القائمة
审核提示词冷启动生成技能，根据规则文档自动生成结构化7段式审核提示词并支持迭代优化。触发词：提示词生成、冷启动、prompt生成、审核提示词
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/openJiuwen-ai/agent-store --skill audit-prompt-cold-start-202607يبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | audit-prompt-cold-start-202607 |
| description | 审核提示词冷启动生成技能，根据规则文档自动生成结构化7段式审核提示词并支持迭代优化。触发词：提示词生成、冷启动、prompt生成、审核提示词 |
| version | 1.0.0 |
扮演审核提示词工程专家。通过分析业务规则文档，自动生成结构化的7段式审核提示词，支持迭代优化直到达到目标质量分数，为审核技能提供冷启动提示词。
银行限额解控审核（提示词工程）
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
根据业务规则文档自动生成结构化的7段式审核提示词，支持快速生成（单次）和迭代优化（评估→改进→再评估）两种模式。
| 属性 | 值 | | 任务类型 | 审核提示词工程 | | 风险等级 | 低（提示词质量影响下游审核） | | 数据依赖 | 业务规则文档 + 文本LLM | | 决策类型 | 提示词生成（非判断型） |
| 要求项 | 状态 | | 监管合规 | 不涉及个人金融信息处理 | | 免责声明 | 生成的提示词需经人工验证后才可用于生产 | | 审计日志 | 记录生成/优化迭代链、模型版本、时间戳 | | 引用来源 | 输入的业务规则文档 |
| 参数名 | 类型 | 必填 | 说明 | | rule_document | str | 是 | 规则文档（Markdown格式） | | optimize | bool | 否 | 是否启用迭代优化（默认 False） | | target_score | float | 否 | 目标分数（默认 8.0） | | max_iterations | int | 否 | 最大迭代次数（默认 3） | | llm_config | dict | 否 | 文本LLM配置（不传则使用服务端默认） |
| 字段 | 类型 | 必填 | 说明 | | api_key | str | 是 | API 密钥 | | base_url | str | 否 | API 端点 | | model | str | 否 | 模型名称，默认 qwen-plus（文本模型） | | temperature | float | 否 | 温度参数，默认 0.3 | | max_tokens | int | 否 | 最大输出token数，默认 8192 |
注意： 本技能使用文本LLM（如 qwen-plus），不是视觉模型。
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | data.prompt | str | 生成的提示词（7段式结构） | | data.score | float | 评估分数（快速模式为 null） | | data.iterations | int | 优化迭代次数（快速模式为 0） | | data.history | List[Dict] | 优化历史（仅优化模式） | | error | str | 失败时的错误信息 |
# Role
你是审核提示词工程专家
# Tool Routing 规则（按 priority）
1. 文本 LLM（生成器）→ 提示词生成（优先）
2. 文本 LLM（评估器）→ 提示词质量评估（优化模式）
3. 文本 LLM（改进器）→ 提示词改进（优化模式）
# Selection 策略
- optimize=False（快速模式）：规则文档 → 生成器 → 提示词
- optimize=True（优化模式）：规则文档 → 生成器 → 评估器 → 改进器 → 评估器... → 达标提示词
# Fallback
生成失败 → 返回错误信息
评估未达标且迭代耗尽 → 返回最新版本提示词 + 评估分数
| 节点 | 模块 | 任务 | 状态 | 检查点 | | N1-输入校验 | 输入模块 | 校验规则文档非空 | 必须 | rule_document非空 | | N2-快速生成 | LLM生成器 | 单次生成提示词 | 核心 | 7段式结构完整 | | N3-质量评估 | LLM评估器 | 5维度评估 | 优化模式 | 加权分数 | | N4-迭代改进 | LLM改进器 | 根据评估改进提示词 | 优化模式 | 改进后提示词 | | N5-达标检查 | 控制模块 | 检查是否达标 | 优化模式 | 分数≥目标 | | N6-输出组装 | 输出模块 | 组装标准输出 | 必须 | JSON格式合规 |
规则文档 → [生成器] → 提示词
规则文档 → [生成器] → 提示词 v1
↓
[评估器] → 分数 6.5（未达标）
↓
[改进器] → 提示词 v2
↓
[评估器] → 分数 7.8（未达标）
↓
[改进器] → 提示词 v3
↓
[评估器] → 分数 8.5（达标）✓
| 维度 | 权重 | 说明 | | 完整性 (Completeness) | 20% | 是否遗漏规则条款 | | 准确性 (Accuracy) | 25% | 数字、关键词是否准确 | | 结构化 (Structure) | 20% | 7段式结构是否规范 | | 可执行性 (Executability) | 20% | 下游LLM能否理解和执行 | | 一致性 (Consistency) | 15% | 规则之间是否逻辑一致 |
通过标准： 加权总分 >= 8.0
生成的提示词遵循标准的7段式结构：
<inputs> 占位符{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...\n\n# 输入信息\n...",
"score": null,
"iterations": 0
}
}
{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...",
"score": 8.5,
"iterations": 2,
"history": [
{"iteration": 0, "prompt": "...", "score": 6.5, "evaluation": {...}},
{"iteration": 1, "prompt": "...", "score": 7.8, "evaluation": {...}
...
| 依赖系统 | 作用 | 必需 | | 文本LLM（生成器） | 提示词生成 | 是 | | 文本LLM（评估器） | 提示词质量评估 | 是（优化模式） | | 文本LLM（改进器） | 提示词改进 | 是（优化模式） | | Python 3.8+ | 运行环境 | 是 | | httpx | HTTP 请求 | 是 | | pyyaml | 配置解析 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | 文本LLM（生成器） | MCP tool | P0 | 返回生成失败 | | 文本LLM（评估器） | MCP tool | P1 | 跳过评估，返回未评分提示词 | | 文本LLM（改进器） | MCP tool | P1 | 跳过改进，返回最新版本 |
LLM 生成失败: 返回错误信息，提示检查 llm_config 评估未达标且迭代耗尽: 返回最新版本提示词 + 评估分数，标注"未达标" API 超时: 重试一次，仍失败则返回错误
会话级缓存：生成的提示词缓存至会话结束，避免重复生成相同规则的提示词。TTL = 会话生命周期
| 指标 | 目标 | | 提示词达标率 | ≥ 80%（单次优化后 ≥ 8.0 分） | | 平均迭代次数 | ≤ 2（达到 8.0 分） | | 单次生成延迟 | ≤ 30s（快速模式） |
记录工具调用链、入参（规则文档摘要）、出参（提示词长度/评分/迭代次数）、数据源（模型名称）、时间戳、模型版本
本提示词由 AI Agent 自动生成，需经人工验证后才可用于生产环境，不保证直接可用性。
满足以下任一条件时，结束技能执行：
输入：
{ "rule_document": "# 图像分类规则\n必须识别：身份证、护照...", "optimize": true, "target_score": 8.0 }
输出：
{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...",
"score": 8.5,
"iterations": 2
}
}
from scripts.prompt_generator import PromptGenerator
generator = PromptGenerator(
llm_config={
"api_key": "your-api-key",
"base_url": "${your-base-url}",
"model": "${your-model-name}",
}
)
# 快速生成
result = generator.generate(rule_doc)
# 迭代优化
result = generator.generate_and_optimize(rule_doc, target_score=8.0, max_iterations=3)
curl -X POST http://localhost:8005/skill/audit_prompt_generate \
-H "Content-Type: application/json" \
-d '{"rule_document": "# 规则文档\n...", "optimize": true, "target_score": 8.0}'
{"success": false, "error": "规则文档不能为空"}