Agent Skills
返回列表
Prompt 补全大师

Prompt 补全大师

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_047db929/prompt-master-new。

技能介绍

问题:一句话 prompt 往往跑不稳

工程师常把需求写成「帮我写个产品介绍」或「csv 转 json」——目标隐约存在,但角色、输出契约、边界与禁止项缺失,模型容易补脑、格式漂移,或在生产里无法验收。更麻烦的是补 prompt 时若不看会话与项目上下文,会把场景填错。

工作方式:Context 感知 + 40 槽口 + 缺口诊断

本技能把用户给出的半成品 prompt 补成结构完整、约束清晰、可直接复用的版本。核心机制包括:

  • Context 感知:先读显式输入(原文、引用、场景说明),再推断隐式线索(近几轮话题、USER.md 偏好、与主题相关的 memory、任务动词类型),补全末尾用 > 📎 Context 来源 标注引用来源。
  • 40 槽口 Schema(16 维度):从 Role / Objective / NorthStar 到 InputContract、OutputSchema、Prohibitions、BannedWords、Fallback、SafetyGuard 等,缺省按文档策略填充或标 [需用户确认],禁止留空。
  • 缺口诊断与风险分级:🔴 高危必须补全或确认;🟡 中危缺省填充并斜体标注;🟢 低危可静默缺省。
  • 四种模式:默认单轮补全;缺口多或高危多时多轮追问(每轮最多 3 槽);过长 prompt 的反向瘦身;指定场景时套用模板(见 references/templates.md)。
  • 一针见雪:槽口填充追问到可验证原子层(例如用具体攻击面+缓解措施替代「注意安全」),并做反向验证——删了不影响结果的就当凑字数删掉。

补全结果按 16 节 Markdown 结构输出,并与 6-Scheme 蓝图对齐,额外覆盖质量保障、认知思维、商业成本、工程集成与 Metadata 等维度。

适用边界

  • 不篡改原意:只填缺口,不重写用户目标;已足够清晰(约 35+ 槽已填)时仅补缺。
  • 敏感领域(医疗、法律、金融)会自动加严 Prohibitions、Regulatory、Ethics。
  • 不存储密钥/token;推断内容需用户复核;BannedWords 默认启用,除非用户明确放宽。

使用场景

  • 上线前业务方只给一句话目标,需补全 Role、OutputSchema、InputEdgeCase 与 Fallback 后再接入 API 或机器人。
  • 手里有一段重复堆砌的 system prompt,需按 40 槽做反向瘦身并列出删除了哪些无效约束。
  • 草稿缺口超过 15 或缺少 Regulatory/Ethics,需多轮每轮最多确认 3 个高危槽口再发布。
  • 明确是客服对话、代码评审或数据分析等场景,套用模板后只填差异化输入输出与领域规则。

适合人员

  • 负责 LLM 功能上线的后端工程师,要把「csv 转 json」类模糊句扩成带 InputContract 与 Steps 的可验收指令。
  • 维护 Agent/Copilot 技能 Markdown 的编辑,原文缺约束时需对齐 16 维度 40 槽且标注 Context 来源。
  • 金融或医疗产品的 prompt 负责人,需在保留原目标下自动加严 Prohibitions、Regulatory 与 SafetyGuard。
  • 只有营销句式的半成品 prompt(如「写产品介绍」),需补 Objective、NorthStar、Length 与 BannedWords 再交给模型批量生成。