Better Prompt - Prompt 优化器

与 bensz-collect-bugs 的协作约定

• 因本 skill 设计缺陷导致的 bug，先用 bensz-collect-bugs 规范记录到 ~/.bensz-skills/bugs/，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。
• 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地 gh 上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个仓库。

将简陋的 prompt 优化为符合社区最佳实践的高质量版本。

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

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）。

优化框架

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。

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

Step 1: 分析原始 prompt

识别 prompt 的：

• 核心任务：用户想让 AI 做什么？
• 缺失要素：哪些关键信息缺失？
• 改进空间：哪些地方可以优化？

Step 2: 确定模型类型适配

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: 应用优化模板

以下是优化后 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

Step 4: 输出优化结果

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

输出格式

## 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]

优化效果评估

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

质量标准

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

特殊场景处理

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