prompt-optimizer
/prompt-optimizer
Przepisuje szkic prompta na wykonalny prompt dla dowolnego zadania: kodu, analizy, dokumentów, researchu lub decyzji.
- Repozytorium
- xingyao-y-code ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 13.11.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 3
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 13.11.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Przepisuje szkic prompta na wykonalny prompt dla dowolnego zadania: kodu, analizy, dokumentów, researchu lub decyzji.
Oryginalny opis (EN)
Use when 用户想把一段粗糙或模糊的提示词改写成可直接执行的高质量提示词,或说「优化这个提示词」「帮我改提示词」「让这个 prompt 更好用」「这个任务怎么问才做得对」。覆盖任意任务类型——写代码、调试排查、做分析、写文档、查资料、做决策、批量处理、多步执行。不用于把需求扩写成落盘规格文档(用 prompt-expansion),也不用于正在执行中的任务。
Jak działa
- 解决什么
- 何时不接活
- 流程(五步)
- 七条改写原则
- 必删清单
- 自检(交付前逐条过)
- 交付格式
- 常见错法
- 参考资料
Podgląd SKILL.md
--- name: prompt-optimizer description: Use when 用户想把一段粗糙或模糊的提示词改写成可直接执行的高质量提示词,或说「优化这个提示词」「帮我改提示词」「让这个 prompt 更好用」「这个任务怎么问才做得对」。覆盖任意任务类型——写代码、调试排查、做分析、写文档、查资料、做决策、批量处理、多步执行。不用于把需求扩写成落盘规格文档(用 prompt-expansion),也不用于正在执行中的任务。 --- # 提示词优化(Prompt Optimizer) ## 解决什么 用户的一句话到模型输出之间,缺口只有两处:**模型不知道的上下文**,和**模型猜不到的完成标准**。改写只做两件事——把前者补进去,把后者写清楚。其余都是噪音。 唯一验收标准:**换一个人或一个模型,只看这份提示词,能不能做出用户想要的同一个东西。** ## 何时不接活 没有缺口就没有工作。遇到以下情况,直接说"这条已经够好了",然后照原样执行: - 纯事实查询("法国首都") - 纯对话、闲聊、情绪表达 - 一句话能完成的机械操作("把这句翻成西语") - 提示词已含目标、上下文、完成标准、输出形态 - 用户明说"别废话,直接做" 不要为了显得有用而硬改。改坏了比不改更糟。 ## 流程(五步) ### 1. 定任务类型 按 `references/task-types.md` 归类:编码改动 / 调试排查 / 研究调查 / 分析判断 / 写作生成 / 设计前端 / 数据处理 / 多步代理执行。跨类任务取主类,次类只补它独有的槽位。 归类的作用是知道**该问什么**:调试类缺复现路径,写作类缺受众和篇幅,决策类缺判据。任务类型不同,必补的槽位也不同。 ### 2. 找缺口 逐项对照四问,缺哪项补哪项: - **目标**:做完之后,什么东西变成什么样? - **上下文**:模型不知道、但决定做法的事实有哪些? - **完成标准**:怎么判断做对了?(测试命令、可勾选清单、对比基准、验收人是谁) - **边界**:什么不在范围内?哪些动作要先问、哪些可以自己定? 四项都齐 = 不用改。 ### 3. 补事实,不造事实 - 先去项目里找:读 `AGENTS.md` / `CLAUDE.md` / 现有代码 / 相关文档,把真实路径、真实规则、真实约束写进提示词。真实路径比占位符有用得多。 - **项目规则里已有的,不要重复**。同一条规则写两遍,模型要去调和两套措辞,纯亏。要写就写成该项目规则的具体应用("规则要求动线上系统前确认" → "本次只读,停在 `git push` 之前")。 - 只有用户知道的事实(价格、客户名、期限、内部流程、账号信息)**不许猜**:留 `[待填:具体要什么]`,并在交付时单列。 - 你自己记得但不确定的事实(API 签名、版本号、平台行为):写成"先核实",不要断言。把风险说出来,让执行者去查。 ### 4. 提问(最多 3 个) 只在答案会显著改变提示词时才问。每个问题给出具体选项、并说明补上能换来什么。能从文件里读到的绝不问,能在提示词里留占位符的也不必问。 问的顺序按价值排:完成标准 > 上下文 > 边界 > 输出形态。 ### 5. 改写并交付 按下面七条原则重写,跑一遍自检,再交付。 ## 七条改写原则 1. **目标和理由放最前**。一到三句说清要做什么、为什么做。理由让模型在你没写到的分支上也能做对判断。 2. **上下文给足**。路径、背景、受众、数据来源、之前试过什么、已知的坑——这是提示词里最值钱的部分。上下文不足,模型只能退回安全而平庸的默认做法。 3. **把"完成"定义成可验收的**。交付物是什么、放在哪、怎么检查(测试命令、验收清单、与参照物对比)。一句具体的检查胜过十句"要仔细"。 4. **描述结果,不描述过程**。只有顺序真的重要时才编号(数据迁移、破坏性操作、合规步骤、多阶段依赖)。需要判断的活,让模型自己定计划,它往往比你的脚本更合适。 5. **约束带理由,正常音量**。不用全大写,不用"必须""极其""千万"。正面表述优先:"公共 API 保持不变,因为三个服务在调"胜过一串禁止项。只有在确实踩过坑时才写死禁令,并说明那次是怎么出事的。 6. **划清自主权**。哪些能自己决定、哪些必须先问(破坏性命令、动线上系统、对外发消息、花钱)。没写的部分默认它可以自己推进到底。 7. **说清最终报告要有什么**。改了什么、怎么验证的、还有什么没解决、替你做了哪些假设。 ## 必删清单 上一代提示词的遗留物,对现在的模型是负收益: | 删掉 | 原因 | |---|---| | `think step by step` / `逐步思考` / `<scratchpad>` | 推理已内置。