Claude Skill

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。

LLM Mart · 0 points · 21 views 67 listing impressions 0 install-command copies

#prompt-engineering

Download huangwb8-skills-skills_alpha_better-prompt-dd1fab8.zip · 21 KB

Install

skills CLI npx skills add https://github.com/huangwb8/skills/tree/main/skills/alpha/better-prompt
Claude Code claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install huangwb8-skills@llmmart
Git 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:
    • 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 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):

  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。

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:

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.

No comments yet.

Reviews (0)

No reviews yet.