better-prompt
当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"或"将简陋 prompt 转换为最佳实践版本"时使用。基于 OpenAI 和 Anthropic 官方最佳实践,对用户提供的简陋 prompt 进行结构化优化,输出符合社区标准的高质量版本。
#prompt-engineering
Install
npx skills add https://github.com/huangwb8/skills/tree/main/skills/alpha/better-prompt
claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install huangwb8-skills@llmmart
git clone https://github.com/huangwb8/skills.git
The skills CLI installs just this skill, for any of its supported agents. Claude Code installs the whole huangwb8/skills collection as a plugin from our marketplace. Git is the plain clone.
README
Better Prompt
这个 skill 用来把简陋、含糊或结构松散的 prompt 重构成更清晰、更可执行的高质量版本,或把它严格等价翻译成伪代码式的 Prompt Program;如果你只想做概念讨论,或者明确要求完全保留原风格,就不一定要用它。
它有两种输出模式:
- standard(默认):增强导向。补全缺失的约束、示例和上下文,输出符合最佳实践的散文式结构。
- prompt_program:保真导向。不新增无依据能力,把 prompt 翻译成“形式像伪代码、语义是自然语言”的块结构(程序/目标/输入/输出/约束/流程/校验/返回)。
用法
最推荐用法(standard 模式)
请使用 better-prompt skill 优化下面这段 prompt。
输入:原始 prompt 文本
输出:优化分析、优化后的高质量 prompt,以及必要的使用建议
进阶用法
请使用 better-prompt skill 优化下面这段 prompt。
输入:原始 prompt 文本
输出:优化后的 prompt
另外,还有下列参数约束:
- 目标模型:reasoning
- 保留原始语气:是
- 必须补充示例:是
伪代码翻译用法(prompt_program 模式)
请使用 better-prompt skill 把下面这段 prompt 翻译成 Prompt Program(伪代码式结构)。
输入:原始 prompt 文本
输出:最终 Prompt Program
只要在请求中出现“伪代码”“程序结构”“可编程自然语言”等表述,就会自动进入该模式;一次任务只会使用一种模式。
能做什么
- 优先优化清晰度、完整性和结构化表达。
- 在需要时补充约束条件、示例和上下文。
- 区分偏执行型的 GPT 风格 prompt 和偏复杂推理的 reasoning 风格 prompt。
- 默认同时给出分析、优化结果和使用建议。
- 把 prompt 严格等价翻译成 Prompt Program:保留原意和格式契约,显式化分支、循环与校验,压缩冗余修辞。
- 不适合已经非常成熟的 prompt,或超长到需要先拆分的信息包。
使用示例
示例 1:优化一个简单任务型 prompt
请使用 better-prompt skill 优化下面的 prompt。
输入:帮我写一个脚本处理 CSV
输出:优化分析和优化后的 prompt
示例 2:优化代码生成 prompt
请使用 better-prompt skill 优化下面的代码生成 prompt。
输入:给我写一个 Python 爬虫
输出:优化后的结构化 prompt
另外,还有下列参数约束:
- 目标模型:gpt
- 必须明确输入输出和错误处理
示例 3:优化复杂推理 prompt
请使用 better-prompt skill 优化下面的 prompt。
输入:请帮我分析一个复杂商业决策问题
输出:优化分析、优化后的 prompt 和使用建议
另外,还有下列参数约束:
- 目标模型:reasoning
- 给高层目标,不要写过死的步骤
输出
优化分析:说明原 prompt 的主要问题和改进点(standard 模式)。优化后的 prompt:可直接复制使用的结果(standard 模式)。使用建议:告诉你哪些内容可以按场景继续微调(standard 模式)。Prompt Program:伪代码式块结构结果,默认只输出结果本身、不带长篇分析(prompt_program 模式)。- 默认不会替你执行 prompt 对应任务,它的职责是把 prompt 本身优化好。
配置
- 配置文件:
better-prompt/config.yaml - 默认目标模型类型:
gpt - 最小输入长度:
10 - “已足够完善”的默认阈值:
8/10 - 默认输出包含:
analysisevaluationsuggestions
常见问题
Q:优化后的 prompt 变长了,是不是越长越好?
A:不是。更长只是为了更清楚、更可执行。真正目标是信息充分且结构合理,不是单纯堆字数。
Q:我还需要把优化后的 prompt 全部照搬吗?
A:不一定。你可以保留核心结构,再按自己的任务、语气和平台微调。
Q:它会区分 GPT 模型和推理模型吗?
A:会。默认更偏 gpt 风格;如果任务更依赖开放式推理,可以显式要求 reasoning 风格。
Q:什么时候不该用它?
A:当你的 prompt 已经很成熟、只是想做小改动,或者明确要求保留原始写法时,就不一定要用这个 skill。
Q:standard 和 prompt_program 两种模式有什么区别?
