Menu
Evaluate, score, or optimize prompts based on Johari Window and 3S principles
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
当用户说 /flow-deep、深度编排、全量管道、这个任务很重要、要仔细处理、确保万无一失时使用此技能。 完整管道：superpowers检查→Prompt优化→深度思考→规划→代码级细化→并发执行→验证，自动注入 TDD 和代码审查。 当任务标注为复杂/重要/高风险、需要"深度分析"、或用户强调要认真处理时，都应使用此技能。 简单任务、快速原型、单步操作不要使用，改用 /flow。
当用户说 /flow、复杂任务、多步骤任务、编排、先优化再规划再执行时使用此技能。 将复杂任务拆分为"Prompt优化→深度思考→规划→并发执行"管道，支持 --quick/--think/--mermaid/--discuss 等参数。 当任务涉及 3 个以上步骤、用户提到"编排"或"flow"、或需要组合多个技能时，都应使用此技能。 简单单步任务不要使用。深度版用 /flow-deep。
Agent Teams 方案生成与执行引擎。通过 TeamCreate + Agent(team_name) 工具链在 tmux 分屏中创建多 agent 团队。 当用户说 /MultiAgent、"多agent"、"团队协作"、"并行处理"、"teammate"、"创建agent团队" 时使用。 支持项目上下文感知、协作式方案生成，仅 tmux-split 模式。
| name | prompt |
| description | Evaluate, score, or optimize prompts based on Johari Window and 3S principles |
Prompt 评分与优化工具，基于乔哈里视窗理论和 3S 原则，提供自动评分、问题诊断、优化建议和优化版本生成。
效果： ![https://gw.alicdn.com/imgextra/i4/O1CN01OllFyJ1ph8JrBWAsI_!!6000000005391-2-tps-1560-984.png]
TRIGGER when user:
AUTO-DETECT (ask before proceeding):
WHEN INVOKED VIA /prompt COMMAND:
/prompt <content>)IMPORTANT: When invoked via /prompt command, the ENTIRE content after /prompt is treated as the prompt to optimize. No need to add "优化" or "评分" keywords.
| Input | Behavior |
|---|---|
/prompt 写一个冒泡排序 | Score and optimize "写一个冒泡排序" |
/prompt 你是一个专业的翻译，请帮我翻译以下内容 | Score and optimize the entire prompt |
/prompt As a senior developer, review my code | Score and optimize the English prompt |
When triggered by implicit keywords in conversation, extract the prompt content from user message.
| Input | Extracted Prompt |
|---|---|
| "帮我优化一下这个提示词：写一个冒泡排序" | "写一个冒泡排序" |
| "这个 prompt 写得怎么样：你是 AI 助手" | "你是 AI 助手" |
Detection Criteria:
Behavior: Ask user before proceeding
检测到你输入了一段较长的提示词，是否需要我进行评分和优化？
[提示词预览]: {前50字}...
Input received
├── Starts with "/prompt " → Command Mode
│ └── Extract: everything after "/prompt "
├── Auto-Detect triggered → Auto-Detect Mode (ask first)
│ └── Extract: entire input if user confirms
└── Natural language keywords → Natural Language Mode
└── Extract: prompt content from message
2. Extract Prompt → Get the prompt content to analyze
3. Analyze Prompt → Determine quadrant, 3S compliance, scene type
4. Select Weights → Choose scoring weights based on quadrant and scene
5. Calculate Score → Compute total score (1-10) based on dimensions
6. Diagnose Issues → Identify Critical/High/Medium/Low problems
7. Generate Optimized Version → Create improved prompt
AI Knows AI Doesn't Know
User Knows 第一象限(公共知识) 第四象限(独有知识) ⚠️
User Doesn't 第二象限(AI专业知识) 第三象限(探索创新)
Know
检测标识 (有则可能是第四象限):
