mcpField
A
ambitious-prompt

ambitious-prompt

github.com/wkentaroAgent 工作流093 次安装1 天前更新
代码仓库

关于 ambitious-prompt

ambitious-prompt 用于将提示词改写为面向可验证结果的指令,适合借助模型处理实质性任务的人。它补充目标、领域方法、检验标准和访问需求,而非只润色措辞。

主要功能

  1. 01明确交付物与起始材料
  2. 02将目标提升为可验证结果
  3. 03补充任务方法与待检验假设
  4. 04引入跨领域技术
  5. 05指定外部通过条件
  6. 06列出所需数据与访问权限

适用场景

  1. 01将修复故障改写为防止复发
  2. 02为分析提示词补充原始证据与验证
  3. 03准备面向会议决策的提示词

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/wkentaro/agent-skills --skill ambitious-prompt

安装后在 Claude Code 中输入/ambitious-prompt确认已加载。

附带文件agents/openai.yamlevals/evals.json

详细介绍

深度提示词

重写参数中的提示词,让模型以实现真正成果为目标,按照该领域优秀从业者的方式工作,并借鉴表面任务之外的领域。如果没有参数,请使用对话中用户最近写出或引用的提示词。

目标是让提示词更深入。每项新增内容都必须改变要完成的工作或结果的检查方式。只让提示词听起来更专业的措辞都是赘余。

步骤

  1. **了解任务。**说出提示词要求交付的内容,以及它提供的材料。利用对话和工作目录,了解实际存在的数据、工具和访问权限。完成标准:你能说明提示词会产出什么,以及它从什么材料开始。

  2. **提升目标层级。**思考交付成果之后,用户希望发生什么,也就是目标背后的目标。向上提升一到两级。停在模型仍能负责并根据现有访问权限进行验证的层级。“修复此崩溃”可以提升到“让应用保持无崩溃状态”,而不是“发展业务”。对于最终要做出决策或实现某种成果的工作(例如将在会议上讨论的内容),提升目标层级。对于创作或一次性的手工工作,保持原有层级并说明理由。完成标准:提示词明确指出成果,或者你已说明原有层级为何恰当。

  3. **深入分析。**针对这项任务回答以下问题:

    1. 该领域的顶尖专业人士会做什么,而提示词遗漏了什么?
    2. 他们会从哪些最原始的材料开始,而不是已经整理过的材料?(原始日志,而不是摘要。数据库,而不是仪表板。)
    3. 他们会使用哪些具体方法和工具?请明确指出,例如“在 DuckDB 中使用生存模型”,而不是“进行分析”。
    4. 任务背后的哪种假设应根据这些原始材料进行核实?
    5. 工作过程中可能产生哪些新知识,例如更早出现的信号或盲点?如何用留出数据加以验证?

    将所有数值目标提升到看起来高得不合理的水平,并朝指标改善的方向设定(例如将页面加载时间从 5 秒降至 200ms),同时说明目标可实现。保留用户设定的硬性限制,例如预算或截止日期。 完成标准:每个问题都有具体答案,或者已标明不适用。

  4. 拓宽视野。将交付成果的名词改写为动词。季度业务回顾(QBR)演示文稿可以改写为“在 30 分钟内让忙碌的人相信一段关于因果关系的叙述,并在不确定性下做出决定”。选择这些动词所要求的两个到四个领域,其中必须包括一个对抗性领域(例如卖空者、法务会计师、安全审计员或持怀疑态度的评审者)。对于每个领域,说明该领域的从业者会做什么:他们会采用什么技术或工具。不要加入任何要求模型像他们那样写作或说话的指示。完成标准:每个选定领域都贡献了一项技术,并且该技术出现在重写后的提示词中。

  5. **外部评判。**明确指出,除模型或用户之外,什么可以证明结果正确:测试、基准、回测、复现、测量或第三方来源。优先选择模型可以自行运行、能快速获得反馈的评判方式。完成标准:重写后的提示词明确指出评判方式和通过条件。

  6. **访问权限。**列出模型完成重写后提示词所需的一切:数据源、连接器、机器、安装软件的权限。完成标准:重写后提示词提及的每项输入或工具都已可用,或已列入设置部分。

输出

请按以下内容回复:

  1. 重写后的提示词:放在一个围栏代码块中,可直接粘贴使用。使用用户的语言和语气,以指令形式写给模型,并把目标放在最前面。
  2. 改动内容:每个维度各占一行(目标层级、深度、视野、评判方式)。若某个维度不适用,则标记为 unchanged,并简要说明原因。
  3. 设置:列出第 6 步中用户必须提供的访问权限。如果没有缺失项,则省略此部分。

评论

支持 Markdown