技能介绍

解决什么问题

大模型常用提示词往往依赖个人经验和平台习惯：同一任务在 ChatGPT、Claude、Gemini、Kimi 或豆包中可能需要重写，手工写提示词既要描述目标、约束、输出格式，又要反复调整措辞。这个技能把“会写提示词”这件事从用户侧移到模型侧，让用户只输入自然语言需求，由模型生成结构化 I-Lang 指令。

技能如何工作

它不执行命令、不访问文件、不调用外部服务，核心能力是生成可复制的标准化提示词。典型流程是：先用自然语言说明任务，例如“把长文总结为 5 条专业要点”或“比较两个商业策略并给出推荐”；模型返回带角色、目标、约束和输出格式的 I-Lang 指令；再把这段指令粘贴到目标模型中执行，或保存为个人指令库。资料中示例包括周报、代码评审、邮件草稿、会议纪要和翻译等任务，强调跨平台复用、40-65% token 节省，以及比自然语言描述更精确的结构化表达。

适用边界

适合需要跨模型交接、重复任务模板化、或希望减少手工提示词调参的场景。它不适合作为自动执行器：不会直接完成任务，也不会调用工具或写入文件。生成结果仍依赖目标模型能力，敏感任务应人工检查后再使用。若追求确定性的业务规则、数据权限或复杂工具编排，应结合具体 Agent 框架与权限控制，而不是只依赖提示词模板。