处理规则:
| Principle | Meaning | Detection |
|---|---|---|
| Single | 单任务聚焦 | 检测"和"、"并"、"以及"等连接词，多个动词短语 |
| Specific | 明确详细 | 有格式+范围+示例: 9-10分; 有格式有范围: 7-8分; 无格式无范围: 2-6分 |
| Short | 简洁扼要 | 无冗余、高信息密度: 9-10分; 冗余修饰、低密度: 4-6分 |
| Scene | Conditions | Weight Distribution |
|---|---|---|
| 简单任务 | 字数<100, 单目标, 无复杂结构 | 目标明确性 40% + 3S原则 30% + 基础清晰度 30% |
| 复杂专业 | Role-Based, 工作流, 约束 | 基础评分 50% + 深度评分 50% |
| 第四象限 | 独有知识, 企业术语, 新概念 | 目标明确性 20% + 示例/术语完整性 80% |
| 学习任务 | 学习、理解、解释关键词 | 目标明确性 30% + 3S原则 30% + 表达清晰度 40% |
触发条件: 复杂专业任务 OR 第四象限 OR 包含 Role-Based 结构 OR 字数 > 200
| # | Problem Type | Detection | Impact |
|---|---|---|---|
| 1 | 第四象限未使用喂模式 | 第四象限但无示例/定义 | AI无法理解独有知识 |
| 2 | 多目标混杂 | Single原则违背，多个目标 | AI无法确定主要目标 |
| 3 | 完全缺少成功标准 | 无输出要求、无验证标准 | 无法判断是否完成 |
| # | Problem Type | Detection |
|---|---|---|
| 4 | 约束互相冲突 | 约束之间互相矛盾 |
| 5 | 技能与任务不匹配 | Role/Skills 与任务无关 |
| 6 | 示例不完整 | 第四象限示例缺少输入/输出/模式 |
| # | Problem Type | Detection |
|---|---|---|
| 7 | 过度设计(第一象限) | 第一象限使用复杂 Role-Based 结构 |
| 8 | 缺少部分成功标准 | 有成功标准但不完整 |
| 9 | 约束不够具体 | 约束模糊无法验证 |
| # | Problem Type |
|---|---|
| 10 | 格式不规范 |
| 11 | 表达不够简洁 |
| Condition | Strategy | Method |
|---|---|---|
| 问题少(≤3), 无Critical | 保留式优化 | 保留原有结构风格，只修改问题部分 |
| 问题多(>3), 有Critical | 重构式优化 | 重新设计结构，应用合适模板 |
| 完全不匹配最佳实践 | 模板化优化 | 推荐最合适模板，基于模板重新构建 |
## Prompt 评分报告
### 基本信息
- **象限**: [第一/二/三/四象限]
- **场景**: [简单/复杂/第四象限/学习任务]
- **总分**: X/10
### 各维度得分
1. **目标明确性**: X/10 - [简要说明]
2. **3S 原则**: X/10
- Single: X/10
- Specific: X/10
- Short: X/10
3. **基础清晰度**: X/10
### 问题诊断
[按严重性排序：Critical > High > Medium > Low]
#### [问题 1]
- **等级**: Critical
- **类型**: [问题类型]
- **描述**: [问题详细说明]
### 优化建议
- **针对问题**: [问题 X]
- **优化方向**: [具体建议]
- **预期改进**: 评分提升 X/10 → X/10
### 优化版本
[基于优化建议生成的完整 Prompt]
Input: /prompt 写一个冒泡排序
Mode: Command Mode - entire input "写一个冒泡排序" is the prompt to optimize
Analysis:
Score: 7.9/10
Issues: Medium - 缺少性能要求
Optimized:
用 Python 实现快速排序算法：
- 输入：整数列表
- 输出：升序排列的列表
- 要求：时间复杂度 O(n log n)，空间复杂度 O(log n)
Input: "帮我优化这个提示词：审查我们公司的 XYZ 系统代码，确保遵循 YYY 规范"
Mode: Natural Language Mode - extract "审查我们公司的 XYZ 系统代码，确保遵循 YYY 规范"
Analysis:
Score: 2.0/10 (Critical)
Optimized (8.5/10):
审查我们公司的 XYZ 系统代码，确保遵循 YYY 规范。
**定义**:
- XYZ 系统：我们内部的微服务框架，基于 Spring Boot
- YYY 规范：内部代码规范，要求类名用 PascalCase，方法名用 camelCase
**示例**:
❌ 不符合规范:
public class user_service { }
✅ 符合规范:
public class UserService { }
包含限定词("我们公司/团队")?
├─ 是 → 第四象限 (需要喂模式)
└─ 否 → 开放提问?
├─ 是 → 第二象限
└─ 否 → 探索创新?
├─ 是 → 第三象限
└─ 否 → 第一象限
| Score | Quality | Action |
|---|---|---|
| 9-10 | 优秀 | 可直接使用 |
| 7-8.9 | 良好 | 建议小优化 |
| 5-6.9 | 一般 | 建议优化 |
| 3-4.9 | 较差 | 需要重构 |
| 1-2.9 | 严重问题 | 必须重写 |