quality-enriched-prompting
Quality-Enriched Prompting 是一个基于 [0,1]-enriched category([0,1]-富化范畴)理论实现提示词质量优化的技能。它把提示词、响应和上下文视为范畴中的对象,把对象之间的转换质量视为取值在 [0,1] 区间的 Hom-object,并通过乘法或最小值进行组合,从而对提示词质量进行连续、可量化的建模与优化。该技能提供 EnrichedHom、QualityVector、EnrichedPromptCategory、QualityOptimizer、QualityFunctor 等核心结构,支持多维度质量评估(清晰度、具体性、完整性、连贯性、相关性)、路径质量组合、最佳路径搜索、基于梯度的迭代优化以及 Pareto 前沿提取。它还可结合 LLM 进行质量评估与改进,适用于构建质量感知的提示词系统、提示词自动优化流程以及需要可解释质量度量的 AI 应用。