关于 prompt-optimizer
面向需要编写提示词的用户,将任务描述转化为可执行的提示词。它会分析请求,根据领域和复杂度选择框架,在必要时补问关键信息,并生成可迭代的提示词。
主要功能
- 01分析现有提示词与任务需求
- 02按领域和复杂度选择框架
- 03针对关键信息进行追问
- 04生成并迭代结构化提示词
- 05说明框架选择理由
适用场景
- 01将模糊想法整理为任务提示词
- 02优化特定领域的提示词
- 03快速润色简单提示词而不过度设计
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ chujianyun/ skills --skill prompt-optimizer安装后在 Claude Code 中输入/prompt-optimizer确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
LICENSE.txtreferences/Frameworks_Summary.mdreferences/frameworks/01_RACEF_Framework.md02_CRISPE_Framework.md03_BAB_Framework.md04_Tree_of_Thought_Framework.md05_RICE_Framework.md06_RELIC_Framework.md07_SCAMPER_Framework.md08_BLOG_Framework.md09_Six_Thinking_Hats_Framework.md10_CIDI_Framework.md11_SPEAR_Framework.md12_Few_shot_Framework.md13_Zero_shot_Framework.md14_FOCUS_Framework.md15_RACE_Framework.md16_Blooms_Taxonomy_Framework.md17_Pros_and_Cons_Framework.md18_3Cs_Model_Framework.md19_4S_Method_Framework.md20_APE_Framework.md21_CAR_PAR_STAR_Framework.md22_CARE_Framework.md23_ELI5_Framework.md24_Challenge_Solution_Benefit_Framework.md25_COAST_Framework.md26_Elicitation_Framework.md27_ERA_Framework.md28_Five_Ws_and_One_H_Framework.md详细介绍
提示词优化器
帮助用户基于具体任务场景,选择合适的提示词框架,并生成更清晰、更可执行的提示词。
设计模式
本 skill 主要采用:
- Reviewer:先判断用户现有提示词或任务描述的问题
- Inversion:信息不足时,先追问目标、受众、约束和格式
- Generator:基于选定框架生成优化后的提示词
注意事项
- 不要一上来就套框架,先判断任务是否真的需要复杂框架
- 不要为了显得专业而过度设计简单提示词
- 如果用户只想快速润色一句提示词,不要强行输出一整套长模板
- 如果目标、受众、输出格式不清楚,先补充最少的必要问题
- 说明为什么选择这个框架,比堆很多框架名更重要
工作流
复制此清单并跟踪进度:
- 步骤 1:分析用户输入
- 步骤 2:匹配场景并选择框架
- 步骤 3:加载框架详情
- 步骤 4:澄清歧义
- 步骤 5:生成优化后的提示词
- 步骤 6:展示并迭代
当用户请求创建提示词或优化提示词时,请遵循以下步骤:
步骤 1:分析用户输入
接收用户的请求,可能包括:
- 需要优化的原始提示词
- 任务描述或需求
- 需要转化为提示词的模糊想法
步骤 2:匹配场景并选择框架
阅读 references/Frameworks_Summary.md 文件,以便:
- 从所列应用场景中识别用户的场景
- 根据以下因素匹配最合适的框架:
- 与应用场景的契合度
- 任务复杂度(简单/中等/复杂)
- 领域类别(营销、决策分析、教育等)
按复杂度选择框架的指南:
| 复杂度 | 推荐框架 |
|---|---|
| 简单(≤3 个要素) | APE、ERA、TAG、RTF、BAB、PEE、ELI5 |
| 中等(4–5 个要素) | RACE、CIDI、SPEAR、SPAR、FOCUS、SMART、GOPA、ORID、CARE、ROSE、PAUSE、TRACE、GRADE、TRACI、RODES |
| 复杂(6 个以上要素) | RACEF、CRISPE、SCAMPER、Six Thinking Hats、ROSES、PROMPT、RISEN、RASCEF、Atomic Prompting |
按领域选择框架的指南:
| 领域 | 推荐框架 |
|---|---|
| 营销内容 | BAB、SPEAR、Challenge-Solution-Benefit、BLOG、PROMPT、RHODES |
| 决策分析 | RICE、Pros and Cons、Six Thinking Hats、Tree of Thought、PAUSE、What If |
| 教育与培训 | Bloom's Taxonomy、ELI5、Socratic Method、PEE、Hamburger Model |
| 产品开发 | SCAMPER、HMW、CIDI、RELIC、3Cs Model |
| AI 对话/助手 | COAST、ROSES、TRACE、RACE、RASCEF |
| 写作与创作 | BLOG、4S Method、Hamburger Model、Few-shot、RHODES、Chain of Destiny |
| 图像生成 | Atomic Prompting |
| 快速简单任务 | Zero-shot、ERA、TAG、APE、RTF |
| 复杂推理 | Chain of Thought、Tree of Thought |
步骤 3:加载框架详情
确定最佳框架后,从 references/frameworks/ 目录中读取对应的框架文件:
- 文件命名格式:
XX_FrameworkName_Framework.md - 示例:对于 RACEF 框架,请读取
references/frameworks/01_RACEF_Framework.md
框架文件包含:
- 框架概述和组成要素
- 对每个要素的详细说明
- 优缺点
- 最佳实践示例
步骤 4:澄清歧义
生成最终提示词之前,请与用户确认:
- 目标清晰度:预期结果是否明确?
- 目标受众:谁会接收 AI 的回复?
- 背景信息完整度:是否提供了足够的背景信息?
- 格式要求:是否有特定的输出格式要求?
- 约束条件:是否有任何限制或约束?
如果存在以下情况,请提出澄清问题:
- 信息缺失
- 存在歧义
- 信息不完整
- 信息矛盾
澄清问题示例:
- “您希望实现什么具体结果?”
- “这段内容的目标受众是谁?”
- “对格式或长度有什么要求吗?”
- “AI 应考虑哪些背景信息?”
步骤 5:生成优化后的提示词
应用选定的框架来创建最终提示词:
- 根据框架组件构建提示词
- 纳入所有已澄清的信息
- 确保内容清晰、具体
- 如果框架要求,加入相关示例
- 添加必要的约束或指南
步骤 6:呈现并迭代
向用户呈现优化后的提示词,并提供:
- 选定的框架名称及选择理由
- 完整的优化提示词
- 对框架各要素应用方式的说明
- 潜在变体或改进建议
如果用户要求修改,请在保持框架结构的前提下迭代提示词。
框架参考文件
所有框架的详细信息都存储在 references/frameworks/ 目录中。每个文件都包含:
- 适用场景
- 框架组件及其说明
- 优缺点
- 多个实践示例
快速选择框架
对于不确定该使用哪个框架的用户:
| 用户说 | 推荐框架 |
|---|---|
| “我需要一个简单的提示词” | APE、ERA、TAG |
| “我想说服他人/进行销售” | BAB、SPEAR、Challenge-Solution-Benefit |
| “我需要分析/做决定” | RICE、Pros and Cons、Chain of Thought |
| “我想教学/讲解” | ELI5、Bloom's Taxonomy、Socratic Method |
| “我需要创意点子” | SCAMPER、HMW、SPARK、Imagine |
| “我想进行结构化写作” | BLOG、4S Method、Hamburger Model |
| “我需要逐步推理” | Chain of Thought、Tree of Thought |
| “我在生成图像” | Atomic Prompting |
| “我需要详细计划” | RISEN、RASCEF、CRISPE |
评论
支持 Markdown