A:standard 允许补全信息,目标是“更完整、更专业”;prompt_program 严格保真,目标是“结构像程序、语义不变”。想要让 AI 更好地执行任务,用 standard;想要审视和讨论 prompt 的逻辑骨架,用 prompt_program。
Skill manifest
Better Prompt - Prompt 优化器
目标
当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"、"将简陋 prompt 转换为最佳实践版本",或要求"把 prompt 改写成伪代码"、"翻译成程序结构/可编程自然语言"时使用。
本技能提供两种输出模式:
- standard(默认):增强导向。基于 OpenAI 和 Anthropic 官方最佳实践,对简陋 prompt 进行结构化补全,输出高质量版本;允许补充示例、上下文和约束。
- prompt_program:保真导向。将原始 prompt 严格等价翻译为 Prompt Program 方言——形式上像伪代码,语义上仍是人类自然语言;不新增无依据能力。
两种模式共享同一套语义分析内核(6 个语义原子),只差输出渲染方式。本技能不负责执行 prompt 对应的任务本身。
流程
输入
输入要求
用户提供一个待优化的原始 prompt(可以是任意形式的简陋版本)。
执行步骤
版本与兼容性
- 适用于:Claude 3.x/4.x、GPT-4/5、Gemini 等主流 LLM
- 最佳实践来源:OpenAI/Anthropic 官方文档(2026-02)
- 更新策略:官方文档重大更新时同步修订
不适用场景
以下情况不建议使用本技能:
- prompt 已经经过专业优化(评分 ≥ 8/10)
- 只需要诊断问题,不需要修改建议
- 超长 prompt(>10000 字)需要专业拆分
- 用户明确要求保持原始风格
- 用户只想执行任务,不关心 prompt 本身的质量或结构
优化框架
standard 模式基于 OpenAI 和 Anthropic 官方最佳实践,采用五维度优化框架:
| 维度 | 检查点 | 优先级 |
|---|---|---|
| 清晰度 | 指令是否明确?是否存在歧义? | P0 |
| 完整性 | 是否缺少必要信息?上下文是否充分? | P0 |
| 结构化 | 是否使用 Markdown/XML 标签组织内容? | P1 |
| 示例性 | 是否提供输入输出示例(few-shot)? | P2 |
| 约束性 | 是否明确边界(做什么/不做什么)? | P2 |
注意:上表的 P0/P1/P2 表示"优化维度的重要性优先级",与 config.yaml 中的
dimensions数值(1-5)含义相同:P0=5(最高优先级)、P1=4、P2=3。
输出模式选择
在分析完成后、生成结果前,按以下规则选择输出模式:
| 用户请求特征 | 输出模式 |
|---|---|
| 要求"伪代码"、"程序结构"、"可编程自然语言",或直接提到 Prompt Program | prompt_program |
| 其它优化/润色/改进请求(未指定输出形式) | standard(默认) |
- 一次任务只使用一种模式,不混合输出。
- 未指定形式时默认 standard,并在使用建议中提示可切换为 prompt_program。
- 默认模式由
config.yaml:output_modes.default控制。
优化工作流
Step 0: 输入验证(前置检查)
验证用户输入的有效性:
| 输入状态 | 判断标准 | 处理方式 |
|---|---|---|
| 空输入 | 字符数 = 0 | 拒绝,提示"请提供待优化的 prompt" |
| 过短 | 字符数 < 10 | 提示"prompt 过短,请提供更多上下文" |
| 已完善 | 评分 ≥ 8/10 | 提示"prompt 已足够完善,是否仍需优化?",等待用户确认 |
| 有效 | 通过验证 | 继续 Step 1 |
prompt_program 模式下,非 prompt 型输入(完整代码实现请求等)直接说明不适合翻译,要求提供真正的 prompt;其最小输入长度阈值(6)由 config.yaml:output_modes.prompt_program.translation.input_validation.min_length 独立控制。
Step 1: 语义分析(6 原子)
用 6 个语义原子解析原始 prompt,作为两种输出模式共用的统一分析内核(原子定义与块映射详见 references/prompt-program/primitives.md):
| 原子 | 回答的问题 | 典型内容 |
|---|---|---|
| Entity | 有什么 | 角色、输入、输出对象、工具、状态 |
| Intent | 要达成什么 | 目标、交付物、成功条件 |
| Operation | 要做什么 | 核心动作链 |
| Constraint | 边界是什么 | 必须、禁止、偏好、格式 |
| Control | 逻辑怎样流动 | 条件、分支、循环、回退 |
| Check | 如何确认成立 | 校验、验收、结束条件 |
分析产出三项结论:
- 原子清单:每个原子在原 prompt 中已有的内容
- 缺失要素:哪些原子无内容或信息不完整
- 改进空间:哪些地方可以优化
6 原子与五维度的关系:6 原子是语义解析视角(原 prompt 里有什么),五维度是质量优化视角(standard 模式下优化到什么程度)。分析用原子,评分用维度。
Step 2: 确定模型类型适配(仅 standard 模式)
根据任务特性判断目标模型类型:
| 模型类型 | 适用场景 | 优化策略 |
|---|---|---|
| GPT 模型 | 精确执行、格式化输出、代码生成 | 提供详细步骤和明确逻辑 |
| 推理模型 | 复杂推理、多步规划、开放性任务 | 给高层目标,保留灵活性 |
如果用户未指定,默认按 GPT 模型优化策略处理(更精确)。
Step 3: 按模式应用优化模板
standard 模式——优化后 prompt 的标准结构模板:
# Identity(身份定义)
[描述 AI 的角色、专业领域、沟通风格]
# Instructions(核心指令)
[明确的任务说明]
- 规则 1
- 规则 2
- 约束条件(不做什么)