当指令写进去只会让输出变啰嗦,部分模型还会拒答"展示推理" | | `你是一位世界级专家……` 拿来当上下文 | 角色不提供信息。一行角色可以,但替代不了真实上下文 | | 全大写、`非常重要`、`必须`、`千万` | 制造过度反应,模型为满足语气而加戏 | | `请尽量`、`如果可以` 用在硬要求上 | 把硬约束说成软建议,等于没有约束 | | 字数上限(除非格式强制) | 改成描述长度:"一分钟能扫完" | | 笼统禁令("不要输出解释""不要展示过程") | 会连带砍掉有用的结论说明。要限制就限制具体项 | | 评分官话术("我会按……打分") | 对现代模型无效,只是占篇幅 | | 重复项目已有规则 | 两套措辞要模型自己调和 | ## 自检(交付前逐条过) - [ ] 目标、上下文、完成标准、边界,四样齐了? - [ ] 有没有形容词没落到数字或可判定条件?("快" → "首屏 <1.2s") - [ ] 完成标准能被人照着勾选吗? - [ ] 有没有把用户未知的事实写成断言? - [ ] 有没有重复项目已有规则? - [ ] 施压词、CoT 指令、字数上限、评分话术,清干净了吗? - [ ] 输出语言跟用户一致吗?(提示词的语言跟原提示词走,说明部分跟对话语言走) - [ ] 比原文长出来的部分,每一句都能拦住一个具体错误吗?拦不住就删 ## 交付格式 ```text ## 优化后的提示词 <裸文本,可直接复制粘贴;不加 markdown 修饰,除非提示词本身需要> ## 改了什么 3–6 条,每条对应哪条原则、解决了什么问题 ## 需要你确认 - 只有你能填的 [占位符],逐条列出;没有就省略这节 ``` **提示词是交付物,说明部分要短。** 不要把分析过程铺在提示词前面让人往下翻。 ## 常见错法 | 错法 | 后果 | 改法 | |---|---|---| | 把提示词写长当写好 | 注意力被稀释,执行反而变差 | 一句能拦住的错,别写三句 | | 用框架标题硬套结构(CONTEXT: / TASK: / ...) | 标题不产生约束,只占篇幅 | 用自然段落承载理由,真需要分段才用小标题 | | 替用户编业务事实 | 错误事实会成为模型的"事实基准"一路传下去 | 留占位符 | | 把"你自己判断"换成具体步骤 | 限制了模型的判断空间 | 只写结果和验收,过程让它定 | | 一次问十个问题 | 用户放弃回答 | 最多 3 个,按价值排序 | | 只改措辞不改信息 | 换了说法,缺口还在 | 先补信息,再调措辞 | ## 参考资料 - `references/task-types.md` — 八类任务的必补槽位与常见遗漏 - `references/anti-patterns.md` — 反模式对照表与改写前后示例
Pliki w paczce (3)
- SKILL.md 8 KB
- references/anti-patterns.md 5 KB
- references/task-types.md 5 KB
Wersje
| Repozytorium | Wynik | Licencja |
|---|---|---|
| Ta strona · fengchen122123-sudo/xingyao-y-code | 100 | MIT |
| frankxai/agentic-creator-os | 100 | Apache-2.0 |
| event4u-app/agent-config | 100 | MIT |
| hazarvolga/prompt-optimizer | 100 | MIT |
| daymade/claude-code-skills | 100 | MIT |
| getsentry/skills | 100 | Apache-2.0 |
| affaan-m/ECC | 100 | MIT |
| affaan-m/ECC | 100 | MIT |
| aAAaqwq/AGI-Super-Team | 100 | MIT |
Migawka bazy z 13.11.2026 · wersja paczki bcdcc4c95de5 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 96coach
Przepisuje szkic prompta użytkownika tak, by agent kodujący zrobił zadanie za pierwszym razem, i ocenia go w skali 100 punktów. - 100llm-prompt-optimizer
Poprawia prompty dla dowolnego LLM sprawdzonymi technikami inżynierii promptów, by podnieść jakość odpowiedzi, ograniczyć halucynacje i zmniejszyć zużycie tokenów. - 100llm-prompt-optimizer
Poprawia prompty dla dowolnego LLM sprawdzonymi technikami inżynierii promptów, by podnieść jakość odpowiedzi, ograniczyć halucynacje i zmniejszyć zużycie tokenów. - 100llm-prompt-optimizer
Poprawia prompty dla dowolnego LLM sprawdzonymi technikami inżynierii promptów, by podnieść jakość odpowiedzi, ograniczyć halucynacje i zmniejszyć zużycie tokenów. - 100entry-optimizer
Porządkuje każdą wiadomość użytkownika w jasne zadanie i dobiera do niego pasujące skille z biblioteki przed działaniem. - 100prompt-template
Podaje kanoniczną budowę prompta: rola, kontekst, zadanie, ograniczenia i format, oraz zasady dla promptów w automatyzacjach.