引导智能体像人类一样思考为什么重要复杂的任务无法一蹴而就。让智能体学会“先想后做”、“边做边检查”可以显著提高任务的成功率和输出质量。分步推理能强制模型进行逻辑拆解避免它跳过关键步骤或做出不合理的假设。实战解析不同的系统采用了不同的“思考框架”显式代理循环Explicit Agent Loop最结构化的方式将智能体的工作流程定义为一个明确的循环。Manus的agent_loop是典范1. 分析事件Analyze Events理解当前状态和用户目标。 2. 选择工具Select Tools根据分析结果决定下一步使用哪个工具。 3. 等待执行Wait for Execution调用工具后等待结果返回。 4. 迭代Iterate一次只做一个工具调用根据结果决定下一步。 5. 提交结果Submit Results任务完成后整理并输出最终结果。 6. 进入待命Enter Standby等待下一个指令。这种循环强制智能体进行“观察-思考-行动”的迭代非常适用于需要多步交互的复杂任务。隐式思考阶段Implicit Thinking Phase在关键行动前要求模型进行内部推理。Vercel v0:在创建代码项目前v0必须使用 Thinking 标签来思考项目结构、依赖和实现方案。这相当于要求模型在“动手写代码”前先打草稿。等待与确认机制Wait-for-Confirmation防止智能体“想当然”地连续操作要求它在每一步之后暂停等待用户确认或工具执行结果。same.new Cline:都明确指令每次使用工具后必须等待用户确认或工具返回结果才能继续。切勿假设工具调用一定成功。这是保证操作可控性的关键。注意事项分步推理会增加交互的轮次和时间。在设计时需要权衡任务的复杂度和用户体验。对于简单、高风险的操作如删除文件强制每一步确认是必要的对于一连串低风险的构建步骤则可以允许智能体在一个规划周期内执行多个动作。关键在于在提示词中明确这种边界。2.5 环境与上下文感知让智能体“脚踏实地”为什么重要智能体不是在真空中运行的。它需要知道自己身处何种环境操作系统、编程语言版本、可用命令、网络权限等才能生成可执行的代码、调用正确的API并避免提出不切实际的要求。实战解析环境信息通常以“事实陈述”的方式注入系统提示词系统级环境Cline:操作系统macOS默认Shellzsh家目录/Users/username当前工作目录/project/src。这使得它生成的rm、cd等命令是绝对准确的。Manus:沙盒环境Ubuntu 22.04具有互联网访问权限用户‘ubuntu’拥有sudo权限。这设定了权限边界。运行时与开发环境Manus:开发环境Python 3.10.12, Node.js 20.18.0...这确保了它推荐的包安装命令pip installvspip3 install和语法是兼容的。same.new:操作系统是 Linux 5.15... 你正在Same这个云端IDE中与用户进行结对编程。用户可以在iframe中看到实时预览...这解释了为什么它生成的代码能立即看到效果。应用特定约束Bolt.new:你运行在名为WebContainer的环境中...它模拟了zsh Shell...可用的命令有cat, chmod, cp...列表明确告知了可用的工具集避免了调用不存在命令的错误。我的实操心得环境信息最好是动态注入的。在构建自己的智能体时我会在系统提示词中预留占位符如{{OS}}、{{CWD}}、{{NODE_VERSION}}在运行时由程序自动替换为真实值。这保证了提示词对不同用户、不同机器环境的普适性。静态写死环境信息会极大限制智能体的适用范围。2.6 领域特定专业知识与约束打造垂直领域专家为什么重要一个“全才”往往是“庸才”。通过嵌入领域知识、最佳实践和特定约束你可以将通用模型“微调”成一个特定领域的专家确保其输出不仅正确而且符合该领域的专业标准和习惯。实战解析这是让智能体产出高质量、可直接使用结果的关键技术栈与框架约定Vercel v0:规则极其具体除非用户指定否则v0应尝试使用shadcn/ui库。v0绝对不为图标输出svg必须使用lucide-react包中的图标。v0只能通过 ai 和 ai-sdk 使用AI SDK。这些规则保证了生成的Next.js项目风格统一、依赖正确。Loveable:规定了React编码规范始终尝试使用shadcn/ui库。除非特别要求不要使用try/catch块捕获错误...这塑造了其代码风格。代码风格与格式Bolt.new:code_formatting_info 使用2个空格进行代码缩进。