prompt-optimizer

prompt-optimizer 技能總覽

prompt-optimizer 是做什麼的

prompt-optimizer 技能會把一個粗糙的 prompt 轉成更強、可直接貼上使用的版本。它的設計重點是 prompt 審查、缺口找出與重寫，而不是直接執行原本的任務。如果你想為 Claude Code 或其他 AI 工作流程整理出更清楚的提問，prompt-optimizer 技能可以幫你先把意圖、限制條件與輸出格式梳理好，再開始執行任務。

誰最適合用

如果你已經知道自己要什麼，但 prompt 寫得模糊、不完整，或很容易被 AI 誤解，就適合用 prompt-optimizer。它特別適合用來寫程式任務、代理人工作流程或結構化輸出的 prompts，因為少了關鍵細節很容易導致結果變差。若你只是想讓模型立刻把工作做完，這個技能就沒那麼適合。

主要差異

prompt-optimizer 的核心價值在於它專注於 prompt 品質，而不是任務完成本身。它會檢查需求是否夠具體、標出缺少的上下文，並把提問對齊 ECC 生態系中的 skills、commands、agents 和 hooks 等元件。對重視下游執行品質、而不是只想換句話說的人來說，這是一份實用的 prompt-optimizer 指南。

如何使用 prompt-optimizer 技能

先用對安裝情境

在進行 prompt-optimizer install 時，先從儲存庫路徑 skills/prompt-optimizer 把這個技能加入 Claude Code 的 skill set。這個 repo 沒有另外提供額外腳本或支援資料夾，所以技能本身就是主要的行為來源。建議先閱讀 SKILL.md，並把 frontmatter 和 trigger rules 當成這個技能何時應該啟動的合約。

提供草稿、目標與限制

最好的 prompt-optimizer usage 會同時提供一段粗略的 prompt 與真正想達成的結果。請包含任務、受眾、必要輸出格式、限制條件，以及任何不能做的規則。較弱的輸入像是：「把這個 prompt 改好一點。」更強的輸入則像是：「請把這段 prompt 改寫成適用於 Claude Code 的版本，輸出精簡的 Python 重構計畫、保留既有行為，只有在 API contract 不清楚時才提出澄清問題。」第二種寫法才有足夠素材讓技能真正優化。

先讀 SKILL.md

由於這個 repository 刻意保持精簡，最快的方法是先讀 SKILL.md，再看 trigger 區段、When to Use、Do Not Use When 與分析流程。這些內容會告訴你什麼才算有效的 prompt-optimization request，以及這個技能應該在哪些情況下拒絕協助。如果你要把這個技能改作自己的環境使用，請沿用這些邊界，不要把它改成通用的 prompt 改寫器。

採用兩段式工作流程

第一輪：提交草稿 prompt，請它先做評析，再給一版重寫。第二輪：把模型漏掉的部分補回來，例如範圍不足、輸出長度、格式，或工具限制。這個迴圈是用 prompt-optimizer for Prompt Writing 提升 prompt 精準度最穩定的方法，尤其當第一版本來就含糊或資訊過量時更有用。

prompt-optimizer 技能 FAQ

prompt-optimizer 是用來執行還是重寫？

它是用來重寫的。prompt-optimizer 技能會分析需求並改善 prompt，但如果你是想讓模型直接把任務做完，就不該用它。若你的目標是「直接做就好」，這個技能就不對題。

它和一般的 prompt 編修有什麼不同？

一般的 prompt 編修通常只是在文字上修飾得更順。prompt-optimizer 則更有結構：它會找出缺失的意圖、不清楚的範圍，以及應該呼叫的正確 ECC 元件。當你需要的是可供 AI 直接使用的 prompt，而不只是更好看的句子時，它就更有價值。

什麼情況下不該用 prompt-optimizer？

不要把它用在程式重構、效能調校，或任何「optimize」其實是指改善軟體本身的需求上。這個技能的 trigger rules 已明確排除這些案例。若你已經有一個精準、完整，而且不需要修訂的 prompt，它也不是好的選擇。

對新手友善嗎？

是，只要你能貼上一段草稿，並說明你預期的結果。你不需要很深的 ECC 知識也能從 prompt-optimizer 得到幫助；這個技能的目的，就是把這種結構浮現給你看。只要你能提供一點點任務背景與想要的輸出，它通常就能運作得很好。

如何改進 prompt-optimizer 技能

提供更好的輸入，不只是更多輸入

品質提升最大的來源，往往是更清楚的原始 prompt。請包含任務類型、目標模型或環境、受眾、輸出結構與硬性限制。舉例來說，「寫一份一頁式計畫，包含條列與風險」就比「把它改好」更有幫助，因為它能讓 prompt-optimizer 保留具體內容。

明確說出你想避免的失敗模式

如果 prompt 一直產生錯誤答案，請直接說明原因。常見的失敗模式包括：太冗長、漏掉邊界情況、誤判工具前提，或跳過澄清問題。把失敗模式講清楚，能幫 prompt-optimizer 對症重寫，而不是只做表面潤飾。

要求「重寫後的 prompt」加上簡短理由

最有用的輸出，通常是一版修訂過的 prompt，再加上一小段說明它改了什麼。這樣你在貼到下一輪執行前，就能判斷重寫是否真的改善了範圍、結構或限制條件。如果最佳化後的版本還是不理想，就一次只補一個缺漏，逐步迭代。

讓技能保持在 trigger rules 的範圍內

當需求真的屬於 prompt 設計時，prompt-optimizer 技能就能有效提升結果。如果你把 prompt 協助和直接任務執行混在一起，請拆成兩個步驟。這樣可以讓技能保持聚焦，也讓最後產出的 prompt 更容易被 agent 正確遵循。