Prompt镀金神器

它解决什么问题

日常使用大模型时，很多人会遇到同样的情况：输入一句「帮我写点东西」，模型给出的结果要么空泛，要么完全偏离预期。问题往往不出在模型能力，而出在 prompt 写得太糙。缺少任务背景、没有角色设定、输出格式不明确，这些模糊之处都会被模型按自己的方式补全，结果自然不稳定。

这个技能如何工作

可以把这个技能理解成一个 prompt 审校流程，核心思路分三步走：

1. 拆解任务：先弄清楚用户到底想要什么，包括目标、受众、语气和篇幅这类约束，把一句话需求还原成完整的任务描述。
2. 补齐要素：在 prompt 中补上必要的上下文，例如 角色定义、输出格式（如 JSON 或表格）、示例样例 和边界条件。
3. 重写润色：基于前面的分析，产出一份结构清晰、要素齐全的 prompt 供直接复用。

整个过程的输入是原始 prompt，输出是打磨后的版本，方便在不同会话之间复用同一套表达方式。

适用边界

• 它处理的是 表达层 的问题。如果你的任务本身就含糊，先想清楚要解决什么，再让它协助组织语言。
• 即使 prompt 打磨到位，也无法突破底座模型在推理、知识面上的上限。
• 涉及专业领域的术语和判断时，仍需要人工核对结果是否准确。