agentic-studio/network-poc/PROMPTS.md

Kipinä Agentic Studio — Promptit

Kaikki järjestelmässä käytetyt promptit. Jokainen on dokumentoitu eksaktisti niin kuin se lähetetään mallille, muuttujat merkitty ${...}-syntaksilla.

---

1. Inferenssin system prompt (Wasm + natiivi)

Sijainti: node/src/qwen_coder.rs rivi 256, native-node/src/inference.rs rivi 127 Malli: Qwen2.5-Coder-0.5B/3B ChatML-rooli: <|im_start|>system

You are a coding assistant. Respond with ONLY code. No explanations, no markdown, no comments unless asked.

Tarkoitus: Pakottaa malli tuottamaan pelkkää koodia ilman selityksiä. Prefill: Assistantin vastaus alkaa ``` joka ohjaa mallin koodiblokkiin.

---

2. Agenttikohtaiset system promptit (frontend)

Sijainti: static/index.html rivit 1136-1144 Tallennus: localStorage (kpn-agent-prompt-{key}) ChatML-rooli: Liitetään <|im_start|>user -blokkiin osaksi promptia

2.1 Manageri (manager)

Olet projektipäällikkö. Jaa tehtävät osiin, priorisoi ja koordinoi tiimin työtä.

Malli: qwen-coder

2.2 Koodari (coder)

Olet kokenut ohjelmistokehittäjä. Kirjoita selkeää, testattavaa koodia ja vastaa aina koodilla.

Malli: qwen-coder

2.3 Data-agentti (data)

Olet tietokanta-asiantuntija. Vastaat skeemojen suunnittelusta, SQL-kyselyiden optimoinnista ja datamalleista.

Malli: qwen-coder

2.4 QA (qa)

Olet laadunvarmistaja (QA). Kirjoitat testejä, etsit virheitä ja varmistat, että kaikki reunatapaukset on huomioitu.

Malli: smollm-135m

2.5 DevOps / Testaaja (tester)

Olet DevOps-insinööri. Vastaat koodin julkaisuputkista, serveri-infrastruktuurista ja ympäristön suorituskyvystä.

Malli: smollm-135m

2.6 Tarkkailija (observer)

Olet ohjelmistoprojektin riippumaton valvoja. Sinulla on täysi pääsy kaikkiin projektin tietoihin ja muiden agenttien keskusteluihin. Valvo tiimin (Manageri, Koodari, Data, QA, DevOps) toimintaa asiantuntijana kokonaisuutena ja huomauta välittömästi visio- tai turvallisuusriskeistä.

Malli: deepseek-r1

2.7 Asiakas (client)

Kirjoita tähän asiakkaan toiveet ja projektin vaatimukset. Orkestraattori (Manageri) purkaa ja delegoi nämä työt asiantuntijoille.

Malli: user-input (ei LLM:ää, käyttäjän teksti)

---

3. Projekti-pipeline (kpn project)

3.1 Vaihe 1: Managerin tiedostojako

Konteksti: Käyttäjä on antanut projektin kuvauksen. Tavoite: Pilkotaan projekti yksittäisiksi tiedostoiksi oikeassa riippuvuusjärjestyksessä.

List the source files needed for this project. One file per line, format:
filename.py: what this file contains

Rules:
- Max 4 files
- Only .py, .toml, .json, .html files
- No directories, no paths, just filenames
- List dependencies first, then main app (e.g. models.py before main.py)
- Use pyproject.toml for dependencies (not requirements.txt)

Project: ${task}

Odotettu vastausformaatti:

models.py: SQLAlchemy User model and database setup
main.py: FastAPI app with CRUD endpoints
pyproject.toml: project dependencies

Parsintasäännöt:

• Rivi voi olla filename.ext: kuvaus tai pelkkä filename.ext
• Tiedostonimessä ei saa olla /, välilyöntejä tai polkuja
• Päättyy tiedostopäätteeseen (/\.\w{1,5}$/)
• Numerot, -, * ja ` strippataan rivin alusta
• Max 40 merkin tiedostonimi

3.2 Vaihe 2: Koodarin tiedostogenerointi (per tiedosto)

Konteksti: Managerin tiedostolista on parsittu. Jokaiselle tiedostolle generoidaan koodi erikseen. Aiemmin generoidut tiedostot annetaan kontekstina.

Perusmuoto:

${context}Project: ${task}
Write ONLY the file "${filename}"${description ? ': ' + description : ''}.
Use the exact libraries mentioned in the project description. Write correct, working code.

${context} (kun aiempia tiedostoja on generoitu):

Already written files:
--- models.py ---
from sqlalchemy import ...
...

--- main.py ---
from fastapi import ...
...

Erikoistapaus: pyproject.toml

Koska 0.5B-malli ei tunne uv/pyproject.toml-formaattia, annetaan eksplisiittinen esimerkki:

${context}Project: ${task}
Write ONLY the file "pyproject.toml": ${description}.
Use this exact format:
[project]
name = "projectname"
version = "0.1.0"
requires-python = ">=3.11"
dependencies = ["fastapi", "uvicorn"]

[project.scripts]
start = "uvicorn main:app --reload"
Use the exact libraries mentioned in the project description. Write correct, working code.

Erikoistapaus: requirements.txt (fallback)

...
List one dependency per line. No version pins unless necessary.
...

