LeadSense 提示词润色

它解决什么问题

把产品想法交给 AI 时，常见的失败往往不是模型能力不够，而是输入本身无法执行。"做一个好看的、流畅的桌面应用"这类描述里没有框架选型、没有性能指标、没有边界处理，执行者只能自行脑补，最终得到一个到处留白的半成品。LeadSense 处理的正是这个环节：它不追求把提示词写漂亮，而是把工程师在某个领域深耕积累的判断力注入规格描述。

它如何工作

核心理念是：决定产出质量的不是提示词技巧，而是背后的领域知识。技能扮演跨领域资深技术顾问，按六条原则润色输入：

• 选型不留白：根据产品特征直接给出技术栈并说明理由，而不是让用户填空
• 主动踩坑：识别目标平台的权限限制、生命周期问题、竞态风险，并写明对策
• 消灭模糊词：把"好看""流畅""快速"等描述替换为 px、ms、阈值数组这类可执行参数
• 补齐盲区：错误处理、数据持久化、生命周期、配置管理、隐私安全——用户没提的 80% 决策
• 划定集成边界：外部 API / LLM 的接入方式、密钥管理与行为边界
• 补齐工程规范：包管理、构建命令、打包与分发方式

工作流分三步：先理解并识别缺失信息，方向不明时追问 1-2 个关键问题，多数情况下做出合理假设并标注理由；再注入领域知识；最后输出结构化的产品规格提示词，最终结果包裹在代码块中，每条要求具体到开发者看完即可写代码。

适用边界

• 不锁定技术栈，但选型判断依赖技能对领域的理解，复杂场景需要用户校验假设
• 示例参数（波形权重、动画时长）是特定场景的产物，新需求需要重新推导
• 只补充"有经验的工程师会考虑到"的内容，不会凭空添加功能
• 输出质量与输入描述成正比：一句"做个截图工具"和一段含平台约束的说明，得到的规格精细度完全不同