提示词大师 CLI
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_5d00e27d/majia-system-prompt-cli。
技能介绍
问题
很多工程场景里,用户知道结果,但不会表达成 LLM 可执行指令:提示词太泛、缺少目标约束、任务类型判断不清,导致反复改 prompt。majia-system-prompt-cli 面向本地 CLI 使用,把“模糊想法”整理成可执行提示词流程,而不是直接替代模型。
工作方式
它先做安全与意图判断,再按任务路由到不同处理模式:
- M1 调研:首次领域、需求模糊时先问清目标、对象、约束
- M2/M3:模板套用或创意发散
- M4:基于素材、数据做分析还原
- M5:多步骤、跨领域任务拆解
执行时会加载 rules/ 下的安全、调研、输出和进化规则,并在输出前做置信度自检。轻量级缓存会记录稳定偏好,减少重复澄清。
适用边界
它适合提示词梳理、任务拆解、输出格式约束,不适合作为唯一合规判断。涉及法律、医疗、安全、版权等场景仍需人工复核;模型质量也取决于 config.yaml 中接入的 provider 和 model。
使用场景
- 在终端里把“帮我写个营销方案”扩成包含目标、受众、渠道、交付物的生成提示词。
- 在本地调试多个模型时,用 `config.yaml` 切换 DeepSeek 与 Claude,比较同一分析任务输出差异。
- 面向用户反馈文本做 M4 分析还原,先归纳问题类别,再输出可执行的改进建议。
- 在首次提出陌生领域任务时触发 M1 调研,确认目标、约束和验收标准后再进入生成。
适合人员
- 需要把模糊需求整理成可执行提示词的 AI 应用开发者:少改 prompt、多跑通任务。
- 在本地终端调试多模型输出的提示词工程师:比较同一任务的模型差异与约束遵循。
- 要沉淀个人表达偏好的独立研究者:减少重复说明目标、格式和交付标准。
- 构建 CLI 工作流的自动化工程师:把生成、分析、规划拆成可路由步骤。