# Examples(示例)
<example id="1">
<input>示例输入</input>
<output>示例输出</output>
</example>
# Context(上下文)
[任务相关的背景信息、参考资料]
Examples 的使用规则:
- 对于复杂任务(复杂度 ≥ 3/5),Examples 是必需的
- 对于简单任务,Examples 可以省略
- 如原始 prompt 已有示例,优化时应保留或增强
prompt_program 模式——按 config.yaml:output_modes.prompt_program.rendering.block_order 输出块结构:
程序:……(可选)
目标:……
输入:……
输出:……
定义:(可选)
- ……
约束:
- 必须……
- 优先……
- 不要……
流程:
1. ……
2. 若……,则……;否则……。
3. 对每个……,执行……。
校验:
- ……
缺口处理:(可选)
- 若信息不足,则……
返回:
- ……
渲染必守规则:
输出只定义目标产物、目标格式或目标效果返回只定义对输出的交付动作,不能引入新产物程序、定义、缺口处理属于可选块;为空就省略(omit_empty_blocks=true时禁止补空块)- 组织顺序:先边界后执行、先主流程后异常路径、先硬约束后风格偏好
- 若原 prompt 缺少显式校验,必须补出最小可执行校验
- 用户指定的字段、章节或步骤顺序默认保持原顺序;关键术语、变量名、实体名默认保留原词
Step 4: 输出优化结果
standard 模式输出包含三个部分(默认全部包含,可通过 config.yaml 调整):
- 优化分析:简要说明做了哪些改进
- 优化后的 prompt:符合最佳实践的高质量版本
- 使用建议:针对特定场景的调整建议
prompt_program 模式默认只输出最终 Prompt Program,不附带长篇分析(translation.default_output_mode: final_only)。
prompt_program 模式专属规则
以下规则只约束 prompt_program 模式,不适用于 standard 模式:
等价性原则:
- 允许重排表达,不允许改变目标
- 允许补出隐式流程,不允许新增无依据能力
- 允许强化校验,不允许削弱关键约束
- 允许压缩表述,不允许丢失显式格式契约
- 允许补足交付动作,不允许把"输出"偷换成"输出说明书"
控制流推断:
- 只在原 prompt 显式给出条件/循环/回退,或存在强隐含控制(如"每个样本"、"若证据不足")时补写控制流
- 不允许为了"更像程序"凭空添加分支、循环或异常路径
冲突处理顺序(冲突时严格遵循 config.yaml:output_modes.prompt_program.translation.conflict_resolution_order):
- 核心意图
- 硬约束
- 输出契约
- 校验要求
- 风格偏好
缺口处理:
- 可用常识低风险补足时,直接补足并体现在结构中
- 缺失信息会改变任务本质时,在
缺口处理块中显式标注,不擅自虚构 - 默认不频繁追问;只有任务语义无法成立时才要求澄清
详细翻译规则见 references/prompt-program/translation-rules.md。
优化效果评估
standard 模式对优化前后的 prompt 进行对比评估:
| 维度 | 优化前评分 | 优化后评分 | 改进说明 |
|---|---|---|---|
| 清晰度 | x/5 | x/5 | ... |
| 完整性 | x/5 | x/5 | ... |
| 结构化 | x/5 | x/5 | ... |
| 示例性 | x/5 | x/5 | ... |
| 约束性 | x/5 | x/5 | ... |
| 总分 | xx/25 | xx/25 | +xx |
评分标准:1=很差、2=较差、3=一般、4=良好、5=优秀
prompt_program 模式不使用上述评分表,改用等价性五条质量标准(见"校验"章节)。
特殊场景处理(仅 standard 模式)
根据 config.yaml 中的 templates 配置,针对不同场景有特定的优化重点:
代码生成类 prompt
配置引用:config.yaml:templates.code_generation.focus_areas
额外关注:
- 明确编程语言和框架
- 指定代码风格规范
- 说明错误处理要求
- 提供边界条件示例
文本分析类 prompt
配置引用:config.yaml:templates.text_analysis.focus_areas
额外关注:
- 明确输出格式(JSON/表格/摘要)
- 定义分析维度和标准
- 提供分类/评估示例
创意写作类 prompt
配置引用:config.yaml:templates.creative_writing.focus_areas
额外关注:
- 定义风格和语调
- 说明目标受众
- 提供参考示例
- 设置长度约束
多轮对话类 prompt
配置引用:config.yaml:templates.multi_turn_conversation.focus_areas
额外关注:
- 定义对话角色和边界
- 说明状态管理要求
- 提供异常处理规则
参考资料
更多详细的最佳实践,参考 references/prompt-engineering-best-practices.md;Prompt Program 的原子定义、翻译规则和示例见:
- references/prompt-program/primitives.md:6 个原子、块语义与省略规则
- references/prompt-program/translation-rules.md:输入验证、保真与冲突规则
- references/prompt-program/examples.md:典型翻译示例
输出
输出格式
standard 模式:
## 优化分析
| 维度 | 原始状态 | 优化措施 |
|------|---------|---------|
| 清晰度 | ... | ... |
| 完整性 | ... | ... |
| 结构化 | ... | ... |
| 示例性 | ... | ... |
| 约束性 | ... | ... |
## 优化后的 Prompt
# Identity
...