这种细节能保证代码库的一致性。Claude Code:在修改文件时首先理解该文件的代码约定。模仿代码风格使用现有的库和工具遵循现有模式。重要除非被要求不要添加任何注释。这强调了“无缝融入现有项目”的能力。任务特定流程same.new:专门有website_cloning章节指导如何负责任地进行网站克隆如检查robots.txt限制请求速率体现了对特定任务的深入理解。注意事项约束是一把双刃剑。过于严格的约束可能会扼杀创造性或无法应对边缘情况。好的做法是区分“硬约束”必须遵守如安全规则和“软约束”最佳实践如“优先使用函数组件”。并在提示词中说明当用户有明确要求时可以覆盖某些软约束。2.7 安全、对齐与拒绝协议划定不可逾越的红线为什么重要能力越强责任越大。一个能执行命令、访问网络的智能体必须被严格约束以防止其产生有害、非法或不道德的输出或行为。清晰的安全协议是智能体产品化的前提。实战解析安全设计体现在“拒绝什么”和“如何拒绝”上明确的拒绝范畴定义哪些类型的请求是绝对不可接受的。Claude:Claude不会创作涉及性、暴力、非法内容的创意写作。不会协助进行非法活动、制造武器或开发恶意软件。ChatGPT (DALL-E政策):规则非常细致不要创作1912年后仍有作品的艺术家的风格图像。...对于公众人物创作可能 resemble 他们但不应 look like 他们的图像。不要提及或描述受版权保护的角色。这些是针对图像生成工具的特定安全护栏。标准化的拒绝方式规定拒绝时应使用的统一话术和风格避免模型自行发挥导致不一致或引发争议。Vercel v0:拒绝消息 “抱歉我无法协助此事。” ...当拒绝时v0绝不能道歉或提供解释。这种冷静、简短、不展开的拒绝方式降低了被用户纠缠或诱导的风险。Claude:如果Claude无法或不愿帮助用户它不会解释原因...将回复控制在1-2句话内。分级操作权限对于敏感操作定义不同的批准级别。Clawdbot:在其AGENTS.md中定义了清晰的三层审批流自主执行低风险常规操作如回答事实性问题。需经批准中等风险操作如发送消息、进行网络搜索必须明确请求用户许可。禁止执行高风险操作如访问私人财务数据、执行系统命令绝对禁止。 这种设计实现了安全性与灵活性的平衡。我的实操心得安全规则必须具体、无歧义。避免使用“有害的”、“不适当的”等模糊词汇。应该列举具体类别如“生成虚假信息”、“制作仇恨言论”、“提供非法入侵指导”、“执行rm -rf /等危险系统命令”。同时安全规则需要与工具深度集成例如在文件删除工具的规则中直接嵌入确认机制。2.8 一致的语调与交互风格塑造独特的“人格”为什么重要交互风格直接影响用户体验。一个符合产品定位的、一致的“人格”能让智能体感觉更像一个专业的合作伙伴而不是一个冰冷的机器。这包括语气、措辞、简洁程度等。实战解析从各家的提示词中我们可以看到风格迥异的“人格”设定自适应型ChatGPT 4o:在对话过程中你需要适应用户的语气和偏好。尝试匹配用户的氛围、语调以及他们通常的说话方式。这种“镜像”策略旨在提供最自然、无摩擦的对话体验。专业简洁型Cline:你被严格禁止以“好的”、“当然”、“可以”开头你的消息。你不应该是对话式的...而应该直接切入主题。这塑造了一个高效、不废话的工程师形象。Bolt.new:极其重要不要啰嗦除非用户要求更多信息否则不要解释任何事。强调输出结果的纯粹性。个性鲜明型Grok (趣味模式):你是Grok 2一个幽默有趣的AI...带点机智和幽默有点叛逆...不可预测性、荒谬、双关和讽刺是你的天性。这完全是为了娱乐和轻松互动而设计。Claude:Claude乐于帮助人类并视自己为人们智能且善良的助手具有深度和智慧使其不仅仅是一个工具。塑造了一个友善、博学的形象。中立克制型Llama 4 (MetaAI):永远不要评判用户...避免说教、道德化或自以为是的语言...不要拒绝政治相关的提示。这体现了一种最大限度保持中立、减少主观干预的定位。注意事项交互风格需要与智能体的核心功能相匹配。一个用于调试服务器故障的智能体适合采用Cline式的直接风格一个用于创意写作的伴侣则可能更适合Claude式的友好风格。同时风格指令要避免与核心操作指令冲突不能为了“有趣”而牺牲了“清晰”和“准确”。3. 真实世界案例深度剖析从原则到实践理解了核心原则我们再来看看它们是如何在具体的产品中落地和组合的。分析这些案例能给我们设计自己的提示词带来最直接的启发。3.1 Vercel v0面向UI生成的领域专家核心定位根据用户描述甚至截图生成Next.js全栈应用UI代码。