prompt-optimizer

提示词优化器

概述

此技能可将用户提供的提示词转化为高质量、清晰且有效的指令，并针对 AI 模型进行优化。运用经过验证的提示词工程原则，提升提示词的清晰度、具体性、结构性和有效性。此技能采用系统化工作流，按照行业最佳实践分析提示词、找出改进机会并重构提示词。

何时使用此技能

在用户出现以下情况时启用此技能：

• 明确要求优化或改进提示词
• 提供含糊不清、需要完善的指令
• 请求帮助，以便让自己的要求更有效
• 提交结构欠佳、适合重新组织的提示词
• 请求指导，以便更好地与 AI 模型沟通
• 提出需要拆解为更清晰指令的复杂任务

优化工作流

按照以下系统化流程优化任何提示词：

步骤 1：分析原始提示词

检查用户的提示词并找出：

清晰度问题：

• 含糊的术语或不明确的要求
• 应明确说明的隐含假设
• 缺失的上下文或背景信息

具体性不足：

• 缺少具体限制或要求
• 未定义成功标准
• 缺少受众或目的信息
• 范围或边界不明确

结构问题：

• 组织混乱或思路跳跃
• 缺少逻辑顺序
• 缺少清晰的章节或层级

格式注意事项：

• 未指定输出格式
• 对长度、语气或风格的预期不明确
• 缺少示例或模板

复杂度评估：

• 判断任务是否过于复杂，不适合用单个提示词完成
• 判断请求是否适合采用提示词链
• 评估是否需要逐步推理

步骤 2：明确核心意图

确定用户请求背后的根本目标：

• 用户最终想要实现什么？
• 用户想要解决什么问题？
• 怎样的输出才算成功？
• 输出面向哪些受众或使用者？

如果原始提示词无法明确这些要点，请向用户确认。

步骤 3：应用优化原则

运用以下核心原则来完善提示词：

清晰、直接：

• 明确陈述要求，不依赖推断
• 消除歧义和含糊表述
• 使用具体、明确的措辞

提供上下文和动机：

• 说明某些要求为何重要
• 补充相关背景信息
• 描述使用场景或情境

增强具体性：

• 明确具体限制（长度、格式、范围）
• 指定目标受众
• 纳入质量标准
• 说明限制或边界

组织请求：

• 按逻辑组织信息
• 使用清晰的章节或编号要点
• 将不同类型的信息分开（上下文、要求、格式）

适时提供示例：

• 为复杂格式提供输入与输出示例
• 通过示例展示期望的语气或风格
• 演示如何处理边缘情况

允许存在不确定性：

• 明确允许回答「我不知道」
• 要求说明自身的局限性
• 鼓励坦诚作答，以防止幻觉

第 4 步：考虑高级技巧

评估是否有任何高级技巧可以改进提示词：

思维链：

• 任务需要推理或分析时使用
• 对复杂问题要求逐步思考
• 使用结构化格式将推理与答案分开

预填充：

• 绝对需要特定格式（JSON、XML）时使用
• 用于消除不需要的开场白
• 用于设定即时语气或风格

提示词链：

• 将复杂提示词拆分为连续步骤
• 为复杂项目创建多阶段工作流
• 设计每个提示词，使其基于先前的输出继续推进

结构化输出：

• 指定精确的格式要求
• 提供架构或模板
• 使用标签或分隔符区分不同部分

如需详细了解这些技巧，请参阅 references/prompt-best-practices.md。

第 5 步：呈现优化后的提示词

按以下格式提供优化结果：

分析部分：

Original prompt issues identified:
- [List key problems with the original prompt]

优化后的提示词：

[Present the complete optimized prompt in a code block for easy copying]

改进说明：

Key improvements made:
- [Explain major enhancements]
- [Highlight added specificity]
- [Note structural changes]
- [Mention any advanced techniques applied]

可选——使用技巧：

[If applicable, provide brief tips on how to further customize or use the optimized prompt]

第 6 步：根据反馈迭代

呈现优化后的提示词后：

• 询问用户优化结果是否符合需求
• 提出可调整语气、长度或具体程度
• 根据需要提供其他表述方案
• 根据用户反馈进行改进

实用指南

平衡是关键： 并非每个提示词都需要用到所有高级技巧。应根据任务复杂度选择优化程度。

保留用户意图： 在不改变根本目标或添加不必要要求的前提下，提升清晰度。

考虑模型： Claude 4.x 等现代模型具有很强的指令遵循能力；应利用这一点，做到直接明确。

务求实用： 专注于能实质提升输出质量的改进，而非表面修饰。

寓教于用： 在适当情况下，简要说明某些改动为何能改进提示词，帮助用户独立学习如何编写更好的提示词。

参考资料

此技能包含全面的参考资料：

references/prompt-best-practices.md

• 核心原则的详细说明
• 高级技巧及示例
• 常见问题排查指南
• 质量检查清单和决策框架

在以下情况下加载此参考资料：

• 用户询问特定的提示词工程概念
• 需要深入解释某项技巧
• 排查不寻常或复杂的提示词难题
• 用户希望学习提示词工程原则

references/examples.md

• 涵盖多个领域的优化前后示例
• 展示转化过程的实际场景
• 常见改进模式库

在以下情况下加载此参考资料：

• 用户希望查看具体示例
• 展示某种特定类型的优化
• 用户正在学习，需要理解相关模式
• 展示优化带来的效果

质量标准

确保每个优化后的提示词都包含：

• 清晰、无歧义的目标
• AI 理解目标所需的充分背景信息
• 具体的约束和要求
• 目标受众或使用场景（如相关）
• 预期的输出格式或结构
• 质量标准或成功定义
• 允许在适当时表达不确定性

常见优化模式

模式 1：模糊请求 → 具体的结构化任务

• 原始请求：“写一篇关于营销的文章”
• 优化后：补充受众、范围、长度、结构、要点和语气

模式 2：隐含上下文 → 明确上下文

• 原始请求：假设 AI 了解背景
• 优化后：说明上下文、解释其重要性，并提供相关细节

模式 3：单个复杂提示词 → 提示词链

• 原始请求：试图在一次请求中完成所有事情
• 优化后：拆分为逻辑连贯的连续步骤，并为每步明确输出

模式 4：通用输出 → 格式化输出

• 原始请求：未指定格式
• 优化后：提供架构、模板或明确结构

模式 5：假设存在的约束 → 明确说明的约束

• 原始请求：期望 AI 推断限制条件
• 优化后：明确说明长度、语气、范围，以及要包含或排除的内容

如需查看各模式的详细示例，请参阅 references/examples.md。