prompt-optimizer

prompt-optimizer 技能概览

prompt-optimizer 的作用

prompt-optimizer 技能会把一个粗糙的提示词打磨成更强、可以直接复制粘贴的版本。它面向的是提示词审查、缺口排查和改写工作，不是用来直接执行底层任务的。如果你需要为 Claude Code 或其他 AI 工作流整理出一个更清晰的请求，prompt-optimizer 技能可以帮你在真正运行任务前先理顺意图、约束和输出格式。

适合哪些人

如果你已经知道自己想要什么，但提示词写得含糊、不完整，或者很容易被 AI 误读，那么就适合用 prompt-optimizer。它尤其适合给代码任务、agent 工作流、结构化输出编写提示词的人，因为这些场景里，细节一缺失就容易出错。当你想让模型直接把事情做完时，它就没那么合适了。

核心差异点

prompt-optimizer 的关键价值在于，它关注的是提示词质量，而不是任务完成本身。它会检查请求是否足够具体，标出缺失的上下文，并把请求对齐到 ECC 生态中的 skills、commands、agents 和 hooks 等组件。对那些更在意下游执行质量，而不是泛泛改写的人来说，这让它成为一个很实用的 prompt-optimizer 指南。

如何使用 prompt-optimizer 技能

从正确的安装上下文开始

如果你要进行 prompt-optimizer install，请把这个 skill 从仓库路径 skills/prompt-optimizer 加入 Claude Code 的 skill 集合。这个仓库没有额外的脚本或支持目录，所以 skill 本身就是行为的主要来源。先阅读 SKILL.md，并把 frontmatter 和 trigger rules 当作这个 skill 何时应被激活的约定。

提供草稿、目标和约束

最好的 prompt-optimizer usage，是先给出一个粗略提示词，再说明真实目标。请包含任务、受众、所需输出格式、约束，以及任何“不要做什么”的规则。弱输入像是：“把这个提示词改好。” 更强的输入则像是：“把这个提示词改写给 Claude Code，让它输出一份简洁的 Python 重构计划，保留现有行为，并且只有在 API contract 不清楚时才提出澄清问题。” 第二种写法给了 skill 可以真正优化的材料。

先读 SKILL.md

由于这个仓库刻意保持精简，最快的路径就是先读 SKILL.md，再查看 trigger 部分、When to Use、Do Not Use When 和分析工作流。这些内容会告诉你什么才算有效的 prompt-optimization 请求，以及 skill 应该在哪些情况下拒绝帮忙。如果你要把这个 skill 改造成自己的环境，也应该保留这些边界，而不是把它变成一个通用提示词改写器。

采用两轮工作流

第一轮：提交草稿提示词，并要求给出评审意见和重写版本。第二轮：把模型遗漏的内容反馈回去，比如作用范围缺失、输出长度、格式或工具约束。这个循环是用 prompt-optimizer for Prompt Writing 提升提示词精度最稳妥的方式，尤其适合第一版本身就含糊不清或信息过载的时候。

prompt-optimizer 技能 FAQ

prompt-optimizer 是用于执行还是改写？

它是用于改写的。prompt-optimizer 技能会分析请求并优化提示词，但当你希望模型直接执行任务时，不应该用它。如果你的目标是“直接做”，那这个 skill 就不匹配。

它和普通的提示词编辑有什么不同？

普通的提示词编辑通常只是润色措辞。prompt-optimizer 更结构化：它会寻找缺失的意图、模糊的作用范围，以及应该调用的正确 ECC 组件。这样一来，在你需要的不是更好看的句子，而是能直接给 AI 用的提示词时，它就更有价值。

什么时候不该用 prompt-optimizer？

不要把它用于代码重构、性能调优，或者任何“optimize”意思是改进软件本身的请求。这个 skill 的 trigger rules 明确排除了这些场景。如果你已经有了一个准确、完整的提示词，也不需要再修改，它同样不适合。

对新手友好吗？

友好。只要你能粘贴一段草稿，并说明你期望的结果，就可以开始用。你不需要很深的 ECC 知识也能从 prompt-optimizer 中受益；这个 skill 的目的就是帮你把这些结构显现出来。只要你能提供一点点关于任务和期望输出的上下文，它就能更好地工作。

如何改进 prompt-optimizer 技能

提供更好的输入，而不只是更多输入

质量提升最大的来源，是更清晰的源提示词。请补充任务类型、目标模型或环境、受众、输出结构和硬性约束。例如，“写一份一页纸的计划，使用项目符号并列出风险”就比“把这个改好”更有用，因为它给了 prompt-optimizer 可以具体保留的内容。

明确你想避免的失败模式

如果这个提示词总是产生错误答案，请直接说明原因。常见的失败模式包括：废话太多、缺少边缘情况、对工具的假设错误，或者跳过澄清问题。把失败模式点出来，能帮助 prompt-optimizer 围绕真实问题重写，而不是只做语言层面的修饰。

要求返回改写后的提示词，并附上理由

最有用的输出通常是两部分：一版改写后的提示词，以及一段简短说明，解释改动了什么。这样你在把它放进下一次运行前，就能判断这次重写是否真的改善了作用范围、结构或约束。如果优化版还是不对，就一次只收紧一个缺失点，继续迭代。

让 skill 始终与 trigger rules 保持一致

当请求确实是在做提示词设计时，prompt-optimizer 技能才能把结果提升上来。如果你把提示词帮助和直接任务执行混在一起，最好拆成两个步骤。这样能让 skill 保持聚焦，也让最终提示词更容易被 agent 正确执行。