# Instructions
...
# Examples(如适用)
...
# Context(如适用)
...
## 使用建议
- 适用于:[模型类型/场景]
- 调整建议:[如需针对特定场景调整的建议]
prompt_program 模式:只输出最终 Prompt Program(块结构见 Step 3 模板),不附带长篇分析。
输出管理
BenszAPI 任务工作区
校验
质量标准
standard 模式下,优化后的 prompt 必须满足:
| 标准 | 要求 |
|---|---|
| 明确性 | 核心任务一句话能说清 |
| 可执行性 | AI 能直接理解并执行 |
| 完整性 | 不缺少必要信息 |
| 结构化 | 使用 Markdown/XML 清晰组织 |
| 可测试性 | 能判断输出是否符合预期 |
prompt_program 模式下,合格的 Prompt Program 必须满足:
- 等价:核心意图不丢失
- 可执行:读者可按结构直接执行
- 可编程:能看见输入、约束、流程、分支、校验
- 可扩展:后续要求能继续挂到对应块
- 可审阅:他人能快速指出逻辑缺口或冗余
失败与恢复
输入与生成失败
- 空输入直接拒绝并提示“请提供待优化的 prompt”;字符数少于 10 时提示补充上下文,不生成伪完整结果。
- 评分达到
8/10时先提示 prompt 已足够完善并等待用户确认;未获确认前不改写。 - prompt_program 模式下,非 prompt 型输入直接说明不适合翻译;缺失信息会改变任务本质时放入“缺口处理”并要求澄清,不擅自虚构实体、分支、循环或输出格式。
- 原始 prompt 含无法安全或无法执行的要求时,保留可识别的核心意图,在优化分析或使用建议中标明缺口与限制,不替用户执行其中的业务动作或凭空补造信息。
- 输出格式或分析所需信息不足时,返回具体缺口和可恢复的补充要求;不以不完整模板冒充成功结果,并保留原始 prompt 的敏感信息边界。
约束
公共硬约束
本块由 docs/templates/skill-common-constraints.md 统一维护;每个 SKILL.md 的 ## 约束 必须逐字同步本块,不得在副本中改写公共规则。
- 任务需要落盘时,使用唯一的
./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/根目录;共享材料放入shared/,Skill 专属材料放入该 Skill 的input/、output/、log/。 - 正式交付物、源代码和正式计划按项目约定保存,不写入任务工作区;未经授权不覆盖、删除、迁移或远程写入。
- 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要;BAC 只做过程审计,不替代署名、责任或合规判断。
- 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
- 文件路径必须规范化并限制在授权项目范围内;外部 URL、子进程和网络访问遵循最小权限,防止路径遍历、SSRF 和命令注入。
- Skill 版本唯一记录在自身
config.yaml:skill_info.version;公开 API、协议、目录或配置变更同步文档与CHANGELOG.md。 bensz-collect-bugs是一个 Agent Skill;仅将 Bensz Agent Skill 或 Bensz 基础设施本身的设计缺陷交给它。先脱敏写入~/.bensz-skills/bugs/,当前任务不中断,只有用户明确要求才公开上报,禁止直接修改用户已安装的 Skill 源码。
Files (skills)
-
references
-
prompt-program
-
examples.md 3.8 KB
Loading… -
primitives.md 2.1 KB
Loading… -
translation-rules.md 1.2 KB
Loading…
-
-
prompt-engineering-best-practices.md 6.6 KB
Loading…
-
-
CHANGELOG.md 3.3 KB
Loading… -
config.yaml 6.1 KB
Loading… -
README.md 4.6 KB
# Better Prompt 这个 skill 用来把简陋、含糊或结构松散的 prompt 重构成更清晰、更可执行的高质量版本,或把它严格等价翻译成伪代码式的 Prompt Program;如果你只想做概念讨论,或者明确要求完全保留原风格,就不一定要用它。 它有两种输出模式: - **standard(默认)**:增强导向。补全缺失的约束、示例和上下文,输出符合最佳实践的散文式结构。 - **prompt_program**:保真导向。不新增无依据能力,把 prompt 翻译成“形式像伪代码、语义是自然语言”的块结构(程序/目标/输入/输出/约束/流程/校验/返回)。 ## 用法 ### 最推荐用法(standard 模式) ```text 请使用 better-prompt skill 优化下面这段 prompt。 输入:原始 prompt 文本 输出:优化分析、优化后的高质量 prompt,以及必要的使用建议 ``` ### 进阶用法 ```text 请使用 better-prompt skill 优化下面这段 prompt。 输入:原始 prompt 文本 输出:优化后的 prompt 另外,还有下列参数约束: - 目标模型:reasoning - 保留原始语气:是 - 必须补充示例:是 ``` ### 伪代码翻译用法(prompt_program 模式) ```text 请使用 better-prompt skill 把下面这段 prompt 翻译成 Prompt Program(伪代码式结构)。 