3.3 Vaihe 2 (fallback): Yhtenä kokonaisuutena

Jos managerin vastaus ei tuota parsittavaa tiedostolistaa:

Project: ${task}
Files: ${managerin_vastaus}

Write all the code for this project. Use the exact libraries mentioned in the project description. Use pyproject.toml for dependencies (not requirements.txt).

3.4 Vaihe 3: Testerin arviointi

Konteksti: Kaikki generoidut tiedostot yhdistettynä.

Review this project. List bugs or issues. Be brief.
If the code is correct, say "LGTM".

--- models.py ---
from sqlalchemy import ...

--- main.py ---
from fastapi import ...

Odotettu vastaus: Bugilista tai LGTM. Trigger korjausluuppiin: Jos vastaus EI sisällä "lgtm" tai "looks good" (case-insensitive).

3.5 Vaihe 4: Koodarin korjaukset (ehdollinen)

Ajetaan vain jos testeri löysi ongelmia.

Fix the issues found in the review.
Review feedback: ${review}

Current code:
--- models.py ---
...

--- main.py ---
...

Write the corrected code.

3.6 Vaihe 5: Testerin uudelleenarviointi (ehdollinen)

Review the corrected code briefly:
${fixedCode}

---

4. Yksinkertainen pipeline (kpn pipeline)

4.1 Manageri

Analyse this task briefly and write a technical spec for a coder:
${task}

4.2 Koodari

${managerin_vastaus}

Write the code.

4.3 Testaaja

Review briefly:
${koodarin_vastaus}

---

5. Yksittäiset komennot

5.1 kpn run <malli> "<prompti>"

Promptin koostaminen kpnRun-funktiossa:

${sharedPrompt}        ← Kaikille agenteille yhteinen (jos asetettu)

${agentPrompt}         ← Valitun agentin system prompt (jos löytyy)

${käyttäjän_prompti}   ← Käyttäjän kirjoittama teksti

Osat yhdistetään \n\n-erottimella ja lähetetään <|im_start|>user-blokkiin.

5.2 kpn hello

Kiinteä prompti SmolLM-135M -mallille:

Tervehdi käyttäjää iloisesti ja lyhyesti suomeksi. Ole innostunut ja energinen! Vastaa yhdellä lauseella.

5.3 Warmup (automaattinen)

Lähetetään automaattisesti kun laskentasolmu käynnistyy. Triggeröi mallin latauksen ilman näkyvää tulosta.

{"prompt": "warmup", "max_tokens": 1}

---

6. Stop-sekvenssit (inferenssi)

Sijainti: node/src/qwen_coder.rs rivi 345, native-node/src/inference.rs rivi 210

Generointi katkaistaan ja teksti trimmataan kun malli tuottaa minkä tahansa näistä:

Sekvenssi	Tarkoitus
\n###	Markdown-otsikko (selitysosio alkaa)
\nExplanation	Selitysosio
\nNote:	Huomautus
\nOutput:	Esimerkkitulostus
\n```\n\n	Koodiblokin loppu + tyhjä rivi
\n// Example	Esimerkkikoodi (C/Rust/JS)
\n// example	Sama pienellä
\n# Example	Esimerkkikoodi (Python/Ruby)
\n# example	Sama pienellä

---

7. Vastauksen siivous (post-processing)

Sijainti: strip_markdown_wrapper() molemmissa inferenssimoduuleissa

7.1 Kielitunnisteen poisto

Jos ensimmäinen rivi on tunnettu kielitunniste, se poistetaan. Tunnistetut: python, py, rust, rs, javascript, js, typescript, ts, java, kotlin, scala, go, ruby, rb, php, swift, c, cpp, c++, c#, csharp, r, sql, bash, sh, zsh, html, css, json, yaml, yml, toml, xml, markdown, md, lua, perl, dart, elixir, haskell, hs, ocaml, zig, plaintext, text, txt

7.2 Sulkevan ``` poisto

Poistetaan VAIN jos ``` on omalla rivillään tiedoston lopussa (edeltävä merkki on rivinvaihto tai alku).

7.3 Johdantolauseiden poisto

Ensimmäinen rivi poistetaan jos se alkaa (case-insensitive): Sure!, Here is, Here's, Certainly!, Below is

7.4 Selityskommenttien poisto

Alun # -alkuiset rivit poistetaan jos ne sisältävät (case-insensitive): this is, simple, program that, here is, the following, below

Shebang (#!) säilytetään.

---

8. Promptin kulku mallille (ChatML)

Lopullinen viesti mallille koostetaan näin:

<|im_start|>system
You are a coding assistant. Respond with ONLY code. No explanations, no markdown, no comments unless asked.<|im_end|>
<|im_start|>user
${sharedPrompt}

${agentPrompt}

${käyttäjän/pipelinen prompti}<|im_end|>
<|im_start|>assistant

**Huomio:** ` ``` ` assistantin alussa on prefill — se on osa syötettä eikä mallin tuottamaa. Malli jatkaa suoraan koodilla.

---

## 9. Sampling-parametrit

| Parametri | Arvo | Kuvaus |
|-----------|------|--------|
| `temperature` | 0.7 | Jakaumaa pehmentävä kerroin |
| `top_k` | 40 | Valinnan rajoitus 40 todennäköisimpään tokeniin |
| `repetition_penalty` | 1.15 | Aiemmin generoitujen tokenien rankaisu |
| `max_tokens` | 512 (oletus) | Konfiguroitavissa JSON-promptilla |
| `eos_token` | 151645 | Qwen2.5:n päätöstokeni |