mcpField
P
prompt-optimizer

prompt-optimizer

github.com/chujianyunAgent 工作流749210 次安装2 周前更新
代码仓库

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

  1. 01分析现有提示词与任务需求
  2. 02按领域和复杂度选择框架
  3. 03针对关键信息进行追问
  4. 04生成并迭代结构化提示词
  5. 05说明框架选择理由

适用场景

  1. 01将模糊想法整理为任务提示词
  2. 02优化特定领域的提示词
  3. 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.txt
references/
Frameworks_Summary.md
references/frameworks/
01_RACEF_Framework.md
02_CRISPE_Framework.md
03_BAB_Framework.md
04_Tree_of_Thought_Framework.md
05_RICE_Framework.md
06_RELIC_Framework.md
07_SCAMPER_Framework.md
08_BLOG_Framework.md
09_Six_Thinking_Hats_Framework.md
10_CIDI_Framework.md
11_SPEAR_Framework.md
12_Few_shot_Framework.md
13_Zero_shot_Framework.md
14_FOCUS_Framework.md
15_RACE_Framework.md
16_Blooms_Taxonomy_Framework.md
17_Pros_and_Cons_Framework.md
18_3Cs_Model_Framework.md
19_4S_Method_Framework.md
20_APE_Framework.md
21_CAR_PAR_STAR_Framework.md
22_CARE_Framework.md
23_ELI5_Framework.md
24_Challenge_Solution_Benefit_Framework.md
25_COAST_Framework.md
26_Elicitation_Framework.md
27_ERA_Framework.md
28_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:

  1. 从所列应用场景中识别用户的场景
  2. 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:

  1. 目标清晰度:预期结果是否明确?
  2. 目标受众:谁会接收 AI 的回复?
  3. 背景信息完整度:是否提供了足够的背景信息?
  4. 格式要求:是否有特定的输出格式要求?
  5. 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:

  1. 根据框架组件构建提示词
  2. 纳入所有已澄清的信息
  3. 确保内容清晰、具体
  4. 如果框架要求,加入相关示例
  5. 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:

  1. 选定的框架名称及选择理由
  2. 完整的优化提示词
  3. 对框架各要素应用方式的说明
  4. 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