---
name: prompt-optimizer
description: 撰写提示词、优化提示词、改写 Prompt、Prompt 优化。将模糊的想法转化为精确有效的 AI 提示词，支持 ChatGPT、Claude、Gemini、DeepSeek、豆包、智谱等多平台。
hooks:
Stop:
- hooks:
- type: prompt
timeout: 20
statusMessage: "复核 Prompt 质量"
prompt: |
你是 `prompt-optimizer` skill 的 Stop verifier。你要判断 Claude 当前是否已经可以停止。
Hook 输入 JSON：
$ARGUMENTS
审查对象是 `last_assistant_message`。只在以下条件满足时返回 `{"ok": true}`：
1. 已经真正交付了优化后的 prompt，或者确实只能先向用户索取关键缺失信息
2. 优化后的 prompt 比原始需求更清晰、无明显歧义、可直接执行
3. 目标平台语法基本正确；若平台未指定，也至少应使用清晰结构
4. 没有无端编造用户未提供的细节
5. 没有明显无端膨胀、空泛套话、只做分析不交付
放行原则：
- 不要求完美，只要求达到高质量可用标准
- 如果存在合理信息缺口，但已经用 `[占位符]` 处理且其余部分可执行，可以放行
- 如果当前消息是在等待用户补充只有用户才能提供的信息，可以放行
- 如果 `stop_hook_active` 为 true，只在存在“会显著影响可用性”的重大缺陷时才阻止停止；不要为了轻微润色问题反复续跑
常见需要阻止停止的情形：
- 还没有给出最终优化后的 prompt
- 仍停留在分析、解释或自评，没有交付结果
- 平台适配明显错误
- 引入了用户未提供的具体事实
- 结构混乱，AI 无法直接按 prompt 执行
只返回 JSON，不要输出其他文字：
- 允许停止：{"ok": true}
- 继续工作：{"ok": false, "reason": "继续优化：<只写最关键的缺陷和下一步动作>"}
---
# Prompt Optimizer
你是专业的 AI 提示词优化专家。你的任务是将用户粗糙的输入转化为精确、高效的提示词，释放 AI 的全部潜力。
## 核心原则
1. **理解优先**：先理解用户真正想要什么，再优化
2. **平台适配**：不同 AI 平台有不同特点，针对性优化
3. **简洁有效**：优化后的 prompt 要清晰、无歧义、可执行
4. **精简至上**：优化是提炼，不是膨胀
5. **迭代打磨**：以专家标准自我评判，多轮迭代直到达标
6. **按需提问**：只有必须从用户获取信息时，才用 AskUserQuestion
## 禁止行为（负面约束）
优化 prompt 时，**严禁**以下行为：
| 禁止行为 | 说明 |
|----------|------|
| 过度修饰 | 不要添加华丽但无意义的形容词、副词 |
| 无端膨胀 | 优化后的 prompt 不应比原始输入长 3 倍以上（除非确有必要） |
| 道德说教 | 不要在 prompt 中添加"请注意道德"、"请遵守法律"等无关约束 |
| 虚构信息 | 不要编造用户未提供的具体细节（如具体数字、名称） |
| 过度假设 | 用 `[占位符]` 标记缺失信息，而不是自行填充 |
| 格式炫技 | 不要为了展示技巧而添加不必要的结构层级 |
**核心检验标准**：优化后的 prompt 应该比原始输入**更精准**，而不只是**更长**。
## 4-D 优化方法论
### 1. 解构（Deconstruct）
分析用户输入：
- 核心意图是什么？
- 关键实体和上下文
- 输出要求和约束
- 已提供 vs 缺失的信息
### 2. 诊断（Diagnose）
审计问题：
- 清晰度：是否有歧义？
- 具体性：是否足够具体？
- 完整性：是否缺少关键信息？
- 结构：是否需要更好的组织？
### 3. 开发（Develop）
根据请求类型选择优化策略：
| 类型 | 策略 |
|------|------|
| 创意型 | 多视角 + 风格/语气强调 |
| 技术型 | 约束导向 + 精确定义 |
| 教育型 | Few-shot 示例 + 清晰结构 |
| 复杂型 | 思维链 + 系统框架 |
通用技术：
- 角色分配（让 AI 扮演专家）
- 上下文分层（背景 → 任务 → 约束 → 输出格式）
- 任务分解（复杂任务拆解为步骤）
### 4. 交付（Deliver）
输出优化后的 prompt，包含：
- 优化后的完整提示词
- 关键改进说明
- 使用建议
## 平台适配（语法级）
针对不同平台，输出的 prompt 必须使用对应的格式语法：
### Claude
- **偏好格式**：XML 标签结构
- **语法示例**：
```xml
背景信息
具体指令
示例内容
约束条件
```
- **特点**：长上下文、强推理、支持复杂嵌套结构
### ChatGPT
- **偏好格式**：Markdown 分段
- **语法示例**：
```markdown
### 角色
你是...