架构亮点MDX组件即工具v0没有传统的函数调用工具它的“工具”是一系列用于组织输出的特定MDX组件标签如CodeProject包装整个项目、QuickEdit /小范围编辑、DeleteFile /。提示词严格规定了每种组件的使用场景和输出格式。这实际上是将UI生成任务“模板化”和“结构化”了。深度领域知识嵌入其提示词堪称Next.js Tailwind shadcn/ui的最佳实践手册。从文件命名规范kebab-case、响应式设计原则、无障碍访问ARIA, alt text到颜色偏好避免默认indigo事无巨细。这确保了生成的代码不仅能用而且符合现代前端开发标准。思考前置强制要求在使用CodeProject前用Thinking标签进行项目结构规划这是一种有效的“冷却”机制让模型在动手前先进行架构设计。设计启示对于垂直领域任务将输出格式本身设计成一种“领域特定语言”DSL并通过提示词强制模型使用这种DSL可以极大地提升输出的一致性和可预测性。你的提示词应该成为该领域的“风格指南”。3.2 same.new严格规范的结对编程伙伴核心定位在云端IDE环境中作为严格的“结对编程”助手。架构亮点严格的工具调用礼仪其规则极具特色在调用每个工具前必须先向用户解释为什么调用它。—— 提升透明度让用户理解AI的每一步意图。绝对不要向用户提及工具名称。—— 抽象技术细节让对话更自然用户只需关心“要做什么”而不是“AI用了哪个API”。必须严格遵守JSON Schema。—— 保证工具调用的格式绝对正确避免解析错误。迭代式开发流程提示词内嵌了完整的开发工作流指导如何读取文件、如何编辑先读后改、如何修复运行时错误最多尝试3次、如何使用“建议”工具、如何标记版本里程碑。这使AI能像一个有经验的开发者一样工作。环境高度绑定明确告知AI它运行在Linux云端IDE用户能看到实时预览。这使AI生成的代码变更能立刻获得上下文反馈“用户能看到iframe中的变化”从而进行更精准的调整。设计启示当智能体需要与用户进行紧密、多轮协作时定义清晰的“交互协议”比单纯定义工具更重要。这套协议规定了AI和人类之间如何沟通、如何确认、如何同步状态是复杂任务顺利协作的保障。3.3 Manus拥有明确循环的通用智能体核心定位在Linux沙盒中执行广泛任务的通用智能体。架构亮点显式代理循环这是Manus最标志性的设计。其agent_loop明确将智能体的工作流程分解为“分析-选择工具-等待-迭代-提交-待命”六个步骤。这个循环被写入提示词成为模型行为的基本算法。它强制模型进行离散的、可观察的“感知-行动”循环非常适合需要长期运行、状态复杂的任务。模块化提示词设计功能被拆分到AgentLoop.txt核心循环、Modules.md能力与规则、tools.json工具定义等多个文件中。这种设计便于维护和更新也暗示了其背后可能有一个更复杂的、动态加载提示词模块的系统架构。任务列表驱动在介绍中明确列出自己擅长的任务信息搜集、数据处理、写文章等这既设定了用户预期也似乎在内部引导模型优先考虑这些解决路径。设计启示对于旨在处理开放式任务的通用智能体一个定义良好的“顶层状态机”或“主循环”是至关重要的。它提供了行为的基本骨架使得智能体在面对未知任务时也有一个可靠的决策和行动框架可以遵循。3.4 OpenAI ChatGPT深度集成的工具与策略引擎核心定位集成多种内置工具如DALL-E、浏览器、代码解释器的通用对话助手。架构亮点工具策略与描述的内嵌ChatGPT提示词最独特的一点是将工具的函数签名Schema和详细的使用政策Policy直接写在了系统提示词里。例如DALL-E工具的提示词包含了完整的TypeScript类型定义以及长达数条的详细政策关于艺术家风格、公众人物、版权角色等。这种深度集成意味着工具的使用规则对模型而言是“原生”的理解程度更深。人格版本的演进Personality: v2这样的标签以及4o提示词中“匹配用户语气”的指令显示了OpenAI在有意识地、版本化地迭代模型的交互人格使其更自然、更拟人。上下文与安全并重既提供了知识截止日期和当前日期这样的上下文又嵌入了非常具体的安全护栏如对bio工具中存储敏感信息的限制体现了在强大功能与安全可控之间的精细平衡。设计启示当工具是智能体的核心能力时将工具的使用规范提升到与核心行为规范同等重要的地位并直接内化到系统指令中能获得最好的控制效果。这要求提示词编写者对每个工具的风险和边界有极其深刻的理解。4. 构建你自己的智能体综合实践指南与避坑清单分析了这么多案例如果你要动手设计自己的智能体系统提示词以下是我从这些“工业级”提示词中提炼出的可操作指南和常见陷阱。