Prompting

自定义

执行前，请检查以下位置是否存在用户自定义设置： ~/.claude/LIFEOS/USER/CUSTOMIZATIONS/SKILLS/Prompting/

如果此目录存在，请加载并应用其中找到的任何 PREFERENCES.md、配置或资源。这些内容会覆盖默认行为。如果目录不存在，则使用技能默认设置。

🚨 强制要求：语音通知（任何操作前必须执行）

调用此技能时，必须先发送此通知，然后才能进行任何其他操作。

1. 发送语音通知：

   curl -s -X POST http://localhost:31337/notify \
     -H "Content-Type: application/json" \
     -d '{"message": "Running the WORKFLOWNAME workflow in the Prompting skill to ACTION"}' \
     > /dev/null 2>&1 &
   

2. 输出文本通知：

   Running the **WorkflowName** workflow in the **Prompting** skill to ACTION...
   

此操作不可省略。调用技能后，请立即执行此 curl 命令。

Prompting - 元提示与模板系统

功能

以编程方式生成、优化和组合提示词。它是提示工程的标准库——其他技能在需要构建或改进提示词时会调用它。输出始终是供其他用途使用的提示词，而不是最终内容本身。

**适用于：**元提示、模板生成、提示词优化、以编程方式组合提示词、创建动态 Agent、根据数据生成结构化提示词。

问题

提示工程往往需要在每个相关技能中手动复制粘贴并重写，因此相同的模式逐渐分化，最佳实践也只存在于某个人的脑海中。当你想要根据数据组合提示词——创建自定义 Agent、构建评测判定器、生成分阶段工作流时——却没有一种简洁的方式将结构与内容分离。此技能将结构设为代码，将内容设为数据：一个 Handlebars 模板配合不同的数据，就能生成专用 Agent、工作流和评测框架；工程标准则集中在一处，供每个技能引用。

理想状态提示——默认标准

**此库生成或优化的每条提示词都应阐明理想状态，而非操作步骤。**说明完成后的样子（以可测试的结果表达）、约束条件和可用的高质量工具，然后相信模型能找到实现方式。推理编排（“先分析，再考虑，然后决定”）是违反 BPE 的脚手架：它会限制能力强大的模型，并随着模型改进而过时。理想状态提示更加精确，而非更加含糊——具体性体现在结果上。

有四类合理的实现方式可以保留：安全门控、已验证的陷阱、工具契约、输出格式契约。确定性工具（*.ts）不受此限制。判断任何操作步骤的标准是：更聪明的模型是否会认为这条规则没有必要？ 会 → 删除；不会 → 属于可保留类别。完整标准：Standards.md § Ideal-State Prompting。

工作原理

三大支柱支撑这项工作：

• 标准 - Anthropic 最佳实践、Claude 4.x 模式、实证研究（优先使用 Markdown 的设计、上下文工程、Fabric 模式系统，以及 1,500 多篇提示词优化学术论文）。完整指南见 Standards.md。
• 模板 - 基于 Handlebars 的程序化提示词生成系统：基元（Briefing、Structure、Gate、Roster、Voice）以及评测模板（Judge、Rubric、TestCase、Comparison、Report）。针对 Agent 的 DynamicAgent.hbs 位于 Agents 技能中（Agents/Templates/DynamicAgent.hbs），不在此处。
• 工具 - 模板渲染（RenderTemplate.ts）、验证以及数据与内容分离。

工作流路由

库技能——没有 Workflows/ 目录。请求会路由到渲染工具和参考文档：

触发条件	工作流	文件
渲染模板 / 根据数据组合提示词 / Handlebars 模板	RenderTemplate（工具）	Tools/RenderTemplate.ts
验证模板	ValidateTemplate（工具）	Tools/ValidateTemplate.ts
提示工程标准 / 最佳实践 / 提示词优化	Standards（参考）	Standards.md

示例

示例 1：使用 Briefing 模板（编写 Agent 简介）

// Render a structured agent brief from data before launching general-purpose
import { renderTemplate } from '${LIFEOS_SKILL_DIR}/Tools/RenderTemplate.ts';

const prompt = renderTemplate('Primitives/Briefing.hbs', {
  briefing: { type: 'research' },
  agent: { id: 'EN-1', name: 'Skeptical Thinker', personality: {...} },
  task: { description: 'Analyze security architecture', questions: [...] },
  output_format: { type: 'markdown' }
});

示例 2：使用结构模板（工作流）

# Data: phased-analysis.yaml
phases:
  - name: Discovery
    purpose: Identify attack surface
    steps:
      - action: Map entry points
        instructions: List all external interfaces...
  - name: Analysis
    purpose: Assess vulnerabilities
    steps:
      - action: Test boundaries
        instructions: Probe each entry point...