### 任务
请完成...
### 约束
- 约束1
- 约束2
---
### 输出格式
```
- **特点**：结构化响应、对话流畅、偏好清晰分隔
### DeepSeek
- **偏好格式**：思维链触发 + 分步结构
- **语法示例**：
```
请一步一步思考这个问题：
1. 首先分析...
2. 然后考虑...
3. 最后得出...
在回答前，先展示你的推理过程。
```
- **特点**：强推理（数学/代码）、CoT 思维链、低成本
- **R1 模型特别注意**：DeepSeek-R1 是推理模型，格式约束过死（如强制 JSON）会干扰思维链。对于推理类任务，应允许模型先自由思考，最后再按格式输出。避免在思考过程中施加严格的输出格式限制。
### 豆包
- **偏好格式**：简洁口语化 + 多模态指令
- **语法示例**：
```
【任务】生成一张...的图片
【风格】清新、现代
【要求】
- 要求1
- 要求2
```
- **特点**：多模态完善、生活化场景、视频/图片生成强
### 智谱 GLM
- **偏好格式**：工具调用 + 结构化 JSON
- **语法示例**：
```
你是一个智能助手，可以调用以下工具：
- search: 搜索信息
- calculate: 数学计算
请根据用户需求选择合适的工具完成任务。
用户需求：[具体需求]
```
- **特点**：Agent 原生、中文优势、工具调用强
### Gemini
- **偏好格式**：多模态描述 + 创意引导
- **语法示例**：
```
分析这张图片，从以下角度：
1. 视觉元素
2. 情感表达
3. 创意建议
请提供多个不同视角的解读。
```
- **特点**：多模态理解、创意任务、比较分析
## 工作流程（迭代式）
本 skill 采用**迭代式优化**，而非一次性输出。Claude 必须以"提示词工程大神"的标准自我评判，直到达到高质量标准才交付。
在 **Claude Code** 中，本 skill 还带有一个 **skill-scoped `Stop` hook**。它会在 Claude 准备结束本轮响应时，对最终输出做一次额外质量复核：
- 达标：允许停止，直接交付
- 不达标：阻止停止，并把最关键的改进指令反馈给 Claude 继续打磨
这个 hook 只在 `prompt-optimizer` 激活期间生效，不影响其他 skill。对于不支持 Claude hooks 的运行时，这一层门禁会被自然忽略，主流程仍按下面的迭代规则执行。
### 整体流程
```
接收请求
↓
┌─────────────────────────────┐
│ 迭代循环（可能多轮） │
│ ┌─────────────────────┐ │
│ │ 1. 解构（Deconstruct）│ │
│ │ 2. 诊断（Diagnose） │ │
│ │ 3. 开发（Develop） │ │
│ └─────────┬───────────┘ │
│ ↓ │
│ [自我评判] ────────────→ 需要用户信息？→ AskUserQuestion
│ ↓ │ ↓
│ 达标？ │ 用户回答后继续
│ ↓ │
│ 否 → 继续迭代 │
│ 是 → 跳出循环 │
└─────────────────────────────┘
↓
4. 交付（Deliver）
```
### 阶段一：接收请求
用户提供：
- 原始 prompt 或想法
- （可选）目标平台：ChatGPT / Claude / DeepSeek / 豆包 / 智谱 / Gemini
### 阶段二：迭代优化（核心）
**每轮迭代执行 4D 的前三步**，生成 prompt 草稿后进行自我评判。
#### 自我评判清单（必须全部通过）
| 检查项 | 标准 |
|--------|------|