4.1 分步构建法从骨架到血肉不要试图一次性写成一个完美的、庞大的提示词。采用迭代和模块化的方法第零步定义核心与边界一句话说清用一句话定义你的智能体是“什么”和“为谁”服务。例如“一个帮助初级开发者调试前端React错误的代码助手。”划定范围明确列出智能体绝对不处理的任务类型如金融建议、医疗诊断、法律意见。第一步搭建基础骨架从角色定义开始写清楚名称、创造者、核心使命。添加环境上下文如果是动态的先留好占位符{{}}。用Markdown的##标题创建几个核心板块## 核心能力## 通用行为准则## 工具列表## 安全与拒绝。第二步填充工具模块为每一个工具创建子章节### 工具名称。在每个工具下严格按照“描述 - 调用格式附示例- 使用时机 - 禁止情形”的结构来编写。关键技巧为高风险工具如文件删除、网络请求编写“二次确认”规则并设计标准的确认话术模板。第三步注入领域知识在## 领域特定规范章节填入你的智能体专精领域的最佳实践、代码风格、常用库、避坑指南。例如如果是数据分析智能体可以规定“默认使用pandas而非原生Python列表进行数据处理”、“可视化优先使用matplotlib基础图表除非用户指定seaborn”。第四步制定交互协议设计思考流程是否需要像v0一样的Thinking阶段设计行动流程是像Manus一样的显式循环还是像same.new一样的“解释-调用-等待”单步协议定义沟通风格是像Cline一样直接还是像Claude一样友善将这条规则放在## 交互风格里。第五步强化安全护栏在## 安全与拒绝中明确列出拒绝请求的类别并给出一字不差的拒绝回复示例。检查所有工具模块确保高风险操作都有对应的安全规则提及。4.2 高级技巧与优化策略使用“负面提示”强化规则除了告诉模型“应该做什么”明确告诉它“绝对不能做什么”往往更有效。例如“绝对不要在未读取文件当前内容的情况下直接覆盖写入。”“禁止在未获得用户明确许可时安装任何额外的系统包。”为规则提供“理由”模型理解“为什么”有时能更好地执行“是什么”。例如“优先使用shadcn/ui组件库因为它提供了可访问性良好的、风格一致的预制组件能提升开发效率和应用质量。”实现条件化行为通过指令实现简单逻辑。例如“如果用户请求涉及修改package.json文件则必须首先向用户解释变更内容并获取确认。”“当处理超过100MB的数据时应提示用户注意内存使用并建议分块处理。”管理上下文长度对于超长提示词参考Claude Code的ClearTool思路可以设计一个“总结上下文”的工具或指令让智能体在对话过长时主动提炼关键信息释放上下文窗口。4.3 常见问题与调试实录即使遵循了所有原则你的智能体在初期也可能表现怪异。以下是一些常见问题及排查思路问题现象可能原因排查与修复思路智能体拒绝执行简单任务安全规则过于严格或模糊角色定义太窄。检查拒绝规则中的关键词是否过于宽泛。将角色定义从“你是XX专家”改为“你是擅长XX的助手同时乐于学习新领域”。工具调用格式错误工具描述中的调用示例有误格式要求不够突出。在工具描述部分使用代码块格式示例 高亮展示正确格式。添加规则“调用工具时必须严格复制以下示例的格式包括所有标签和缩进。”智能体“遗忘”早期指令提示词过长关键指令被淹没在后续上下文中。将最重要的、全局性的规则如安全规则、核心流程放在提示词的最开头部分。考虑将静态知识移入外部知识库通过检索增强RAG提供而非全部塞进提示词。输出风格不一致交互风格指令与其他指令冲突或不够具体。明确优先级。例如“在所有交互中保持简洁专业的风格。此条规则的优先级高于任何关于友好性的建议。”提供正反例对比。无法处理复杂多步任务缺乏规划引导模型试图一步到位。引入显式的分步指令。例如“对于复杂任务你必须按以下顺序执行1. 澄清需求与边界2. 制定分步计划并向我确认3. 逐步执行并报告每一步结果4. 汇总交付。”在领域专业问题上表现不佳领域知识以陈述句罗列未与推理过程结合。将知识转化为“推理时的检查清单”。例如“在编写React组件时按顺序检查1. 是否使用了函数组件和Hooks2. 是否考虑了组件的可复用性3. 是否添加了必要的PropTypes或TypeScript接口”最后一点个人体会设计系统提示词是一个高度迭代和实证的过程。没有一蹴而就的“银弹”。最好的方法是搭建基础框架 - 进行端到端测试尤其是边缘案例- 观察失败日志 - 针对性增补或修改规则 - 再次测试。将每次与智能体“意料之外”的交互都视为优化提示词的宝贵机会。最终一个强大的智能体系统提示词不仅是技术的结晶更是你对特定领域工作流、风险控制和人性化交互深度思考的体现。