输入:原始 prompt 文本 输出:最终 Prompt Program ``` 只要在请求中出现“伪代码”“程序结构”“可编程自然语言”等表述,就会自动进入该模式;一次任务只会使用一种模式。 ## 能做什么 - 优先优化清晰度、完整性和结构化表达。 - 在需要时补充约束条件、示例和上下文。 - 区分偏执行型的 GPT 风格 prompt 和偏复杂推理的 reasoning 风格 prompt。 - 默认同时给出分析、优化结果和使用建议。 - 把 prompt 严格等价翻译成 Prompt Program:保留原意和格式契约,显式化分支、循环与校验,压缩冗余修辞。 - 不适合已经非常成熟的 prompt,或超长到需要先拆分的信息包。 ## 使用示例 ### 示例 1:优化一个简单任务型 prompt ```text 请使用 better-prompt skill 优化下面的 prompt。 输入:帮我写一个脚本处理 CSV 输出:优化分析和优化后的 prompt ``` ### 示例 2:优化代码生成 prompt ```text 请使用 better-prompt skill 优化下面的代码生成 prompt。 输入:给我写一个 Python 爬虫 输出:优化后的结构化 prompt 另外,还有下列参数约束: - 目标模型:gpt - 必须明确输入输出和错误处理 ``` ### 示例 3:优化复杂推理 prompt ```text 请使用 better-prompt skill 优化下面的 prompt。 输入:请帮我分析一个复杂商业决策问题 输出:优化分析、优化后的 prompt 和使用建议 另外,还有下列参数约束: - 目标模型:reasoning - 给高层目标,不要写过死的步骤 ``` ## 输出 - `优化分析`:说明原 prompt 的主要问题和改进点(standard 模式)。 - `优化后的 prompt`:可直接复制使用的结果(standard 模式)。 - `使用建议`:告诉你哪些内容可以按场景继续微调(standard 模式)。 - `Prompt Program`:伪代码式块结构结果,默认只输出结果本身、不带长篇分析(prompt_program 模式)。 - 默认不会替你执行 prompt 对应任务,它的职责是把 prompt 本身优化好。 ## 配置 - 配置文件:`better-prompt/config.yaml` - 默认目标模型类型:`gpt` - 最小输入长度:`10` - “已足够完善”的默认阈值:`8/10` - 默认输出包含: - `analysis` - `evaluation` - `suggestions` ## 常见问题 ### Q:优化后的 prompt 变长了,是不是越长越好? A:不是。更长只是为了更清楚、更可执行。真正目标是信息充分且结构合理,不是单纯堆字数。 ### Q:我还需要把优化后的 prompt 全部照搬吗? A:不一定。你可以保留核心结构,再按自己的任务、语气和平台微调。 ### Q:它会区分 GPT 模型和推理模型吗? A:会。默认更偏 `gpt` 风格;如果任务更依赖开放式推理,可以显式要求 `reasoning` 风格。 ### Q:什么时候不该用它? A:当你的 prompt 已经很成熟、只是想做小改动,或者明确要求保留原始写法时,就不一定要用这个 skill。 ### Q:standard 和 prompt_program 两种模式有什么区别? A:standard 允许补全信息,目标是“更完整、更专业”;prompt_program 严格保真,目标是“结构像程序、语义不变”。想要让 AI 更好地执行任务,用 standard;想要审视和讨论 prompt 的逻辑骨架,用 prompt_program。 -
SKILL.md 15.5 KB
--- name: better-prompt description: 当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"、"将简陋 prompt 转换为最佳实践版本",或要求"把 prompt 改写成伪代码"、"翻译成程序结构/可编程自然语言"时使用。支持两种输出模式:standard(基于 OpenAI/Anthropic 官方最佳实践做增强优化)与 prompt_program(严格等价翻译为 Prompt Program 方言)。 metadata: author: Bensz Conan keywords: - better-prompt - prompt optimization - prompt engineering - prompt programming - 提示词优化 - 提示词编程 --- # Better Prompt - Prompt 优化器 ## 目标 当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"、"将简陋 prompt 转换为最佳实践版本",或要求"把 prompt 改写成伪代码"、"翻译成程序结构/可编程自然语言"时使用。 本技能提供两种输出模式: - **standard(默认)**:增强导向。基于 OpenAI 和 Anthropic 官方最佳实践,对简陋 prompt 进行结构化补全,输出高质量版本;允许补充示例、上下文和约束。 - **prompt_program**:保真导向。将原始 prompt 严格等价翻译为 Prompt Program 方言——形式上像伪代码,语义上仍是人类自然语言;不新增无依据能力。 两种模式共享同一套语义分析内核(6 个语义原子),只差输出渲染方式。本技能不负责执行 prompt 对应的任务本身。 ## 流程 ### 输入 #### 输入要求 用户提供一个待优化的原始 prompt(可以是任意形式的简陋版本)。 ### 执行步骤 #### 版本与兼容性 - **适用于**:Claude 3.x/4.x、GPT-4/5、Gemini 等主流 LLM - **最佳实践来源**:OpenAI/Anthropic 官方文档(2026-02) - **更新策略**:官方文档重大更新时同步修订 #### 不适用场景 以下情况不建议使用本技能: - prompt 已经经过专业优化(评分 ≥ 8/10) - 只需要诊断问题,不需要修改建议 - 超长 prompt(>10000 字)需要专业拆分 - 用户明确要求保持原始风格 - 用户只想执行任务,不关心 prompt 本身的质量或结构 #### 优化框架 standard 模式基于 **OpenAI** 和 **Anthropic** 官方最佳实践,采用五维度优化框架: | 维度 | 检查点 | 优先级 | |------|--------|--------| | **清晰度** | 指令是否明确?是否存在歧义? | P0 | | **完整性** | 是否缺少必要信息?上下文是否充分? | P0 | | **结构化** | 是否使用 Markdown/XML 标签组织内容? | P1 | | **示例性** | 是否提供输入输出示例(few-shot)? | P2 | | **约束性** | 是否明确边界(做什么/不做什么)? | P2 | > **注意**:上表的 P0/P1/P2 表示"优化维度的重要性优先级",与 config.yaml 中的 `dimensions` 数值(1-5)含义相同:P0=5(最高优先级)、P1=4、P2=3。 #### 输出模式选择 在分析完成后、生成结果前,按以下规则选择输出模式: | 用户请求特征 | 输出模式 | |-------------|---------| | 要求"伪代码"、"程序结构"、"可编程自然语言",或直接提到 Prompt Program | prompt_program | | 其它优化/润色/改进请求(未指定输出形式) | standard(默认) | - 一次任务只使用一种模式,不混合输出。 - 未指定形式时默认 standard,并在使用建议中提示可切换为 prompt_program。 - 默认模式由 `config.yaml:output_modes.default` 控制。 #### 优化工作流 ##### Step 0: 输入验证(前置检查) 验证用户输入的有效性: | 输入状态 | 判断标准 | 处理方式 | |---------|---------|---------| | **空输入** | 字符数 = 0 | 拒绝,提示"请提供待优化的 prompt" | | **过短** | 字符数 < 10 | 提示"prompt 过短,请提供更多上下文" | | **已完善** | 评分 ≥ 8/10 | 提示"prompt 已足够完善,是否仍需优化?",等待用户确认 | | **有效** | 通过验证 | 继续 Step 1 | prompt_program 模式下,非 prompt 型输入(完整代码实现请求等)直接说明不适合翻译,要求提供真正的 prompt;其最小输入长度阈值(6)由 `config.yaml:output_modes.prompt_program.translation.input_validation.min_length` 独立控制。 ##### Step 1: 语义分析(6 原子) 用 6 个语义原子解析原始 prompt,作为两种输出模式共用的统一分析内核(原子定义与块映射详见 [references/prompt-program/primitives.md](references/prompt-program/primitives.md)): | 原子 | 回答的问题 | 典型内容 | |------|-----------|---------| | **Entity** | 有什么 | 角色、输入、输出对象、工具、状态 | | **Intent** | 要达成什么 | 目标、交付物、成功条件 | | **Operation** | 要做什么 | 核心动作链 | | **Constraint** | 边界是什么 | 必须、禁止、偏好、格式 | | **Control** | 逻辑怎样流动 | 条件、分支、循环、回退 | | **Check** | 如何确认成立 | 校验、验收、结束条件 | 分析产出三项结论: - **原子清单**:每个原子在原 prompt 中已有的内容 - **缺失要素**:哪些原子无内容或信息不完整 - **改进空间**:哪些地方可以优化 > **6 原子与五维度的关系**:6 原子是**语义解析视角**(原 prompt 里有什么),五维度是**质量优化视角**(standard 模式下优化到什么程度)。分析用原子,评分用维度。 ##### Step 2: 确定模型类型适配(仅 standard 模式) 根据任务特性判断目标模型类型: | 模型类型 | 适用场景 | 优化策略 | |---------|---------|---------| | **GPT 模型** | 精确执行、格式化输出、代码生成 | 提供详细步骤和明确逻辑 | | **推理模型** | 复杂推理、多步规划、开放性任务 | 给高层目标,保留灵活性 | 如果用户未指定,默认按 GPT 模型优化策略处理(更精确)。 ##### Step 3: 按模式应用优化模板 **standard 模式**——优化后 prompt 的标准结构模板: ``` # Identity(身份定义) [描述 AI 的角色、专业领域、沟通风格] # Instructions(核心指令) [明确的任务说明] - 规则 1 - 规则 2 - 约束条件(不做什么) # Examples(示例) <example id="1"> <input>示例输入</input> <output>示例输出</output> </example> # Context(上下文) [任务相关的背景信息、参考资料] ``` > **Examples 的使用规则**: > - 对于复杂任务(复杂度 ≥ 3/5),Examples 是**必需的** > - 对于简单任务,Examples 可以省略 > - 如原始 prompt 已有示例,优化时应保留或增强 **prompt_program 模式**——按 `config.yaml:output_modes.prompt_program.rendering.block_order` 输出块结构: ```text 程序:……(可选) 目标:…… 输入:…… 输出:…… 定义:(可选) - …… 约束: - 必须…… - 优先…… - 不要…… 流程: 1. …… 2. 