mcpField
P
promptify

promptify

github.com/ravnhqAgent 工作流1680 次安装21 周前更新
代码仓库

关于 promptify

promptify 是将用户请求改写为清晰、具体提示词的 skill,供 AI 模型生成目标内容。它按请求完整度选择直接改写、标注假设、结构化澄清或拆分任务,并提供自检流程。

主要功能

  1. 01分析意图与缺失约束
  2. 02按请求完整度选择处理方式
  3. 03按四块模式组织提示词
  4. 04明确成功标准与输出格式
  5. 05交付前执行质量自检

适用场景

  1. 01将模糊请求转成明确提示词
  2. 02为复杂目标拆分多个提示词
  3. 03为缺少背景的请求标注假设

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/ravnhq/ai-toolkit --skill promptify

安装后在 Claude Code 中输入/promptify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。

references/
prompt-blueprints.md
rules/
_sections.md
clarity-be-specific.md
clarity-break-down-tasks.md
clarity-surface-missing-info.md
constraints-state-assumptions.md
content-examples-only-when-needed.md
content-minimal-fluff.md
quality-self-check.md
structure-four-block-pattern.md
structure-include-success-criteria.md
structure-provide-context.md
structure-specify-format.md

详细介绍

Promptify

将用户请求转换为详细、精确且针对 AI 模型优化的提示词。

核心任务

将用户请求改写为清晰、具体且完整的提示词,引导 AI 模型无歧义地生成所需输出。将输出视为规范性语言,而非随意的自然语言。

工作流

用户输入规则: 每当此技能需要用户做出决定、表达偏好或补充说明时,都必须使用 AskUserQuestion 工具,并提供结构化选项——绝不能通过自由文本提问。此规则适用于步骤 2 中的澄清问题流程和步骤 7 中的交付方式选择。

1. 分析

仔细阅读用户请求。识别以下内容:

  • 核心意图和期望结果
  • 缺失的背景信息(受众、领域、环境)
  • 未明确说明的限制条件(长度、语气、格式)
  • 预期输出格式
2. 决定输出模式

根据分析结果选择处理方式:

  • 请求清晰且完整 — 直接生成改写后的提示词
  • 存在 1-2 个次要缺漏 — 使用标记为 [Assumption: X] 的占位符补充,并继续处理
  • 存在重大缺漏(未知受众、范围或技术栈)— 通过 AskUserQuestion 工具提问(使用结构化选项,而非自由文本),然后再改写
  • 存在多个不同目标 — 拆分为多个提示词
3. 组织结构

使用四部分模式组织提示词。请参阅 rules/structure-four-block-pattern.md。

  • 背景 - 背景信息、受众、领域
  • 任务 - AI 必须执行的工作
  • 限制条件 - 边界、规则、限制
  • 输出格式 - 回复的确切结构

并非每个提示词都需要包含全部四部分。仅使用有助于提升清晰度的部分。对于常见提示词类型,请从 references/prompt-blueprints.md 中的模板开始。

4. 起草

应用 rules/ 中的规则,完善提示词:

  • 将模糊措辞替换为可衡量的要求
  • 将缺失信息明确列为占位符或问题(请参阅 rules/clarity-surface-missing-info.md)
  • 加入成功标准,定义优秀答案必须包含或避免的内容
  • 明确标记所有假设
  • 仅在期望输出确实存在歧义时加入示例
  • 指定确切格式(标题、项目符号样式、长度)
  • 将复杂任务拆分为编号的连续步骤
5. 自检

交付前,根据规则检查清单检查草稿(请参阅 rules/quality-self-check.md):

  • 不含模糊限定词(be-specific)
  • 明确列出缺失信息(surface-missing-info)
  • 定义成功标准(include-success-criteria)
  • 标记假设(state-assumptions)
  • 指定格式(specify-format)
  • 仅在存在歧义时使用示例(examples-only-when-needed)
  • 不含填充内容或客套话(minimal-fluff)

如果任何一项未通过,修正问题并重新检查。清单全部通过或完成两轮完善后(以先发生者为准)停止。

6. 输出

以清晰标注的 Markdown 代码块向用户提供最终提示词。除提示词本身外,不添加任何说明。

7. 交付

提供提示词后,使用 AskUserQuestion 工具(不要以文字列出问题)询问用户接下来如何处理,并提供以下选项:

  1. 立即执行 — 将生成的提示词作为新的指令,并根据当前对话上下文继续处理。运用常规判断决定最佳后续操作:复杂任务先制定计划,简单任务直接实施,或在需要时提出澄清问题。
  2. 保存到文件 — 将提示词写入当前工作目录中的 Markdown 文件(例如 promptify-<timestamp>.md,其中 <timestamp> 为 epoch 秒数)。告知用户文件路径。

写作指南

结构
  • 先用一个简短段落概述整体任务
  • 仅在适当的位置使用标题(##、###、####)划分章节(不要使用一级标题)
  • 灵活使用 粗体、斜体、项目符号(-)和编号列表(1.、2.)来组织内容
  • 不要使用表情符号
  • 项目符号一律使用 -,不要使用 *
语言
  • 使用朴素、直接、准确的语言
  • 避免修饰、客套或刻意的文采
  • 将语言视为规范或代码,而非自然语言
  • 所有指令都要清晰明确
内容
  • 保持提示词简洁:长度为原始请求的 0.75 到 1.5 倍
  • 不要添加或编造输入中没有的信息
  • 不要加入不必要的复杂内容或冗长表述

示例

正向触发

用户:“将此内容转成提示词:根据我们的调查结果文档审查所有技能。”

预期行为:运用 promptify 指南,遵循其工作流程,并返回可执行的内容。

非触发

用户:“生成 JSON 格式的模拟客户数据。”

预期行为:不要优先使用 promptify;选择更相关的技能,或直接处理请求。

故障排除

技能未触发
  • 错误:预期会选择该技能,但实际没有。
  • 原因:请求措辞没有明确匹配技能描述中的触发条件。
  • 解决方法:使用描述中的明确领域或任务关键词重新表述,然后重试。
指南与其他技能冲突
  • 错误:同一任务中多项技能的指令发生冲突。
  • 原因:加载的技能存在范围重叠。
  • 解决方法:明确指出当前步骤以哪项技能为准,并优先采用其工作流程。
输出过于笼统
  • 错误:结果缺少具体、可执行的细节。
  • 原因:任务输入没有提供背景、约束、目标格式或成功标准。
  • 解决方法:补充具体约束(环境、范围、格式、成功标准),然后重新运行。

评论

支持 Markdown