bun run RenderTemplate.ts \
  --template Primitives/Structure.hbs \
  --data phased-analysis.yaml

示例 3：根据数据渲染 Agent 简报

// Render a structured agent brief, then launch general-purpose with it
const brief = renderTemplate('Primitives/Briefing.hbs', {
  agent: { name: 'Skeptical Security Reviewer', role: 'auth bypass and input validation' },
  task: { description: 'Review the auth flow', questions: [...] },
});
// Pass `brief` as the prompt to Agent(subagent_type="general-purpose")

与其他技能集成

Agents 技能

• 使用 Templates/Primitives/Briefing.hbs 进行 Agent 上下文交接
• 使用 RenderTemplate.ts 组合动态 Agent
• 维护 Agent 专用模板：Agents/Templates/DynamicAgent.hbs

Evals 技能

• 使用评测专用模板：Judge、Rubric、TestCase、Comparison、Report
• 利用 RenderTemplate.ts 生成评测提示词
• 评测模板可以存储在 Evals/Templates/ 中，但使用 Prompting 的引擎

Development 技能

• 参考 Standards.md 获取提示词最佳实践
• 使用 Structure.hbs 编写工作流模式
• 使用 Gate.hbs 编写验证清单

Token 效率

模板系统在整个 LifeOS 中减少了 约 35,000 个 token（减少 65%）：

区域	之前	之后	节省
SKILL.md Frontmatter	20,750	8,300	60%
Agent 简报	6,400	1,900	70%
语音通知	6,225	725	88%
工作流步骤	7,500	3,000	60%
总计	~53,000	~18,000	65%

最佳实践

1. 分离关注点

• 模板：仅负责结构和格式
• 数据：内容和参数（YAML/JSON）
• 逻辑：渲染和验证（TypeScript）

2. DRY 原则

• 将重复模式提取为局部模板
• 使用预设处理常见配置
• 为定义维护单一事实来源

3. 版本控制

• 将模板和数据保存在不同文件中
• 独立跟踪更改
• 支持对结构进行 A/B 测试

参考资料

主要文档：

• Standards.md - 完整的提示词工程指南
• Templates/README.md - 模板系统概述
• Tools/RenderTemplate.ts - 实现细节

**官方锚点（偏差检查）：**本技能标准所依据的两个权威 Anthropic 来源：

• 提示词工程：https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview
• 上下文工程：https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

在编写或审查 Standards.md 时（不包括常规模板渲染），请获取这两个来源，并标记我们的标准与当前官方指南不一致之处——这些页面会随着每个模型系列的发布而变化，基于旧模型编写的标准会在不知不觉中逐渐过时。仅供参考：报告偏差，切勿自动采用；URL 无法访问时，工作也不得因此受阻。

研究基础：

• Anthropic：《Claude 4.x 最佳实践》（2025 年 11 月）
• Anthropic：《面向 AI Agent 的有效上下文工程》
• Anthropic：《提示词模板与变量》
• Fabric 系统（2024 年 1 月）
• 《提示词报告》- arXiv:2406.06608
• 《提示词画布》- arXiv:2412.05127

相关技能：

• Agents - 动态 Agent 组合
• Evals - LLM-as-Judge 提示词
• Development - 规范驱动的开发模式

---

**理念：**编写提示词的提示词。结构是代码，内容是数据。元提示可实现动态组合：同一模板搭配不同数据，即可生成专用 Agent、工作流和评估框架。这是 LifeOS 的核心基因——大规模程序化生成提示词。

注意事项

• **元提示生成的是提示词，而非内容。**输出的是供其他地方使用的提示词，而不是最终交付物。
• **模板应与模型无关。**不要编写依赖特定模型特性的提示词。
• **在宣布生成的提示词可用之前，先进行测试。**看起来不错的提示词，实际效果可能很差。

执行日志

完成任何工作流后，追加一条 JSONL 记录：

echo '{"ts":"'$(date -u +%Y-%m-%dT%H:%M:%SZ)'","skill":"Prompting","workflow":"WORKFLOW_USED","input":"8_WORD_SUMMARY","status":"ok|error","duration_s":SECONDS}' >> ~/.claude/LIFEOS/MEMORY/SKILLS/execution.jsonl

将 WORKFLOW_USED 替换为已执行的工作流，将 8_WORD_SUMMARY 替换为简短的输入描述，并将 SECONDS 替换为大致的实际耗时。若工作流失败，则记录 status: "error"。