若……,则……;否则……。 3. 对每个……,执行……。 校验: - …… 缺口处理:(可选) - 若信息不足,则…… 返回: - …… ``` 渲染必守规则: - `输出` 只定义目标产物、目标格式或目标效果 - `返回` 只定义对 `输出` 的交付动作,不能引入新产物 - `程序`、`定义`、`缺口处理` 属于可选块;为空就省略(`omit_empty_blocks=true` 时禁止补空块) - 组织顺序:先边界后执行、先主流程后异常路径、先硬约束后风格偏好 - 若原 prompt 缺少显式校验,必须补出最小可执行校验 - 用户指定的字段、章节或步骤顺序默认保持原顺序;关键术语、变量名、实体名默认保留原词 ##### Step 4: 输出优化结果 **standard 模式**输出包含三个部分(默认全部包含,可通过 config.yaml 调整): 1. **优化分析**:简要说明做了哪些改进 2. **优化后的 prompt**:符合最佳实践的高质量版本 3. **使用建议**:针对特定场景的调整建议 **prompt_program 模式**默认只输出最终 Prompt Program,不附带长篇分析(`translation.default_output_mode: final_only`)。 #### prompt_program 模式专属规则 以下规则只约束 prompt_program 模式,不适用于 standard 模式: **等价性原则**: - 允许重排表达,不允许改变目标 - 允许补出隐式流程,不允许新增无依据能力 - 允许强化校验,不允许削弱关键约束 - 允许压缩表述,不允许丢失显式格式契约 - 允许补足交付动作,不允许把"输出"偷换成"输出说明书" **控制流推断**: - 只在原 prompt 显式给出条件/循环/回退,或存在强隐含控制(如"每个样本"、"若证据不足")时补写控制流 - 不允许为了"更像程序"凭空添加分支、循环或异常路径 **冲突处理顺序**(冲突时严格遵循 `config.yaml:output_modes.prompt_program.translation.conflict_resolution_order`): 1. 核心意图 2. 硬约束 3. 输出契约 4. 校验要求 5. 风格偏好 **缺口处理**: - 可用常识低风险补足时,直接补足并体现在结构中 - 缺失信息会改变任务本质时,在 `缺口处理` 块中显式标注,不擅自虚构 - 默认不频繁追问;只有任务语义无法成立时才要求澄清 详细翻译规则见 [references/prompt-program/translation-rules.md](references/prompt-program/translation-rules.md)。 #### 优化效果评估 **standard 模式**对优化前后的 prompt 进行对比评估: | 维度 | 优化前评分 | 优化后评分 | 改进说明 | |------|-----------|-----------|---------| | 清晰度 | x/5 | x/5 | ... | | 完整性 | x/5 | x/5 | ... | | 结构化 | x/5 | x/5 | ... | | 示例性 | x/5 | x/5 | ... | | 约束性 | x/5 | x/5 | ... | | **总分** | **xx/25** | **xx/25** | **+xx** | > **评分标准**:1=很差、2=较差、3=一般、4=良好、5=优秀 **prompt_program 模式**不使用上述评分表,改用等价性五条质量标准(见"校验"章节)。 #### 特殊场景处理(仅 standard 模式) 根据 config.yaml 中的 `templates` 配置,针对不同场景有特定的优化重点: ##### 代码生成类 prompt **配置引用**:`config.yaml:templates.code_generation.focus_areas` 额外关注: - 明确编程语言和框架 - 指定代码风格规范 - 说明错误处理要求 - 提供边界条件示例 ##### 文本分析类 prompt **配置引用**:`config.yaml:templates.text_analysis.focus_areas` 额外关注: - 明确输出格式(JSON/表格/摘要) - 定义分析维度和标准 - 提供分类/评估示例 ##### 创意写作类 prompt **配置引用**:`config.yaml:templates.creative_writing.focus_areas` 额外关注: - 定义风格和语调 - 说明目标受众 - 提供参考示例 - 设置长度约束 ##### 多轮对话类 prompt **配置引用**:`config.yaml:templates.multi_turn_conversation.focus_areas` 额外关注: - 定义对话角色和边界 - 说明状态管理要求 - 提供异常处理规则 #### 参考资料 更多详细的最佳实践,参考 [references/prompt-engineering-best-practices.md](references/prompt-engineering-best-practices.md);Prompt Program 的原子定义、翻译规则和示例见: - [references/prompt-program/primitives.md](references/prompt-program/primitives.md):6 