Prompt Optimizer 是一个用于评估、优化和增强提示词（Prompt）的技能，其核心目标是提升提示词质量，并提供有针对性的改进建议和优化后的提示版本。该技能基于 58 种经过验证的提示技术，通过多个质量维度对提示进行系统分析，并应用有依据的优化模式。
用途
该技能适用于以下场景：用户明确要求“优化”“改进”或“评估”某个提示词；用户询问提示词是否“好”或“清晰”；用户希望“修复”或“增强”效果不佳的提示词；用户需要提示词的“更好版本”；用户询问提示工程（prompt engineering）技术或最佳实践；用户想分析为什么某个提示词产生较差结果。
主要能力
- 评估提示词质量：围绕清晰度、具体性、结构、完整性、语气和约束六个维度进行评分（Poor/Fair/Good/Excellent），并识别优势、弱点和具体改进机会。
- 匹配提示技术：加载 references/prompt-techniques.md，根据识别出的弱点匹配适用技术。例如“Be creative”可匹配角色扮演或创意人设，“Write an essay”可匹配思维链或分步法，“Summarize this”可匹配带示例的少样本学习。
- 生成优化方案：按优先级列出高影响改进、可选的增强项，以及针对特定用例的技术组合建议。
- 生成优化后的提示词：在保留原始意图和需求的前提下，补充结构和清晰度，嵌入示例、约束或指导。
- 提供脚本自动化：
python3 scripts/evaluate.py "Your prompt here"用于质量评估，返回维度分数、总体评级、详细弱点分析和建议改进方向；python3 scripts/optimize.py "Your prompt here" --techniques "few-shot,coT"用于自动生成优化版本、技术说明和与原始提示的对比。脚本适用于自动化或需要确定性结果的场景；复杂优化任务建议使用手动工作流。
使用方式
手动工作流包含五个步骤：
- 分析当前提示：阅读并理解用户想要达成的目标。
- 评估质量：从清晰度、具体性、结构、完整性等维度评估。
- 加载相关技术：阅读 references/prompt-techniques.md 查找适用方法。
- 生成建议：结合评估结果和技术提出改进。
- 创建优化版本：应用所选技术生成增强后的提示。
评估工作流同样分步进行：先加载质量框架 references/quality-framework.md，再对每个维度识别优势、弱点、评级和改进机会，随后匹配技术、生成优化计划，最后生成优化提示。
常见优化模式
- 歧义请求 → 结构化拆解：增加明确任务定义、拆分为编号子任务、指定输出格式、补充完成标准。
- 通用任务 → 技术增强：应用相关技术、加入少样本示例或思维链推理步骤、加入角色或人设指导、指定评估标准。
- 缺少上下文 → 场景框定：加入用户意图/目标、目标受众、成功指标、相关约束或边界。
- 弱指令 → 可操作步骤：将抽象概念转为具体行动、加入分步指令、质量检查点、预期输出格式。
参考文件
- references/prompt-techniques.md：58 种提示技术完整目录，包括推理技术（CoT、Tree of Thoughts、分解）、上下文技术（Few-shot、Self-Consistency、Reflection）、创意技术（Role-play、Scenario、Persona）、结构技术（Template、Framework、Checklists）以及 50 多种其他技术的使用示例。
- references/quality-framework.md：详细评估框架，包含各维度标准与评分规则、评分指南、常见反模式、不同提示类型的质量基准。
- references/optimization-patterns.md：经过验证的优化模式集合，包含模式到技术的映射、前后对比示例、技术组合指南、特定用例模板。
最佳实践
保留用户意图，只改变提问方式而非目标；逐步添加，一次应用一种技术并评估影响；迭代测试，优化后测试提示并按需继续改进；记录选择，解释应用了哪些技术及原因；提供选项，适当情况下给出多个优化版本。
限制
资料未提供该技能的收费、价格、平台依赖或效果保证等信息，暂未提供。