mcpField
P
prompt-optimization

prompt-optimization

github.com/89jobrienAgent 工作流445 次安装9 周前更新
代码仓库

关于 prompt-optimization

用于优化 LLM 和 AI 系统提示词的技能，适合开发 AI 功能、Agent 和工作流。它涵盖提示词结构、少样本示例、推理步骤、输出格式与约束设置。

主要功能

  1. 01设计清晰的提示词结构
  2. 02加入少样本示例
  3. 03组织复杂任务的推理步骤
  4. 04指定输出格式与约束
  5. 05优化提示词效率

适用场景

  1. 01改进 LLM 的回答质量
  2. 02编写系统提示词
  3. 03设计代码审查 Agent
  4. 04为任务实现少样本学习

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/89jobrien/steve --skill prompt-optimization

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

详细介绍

提示词优化

此技能可优化面向大模型和 AI 系统的提示词，重点关注有效的提示词模式、少样本学习和理想的 AI 交互。

何时使用此技能

  • 构建 AI 功能或 Agent 时
  • 提高大模型的响应质量时
  • 编写系统提示词时
  • 优化 Agent 性能时
  • 实现少样本学习时
  • 设计 AI 工作流时

此技能的功能

  1. 提示词设计：创建结构清晰、效果良好的提示词
  2. 少样本学习：通过实现少样本示例来提升效果
  3. 思维链：针对复杂任务使用推理模式
  4. 输出格式：指定清晰的输出格式
  5. 约束设定：设置边界和约束条件
  6. 性能优化：提升提示词效率和效果

使用方法

优化提示词
Optimize this prompt for better results

Create a system prompt for a code review agent
特定模式
Implement few-shot learning for this task

提示词技巧

结构

清晰的章节：

  • 角色定义
  • 任务描述
  • 约束条件和边界
  • 输出格式
  • 示例
少样本学习

模式：

  • 提供 2-3 个示例
  • 展示输入—输出对
  • 演示所需风格
  • 包含边缘案例
思维链

方法：

  • 将复杂任务拆解
  • 展示推理步骤
  • 鼓励逐步思考
  • 验证中间结果

示例

示例 1：代码审查提示词

输入：创建优化后的代码审查提示词

输出：

## Optimized Prompt: Code Review

### The Prompt

你是一位拥有 10 年以上经验的资深代码审查员。

请审查提供的代码，重点关注：

  1. 安全漏洞
  2. 性能优化
  3. 代码可维护性
  4. 最佳实践

对于发现的每个问题，请提供：

  • 严重程度（Critical/High/Medium/Low）
  • 具体行号
  • 问题说明
  • 附带代码示例的修复建议

请将回复整理为结构清晰、分节明确的报告。


### Techniques Used
- Role-playing for expertise
- Clear evaluation criteria
- Specific output format
- Actionable feedback requirements

最佳实践

提示词设计
  1. 具体明确：指令清晰、无歧义
  2. 提供示例：展示所需的输出格式
  3. 设置约束：清晰定义边界
  4. 不断迭代：测试并优化提示词
  5. 记录归档：记录有效模式

相关使用场景

  • AI Agent 开发
  • 大模型优化
  • 系统提示词创建
  • 少样本学习实现
  • AI 工作流设计

评论

支持 Markdown