提示词优化器

你遇到的可能不是模型问题

把同一段话发给几个不同的大模型，得到的结果参差不齐；改了几个词，输出就完全变样。这类问题通常不是模型能力不行，而是提示词本身缺少必要的结构约束——没有明确角色、没有背景、没有格式要求，模型只能按最常见的默认行为去猜测你的意图。

它如何工作

@kunlungrowth/cn-prompt-optimizer 的核心思路是把一段模糊的自然语言需求，重写成结构固定的提示词模板。它采用 五段式结构：

• 角色：明确 AI 的身份和专业背景
• 背景/上下文：交代任务所处的具体场景
• 任务：用动词说清楚要做什么
• 约束：限定格式、长度、语气和禁区
• 输出格式：指定表格、JSON、分点等具体形态

工作流分为四步：先采集你的目标、受众、格式偏好和是否有示例；再用五段式重构；输出可直接复制的完整 Prompt 并解释每处改动的作用；最后询问是否需要补充示例或限定风格。遇到需求太虚的情况，它会先提问补全关键要素；多任务混杂时则拆分为多个子 Prompt。

适用边界与注意点

这个技能本质上是一个 提示词模板引擎，不改变模型本身的能力上限。它的价值在于降低试错成本，让输出更稳定可预测，但不能替代对任务本身的清晰思考。

几个需要注意的点：

• 信息输入质量决定输出质量——你提供的背景和示例越具体，重构后的 Prompt 越精准
• 中英文都支持，但应根据你使用的模型选择最合适的语言
• 复杂任务可能需要多次迭代才能达到理想状态
• 它解决的是“如何问”的问题，不负责回答“问什么”——业务逻辑仍需你自己梳理

如果你经常需要反复调整提示词才能得到满意结果，或者团队里不同人写的 Prompt 风格差异很大，这个技能可以帮你建立一个相对统一的编写规范。