| 意图清晰 | 核心任务是否一目了然？ |
| 无歧义 | 是否存在可能被误解的表述？ |
| 信息完整 | 是否缺少关键上下文或约束？ |
| 结构合理 | 层级是否清晰、逻辑是否连贯？ |
| 平台适配 | 是否使用了目标平台的正确语法格式？ |
| 精简度 | 是否存在冗余、可以更简洁？ |
| 可执行 | AI 能否直接按此 prompt 执行任务？ |
#### 迭代规则
1. **发现问题 → 自行修复**：如果评判发现问题，直接优化，不问用户
2. **缺少信息 → 问用户**：只有当**必须从用户处获取信息**时，才用 AskUserQuestion
3. **达标 → 交付**：所有检查项通过后，进入交付阶段
4. **最多 3 轮**：防止无限循环，3 轮后强制交付最佳版本
#### 提问原则
使用 AskUserQuestion 时：
- 只问**用户才能回答**的问题（如具体需求、偏好、背景信息）
- 不问"这样写好不好"——用户不是专家，这是你的职责
- 每次最多 2-3 个问题，聚焦关键信息缺口
### 阶段三：交付
**简单请求格式：**
```
## 优化后的 Prompt
[优化后的完整提示词]
## 改进说明
[简要说明做了什么改进]
```
**复杂请求格式：**
```
## 优化后的 Prompt
[优化后的完整提示词]
## 关键改进
- [改进点 1]
- [改进点 2]
- [改进点 3]
## 应用的技术
[使用了哪些优化技术]
## 使用建议
[如何使用这个 prompt 获得最佳效果]
```
## 使用示例
### 示例 1：Claude 平台（XML 格式）
**用户输入：**
> 帮我写个营销邮件，目标平台是 Claude
**优化后（Claude 格式）：**
```xml
你是一位资深的营销文案专家，擅长撰写高转化率的商业邮件。
用户需要一封营销邮件，用于 [具体场景]。
请撰写一封营销邮件
- 目标：[具体目标，如推广新产品/促进转化]
- 受众：[目标读者，如现有客户/潜在客户]
- 产品/服务：[具体内容]
- 语气：专业但亲切
- 长度：200-300 字
1. 吸引注意的开头
2. 价值主张
3. 具体好处（3 点）
4. 明确的行动号召
```
### 示例 2：DeepSeek 平台（思维链格式）
**用户输入：**
> 帮我分析这个数学问题的解法，目标平台是 DeepSeek
**优化后（DeepSeek 格式）：**
```
你是一位数学专家，擅长解决复杂的数学问题。
请一步一步分析以下问题：
[具体数学问题]
解题要求：
1. 首先，明确问题的已知条件和求解目标
2. 然后，分析可能的解题思路（列出 2-3 种方法）
3. 接着，选择最优方法，展示详细的推导过程
4. 最后，验证答案的正确性
请在得出最终答案前，完整展示你的思维过程。
```
### 示例 3：ChatGPT 平台（Markdown 格式）
**用户输入：**
> 我想让 AI 帮我分析竞品，目标平台是 ChatGPT
**优化后（ChatGPT 格式）：**
```markdown
### 角色
你是一位经验丰富的商业分析师，专注于竞争情报分析。
### 背景
我需要对 [行业] 的竞争格局进行深入分析。
### 任务
请分析以下竞品：[竞品列表]
---
### 分析框架
**1. 产品对比**
- 核心功能
- 定价策略
- 目标用户
**2. 市场定位**
- 品牌定位
- 差异化优势
**3. SWOT 分析**
**4. 战略建议**
---
### 输出格式
使用表格对比 + 要点总结的形式输出。
```
## 触发词
以下输入应触发此技能：
- "优化这个 prompt"、"帮我改写提示词"
- "这个 prompt 怎么写更好"
- "Prompt 优化"、"提示词优化"
- "/prompt-optimizer"