AI Agent提示词分析器

写提示词时的两个真实痛点

很多人在和 AI Agent 协作时会遇到这样的情况：明明写了一大段提示词，AI 却总答非所问；或者不同人写的提示词风格完全不同，质量参差不齐。更麻烦的是，当你想让 AI 帮忙优化提示词时，它往往只会笼统地说「可以更清晰」，却不告诉你具体缺了什么、该怎么改。

问题出在两点：一是缺少结构化视角，提示词里的角色、任务、约束等要素常常混在一起，AI 难以稳定理解；二是缺少量化标准，优化建议往往凭感觉，无法复用和迭代。

从输入到拆解、评分、优化、模板

AI Agent 提示词分析器的核心思路是：把一段提示词当作可分析的工程对象，而不是一段自然语言文本。它的工作流程分为四个关键环节：

• 结构解析：输入 prompt 文本，通过关键词匹配和语义模式识别，拆解出角色、任务、约束、示例、格式五大模块，并输出结构化结果和统计信息。
• 多维度评分：从清晰度、完整性、一致性、可执行性、鲁棒性五个维度打分，每维 0-20 分，总分 100。评分标准不是模糊的「还行」或「不错」，而是有明确的分档说明，比如完整性维度会检查是否包含五要素，鲁棒性维度会看是否有边界条件和异常处理。
• 一键优化：根据评分短板，逐项补充缺失模块、消除歧义、增强约束，输出优化后的完整提示词，并给出每项改动的理由和前后对比，方便你理解修改逻辑。
• 模板生成：按对话、分析、创作、编程、Agent 等场景生成标准提示词模板，你只要填入角色和任务，就能得到完整可用的结构，适合快速启动新任务。

适用边界与注意点

这个工具适合给已经有提示词、但需要系统诊断和改进的人使用。它基于关键词匹配和语义模式识别，能处理常见的结构化提示词，但对于非常特殊、领域知识密集的文本，拆解结果可能需要人工复核。

另外，五维评分反映的是结构完整度和语言精确度，不能完全替代实际任务中的效果验证。优化后的提示词仍然需要在实际对话中测试，只是它给了你一个可操作的起点，而不是凭空猜测。