Agent Skills
返回列表
AI 提示词结构工坊

AI 提示词结构工坊

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装规范名 @user_fccf428b/prompt-builder。

技能介绍

要解决的问题

写 .prompt.md 的人大多经历过这种循环:想到一条指令就往文件里塞一段,跑起来才发现 Copilot 不知道该扮演谁、该读哪个 ${file}、输出要不要落成新文件。结果提示词越改越长,行为却越来越不稳定——同一文件在不同任务下生成结构各异的回复,出了问题也很难定位是哪一段约束失效。

简诗 AI 的 Prompt Builder 针对的就是这类「 prompt 结构失控」问题。它不预设一套万能模板,而是先通过 9 组定向提问,把一个 prompt 的身份、行为和约束收集完整,再一次性生成可维护的 .prompt.md。

核心能力与工作方式

技能采用分阶段引导,而不是一次性吞掉需求:

  • 身份与用途:明确文件名、一句话功能描述,以及 prompt 落在 code generation、analysis、documentation 等哪个分类里。
  • Persona 定义:把角色拆解为技术深度、领域知识和经验背书,例如「10 年以上 .NET 架构经验、精通 C# 12 与 clean architecture」。
  • 任务与约束:区分主任务、可选子任务、用户输入和必须遵守的规则,避免指令互相打架。
  • 上下文与变量:逐项确认是否使用 ${selection}、${file}、${input:variableName}、${workspaceFolder} 等上下文。
  • 详细指令:定义 Copilot 应遵循的步骤、编码标准、是否引用 .instructions.md 以及需要规避的反模式。
  • 工具配置:从 codebase、editFiles、runCommands、runTests、fetch、playwright、vscodeAPI 等工具中挑选必要项,而不是全量开启。
  • 技术模式:确定 agent、ask、edit 运行模式,以及是否有模型或特殊限制要求。

收集完成后,技能会参照仓库中已有优质 prompt 的模式——如架构蓝图、结构化规格、dotnet 最佳实践、Playwright 测试生成——输出一份结构清晰的完整文件。优化重点包括 token 效率、章节可维护性、指令可扩展性,以及边缘场景下的故障恢复路径。

适用边界与注意点

这套方法最适合结构复杂、职责明确的 Copilot prompt 场景;如果只是一句「帮我生成 React 组件」,走一遍 9 问反而成本偏高,直接手写更快。

它还强调两方面的自我约束:一是 prompt 质量依赖你在 persona、任务、变量上的回答质量,输入含糊时输出也会含糊;二是给出的模板偏 GitHub Copilot 生态,如果你换到其他编辑器或自定义 agent 流程,需要核对上下文变量语法和工具名是否一致。最后记得跑一次小规模验证,确认输出格式在真实任务里能稳定复现,再纳入团队仓库。

使用场景

  • 为后端团队的 .NET 微服务项目编写 architecture-blueprint prompt,明确 persona、上下文变量与输出结构,让 Copilot 生成分层架构图与接口规格
  • 在 VS Code 中为 React 组件库创建 generate-component prompt,通过 ${selection} 传入模板代码,约束 Copilot 按团队设计系统生成可复用组件
  • 为 API 文档仓库设计 documentation prompt,要求 Copilot 根据 ${file} 中的路由定义输出 OpenAPI 规范,并附上错误码说明与调用示例
  • 搭建 prompt 仓库的维护流程,用 9 步问题逐项审查新增 prompt 是否覆盖 persona、工具需求与验证标准,避免结构失衡

适合人员

  • 需要为团队代码库标准化 Copilot prompt 的资深工程师,希望每次生成代码或文档时行为一致
  • 在 VS Code 中维护自定义 prompt 仓库的开发者,想让新人提交的 prompt 也能覆盖变量、工具与验证要求
  • 为内部工具编写 prompt 的技术负责人,需要把编码标准、错误处理与输出格式固化到 .prompt.md 中
  • 正在将 Copilot 接入 CI 流水线的 DevOps 工程师,希望 prompt 在 agent 模式下可稳定执行并自动验证