跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
开发与测试

better-prompt

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)。

Bensz Conan · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add huangwb8/skills --skill better-prompt

技能说明


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 Programprompt_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/5x/5...
完整性x/5x/5...
结构化x/5x/5...
示例性x/5x/5...
约束性x/5x/5...
总分xx/25xx/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
阅读完整来源 ↗