个原子、块语义与省略规则 - [references/prompt-program/translation-rules.md](references/prompt-program/translation-rules.md):输入验证、保真与冲突规则 - [references/prompt-program/examples.md](references/prompt-program/examples.md):典型翻译示例 ### 输出 #### 输出格式 **standard 模式**: ```markdown ## 优化分析 | 维度 | 原始状态 | 优化措施 | |------|---------|---------| | 清晰度 | ... | ... | | 完整性 | ... | ... | | 结构化 | ... | ... | | 示例性 | ... | ... | | 约束性 | ... | ... | ## 优化后的 Prompt # Identity ... # Instructions ... # Examples(如适用) ... # Context(如适用) ... ## 使用建议 - 适用于:[模型类型/场景] - 调整建议:[如需针对特定场景调整的建议] ``` **prompt_program 模式**:只输出最终 Prompt Program(块结构见 Step 3 模板),不附带长篇分析。 ### 输出管理 #### BenszAPI 任务工作区 ### 校验 #### 质量标准 **standard 模式**下,优化后的 prompt 必须满足: | 标准 | 要求 | |------|------| | **明确性** | 核心任务一句话能说清 | | **可执行性** | AI 能直接理解并执行 | | **完整性** | 不缺少必要信息 | | **结构化** | 使用 Markdown/XML 清晰组织 | | **可测试性** | 能判断输出是否符合预期 | **prompt_program 模式**下,合格的 Prompt Program 必须满足: - **等价**:核心意图不丢失 - **可执行**:读者可按结构直接执行 - **可编程**:能看见输入、约束、流程、分支、校验 - **可扩展**:后续要求能继续挂到对应块 - **可审阅**:他人能快速指出逻辑缺口或冗余 ### 失败与恢复 #### 输入与生成失败 - 空输入直接拒绝并提示“请提供待优化的 prompt”;字符数少于 10 时提示补充上下文,不生成伪完整结果。 - 评分达到 `8/10` 时先提示 prompt 已足够完善并等待用户确认;未获确认前不改写。 - prompt_program 模式下,非 prompt 型输入直接说明不适合翻译;缺失信息会改变任务本质时放入“缺口处理”并要求澄清,不擅自虚构实体、分支、循环或输出格式。 - 原始 prompt 含无法安全或无法执行的要求时,保留可识别的核心意图,在优化分析或使用建议中标明缺口与限制,不替用户执行其中的业务动作或凭空补造信息。 - 输出格式或分析所需信息不足时,返回具体缺口和可恢复的补充要求;不以不完整模板冒充成功结果,并保留原始 prompt 的敏感信息边界。 ## 约束 <!-- BEGIN COMMON CONSTRAINTS --> <!-- Source-Hash: sha256:15120201e9e0c7569517261d57ecefb63ac279c26ed13876f8e95b6dc35854d3 --> <!-- Template-ID: skill-common-constraints; Template-Version: 1; Sync-Policy: exact-block --> ### 公共硬约束 本块由 `docs/templates/skill-common-constraints.md` 统一维护;每个 `SKILL.md` 的 `## 约束` 必须逐字同步本块,不得在副本中改写公共规则。 - 任务需要落盘时,使用唯一的 `./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/` 根目录;共享材料放入 `shared/`,Skill 专属材料放入该 Skill 的 `input/`、`output/`、`log/`。 - 正式交付物、源代码和正式计划按项目约定保存,不写入任务工作区;未经授权不覆盖、删除、迁移或远程写入。 - 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要;BAC 只做过程审计,不替代署名、责任或合规判断。 - 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。 - 文件路径必须规范化并限制在授权项目范围内;外部 URL、子进程和网络访问遵循最小权限,防止路径遍历、SSRF 和命令注入。 - Skill 版本唯一记录在自身 `config.yaml:skill_info.version`;公开 API、协议、目录或配置变更同步文档与 `CHANGELOG.md`。 - `bensz-collect-bugs` 是一个 Agent Skill;仅将 Bensz Agent Skill 或 Bensz 基础设施本身的设计缺陷交给它。先脱敏写入 `~/.bensz-skills/bugs/`,当前任务不中断,只有用户明确要求才公开上报,禁止直接修改用户已安装的 Skill 源码。 <!-- End of canonical common constraints. --> <!-- END COMMON CONSTRAINTS -->
Comments (0)
Sign in to join the conversation.
Reviews (0)
No reviews yet.
No comments yet.