全能提示词框架

问题：模糊需求与反复调试

很多人在和 AI 对话时会遇到同样的困境：输入一句“帮我写个营销文案”，得到的回复要么泛泛而谈，要么风格和受众都不对。反复补充要求、重新生成，效率很低。根源往往不是模型能力不够，而是提示词本身缺少结构化的约束——没有明确角色、没有说明任务背后的“为什么”、没有给输出格式定边界。

工作原理：从需求到结构化提示词

这个技能的角色是AI 提示词工程助理，内置 14 个提示词工程框架，存放在 reference/frameworks.md 中。收到用户简单需求后，它会严格走完四步：

1. 分析需求：识别任务类型、目标受众、期望风格、背景信息。
2. 选择框架：对照框架速查表选出一个最匹配的框架，并在回答中明确说明选型理由。
3. 生成提示词：读取该框架完整的 components 结构，把分析出的信息和专家判断填充进去，组合成可直接使用的完整提示词。
4. 交付成果：先展示框架及理由，再在代码块中给出最终提示词，最后询问是否需要直接执行任务。

框架速查表覆盖了从入门级到复杂推理的多种场景，例如：

• RTF：角色、任务、格式，适合简单明确的任务。
• CO-STAR：上下文、目标、风格、语调、受众、响应格式，适合重风格与受众的内容创作。
• TRACE：任务、请求、行动、上下文、示例，适合复杂多步骤推理。

适用边界与注意点

• 补全假设而非留空：信息不足时，技能会根据专业判断主动补全，例如为营销文案设定具体受众和语调。你需要在交付后确认这些假设是否符合真实需求。
• 按需加载细节：框架速查表只用于快速选型，组件细节从 reference/frameworks.md 读取，避免凭记忆臆造结构。
• 不是万能模板：14 个框架覆盖了常见场景，但如果你的任务非常特殊，可能需要微调 components 或自行扩展。