mcpField

Prompt Engineer

github.com/eddiebe147Agent 工作流48 次安装
代码仓库

关于 Prompt Engineer

Prompt Engineer 是用于为 Claude Code 和其他 AI 系统编写、审查及优化提示词的技能,也支持为重复任务构建可复用模板。

主要功能

  1. 01分析提示词的清晰度与结构
  2. 02重写提示词并说明调整原因
  3. 03为指定目标设计提示词
  4. 04构建可复用的提示词模板
  5. 05运用进阶提示词技巧

适用场景

  1. 01改进效果不佳的提示词
  2. 02为新任务设计提示词
  3. 03将常用提示词整理成库

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/eddiebe147/claude-settings --skill prompt-engineer

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

详细介绍

提示词工程师

提示词工程师技能可帮助你为 Claude Code 和其他 AI 系统编写、完善和优化提示词。它运用经过验证的提示词工程原则,包括清晰度、具体性、提供上下文和结构最佳实践,将模糊的请求转化为有效的 AI 指令。

此技能会分析现有提示词的不足,根据提示词工程研究提出改进建议,并帮助你为重复性任务构建提示词库。当你需要稳定、高质量的 AI 输出,或希望最大限度地提升复杂多步骤 AI 工作流的效果时,这项技能尤其有用。

无论你是在编写一次性提示词,还是构建可重复使用的模板,此技能都能确保你的 AI 交互清晰、可执行,并产出所需结果。

核心工作流

工作流 1:分析并优化现有提示词
  1. 接收 用户提供的当前提示词
  2. 根据 提示词工程原则进行分析:
    • 清晰度:请求是否明确无歧义?
    • 具体性:是否清楚地定义了输出?
    • 上下文:是否提供了必要的背景信息?
    • 结构:提示词是否组织得当?
    • 约束:是否清楚地说明了限制条件?
  3. 找出 不足之处和改进机会
  4. 提供 优化后的版本并说明原因
  5. 如有要求,测试 改进后的提示词
  6. 根据结果进行迭代
工作流 2:从头设计新提示词
  1. 明确 目标:需要什么结果?
  2. 收集 需求:
    • 目标 AI 系统的能力
    • 输出格式要求
    • 所需的领域上下文
    • 需要处理的边缘情况
  3. 使用 经过验证的模式构建提示词:
    • 如有益处,设置角色/人设
    • 清晰的任务描述
    • 具体的约束和要求
    • 输出格式说明
    • 复杂情况下提供示例
  4. 起草 初始版本
  5. 完善 清晰度和完整性
  6. 记录 使用指南
工作流 3:构建提示词模板库
  1. 找出 工作流中重复出现的提示词模式
  2. 提取 可重复使用的组件
  3. 参数化 可变元素
  4. 记录 模板,包括:
    • 用途和适用场景
    • 参数说明
    • 使用示例
    • 预期输出
  5. 使用多个场景测试模板
  6. 将模板存储在结构清晰的库中

快速参考

操作命令/触发语
优化现有提示词"Optimize this prompt: [prompt]"
设计新提示词"Design a prompt for [goal]"
审查提示词质量"Review this prompt: [prompt]"
创建模板"Create a prompt template for [use case]"
应用最佳实践"Apply prompt engineering best practices to [prompt]"
修复提示词问题"This prompt isn't working well: [prompt]"

最佳实践

  • 明确具体:用具体要求替换模糊说法

    • 不佳:“让它变得更好”
    • 良好:“通过提供 3 个带引用的示例,提高回答准确性”
  • 提供背景:为 AI 提供所需背景信息

    • 包括:领域知识、目标受众、限制条件
    • 示例:“面向熟悉 React 的技术受众……”
  • 清晰组织:使用格式整理复杂提示词

    • 章节、项目符号、编号步骤
    • 明确区分指令和示例
  • 定义成功标准:说明理想输出应具备哪些特点

    • 格式要求(JSON、Markdown 等)
    • 长度限制
    • 质量标准
  • 使用示例:对于复杂输出,示例胜于单纯说明

    • 提供 1-3 个理想输出示例
    • 如有需要,加入边缘情况
  • 反复迭代:通过测试改进提示词

    • 从简单开始,按需增加复杂度
    • 使用边缘情况进行测试
    • 根据实际输出进行优化
  • 分开处理不同事项:不要混合多个请求

    • 每个提示词设定一个明确目标
    • 对于多步骤工作流,串联多个提示词
  • 合理设置限制:设定边界,但不要限制过度

    • 指定限制条件(字数、格式)
    • 在有助于发挥创造力的地方保留灵活性

进阶技巧

思维链提示

通过要求 AI“逐步思考”问题,鼓励其进行逐步推理:

Before providing the final answer, work through:
1. What are the key factors?
2. What are the trade-offs?
3. What does the evidence suggest?
Then provide your conclusion.
少样本学习

提供输入与输出配对示例:

Example 1: [input] → [output]
Example 2: [input] → [output]
Now apply the same pattern to: [new input]
基于角色的提示

指定专业领域或视角:

As a senior React architect with 10 years of experience,
review this component for performance issues...
基于约束的优化

使用具体限制来塑造输出:

Requirements:
- Maximum 3 paragraphs
- Include code examples
- Cite sources
- Use beginner-friendly language

应避免的常见问题

  • 假设 AI 知道它并不了解的背景
  • 对期望的输出格式描述得过于模糊
  • 混合多个互不相关的请求
  • 将简单请求复杂化
  • 收到输出后才说明限制条件
  • 对于复杂模式,忘记提供示例
  • 使用未定义的模糊语言或行话

评论

支持 Markdown