| name | better-prompt |
| description | 当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"或"将简陋 prompt 转换为最佳实践版本"时使用。基于 OpenAI 和 Anthropic 官方最佳实践，对用户提供的简陋 prompt 进行结构化优化，输出符合社区标准的高质量版本。 |
| metadata | {"author":"Bensz Conan","keywords":["better-prompt","prompt optimization","prompt engineering","提示词优化"]} |
Better Prompt - Prompt 优化器
BenszAPI 任务工作区
本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。
与 bensz-collect-bugs 的协作约定
- 因本 skill 设计缺陷导致的 bug，先用
bensz-collect-bugs 规范记录到 ~/.bensz-skills/bugs/，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。
- 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地
gh 上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个仓库。
将简陋的 prompt 优化为符合社区最佳实践的高质量版本。
版本与兼容性
- 适用于：Claude 3.x/4.x、GPT-4/5、Gemini 等主流 LLM
- 最佳实践来源：OpenAI/Anthropic 官方文档（2026-02）
- 更新策略：官方文档重大更新时同步修订
不适用场景
以下情况不建议使用本技能：
- prompt 已经经过专业优化（评分 ≥ 8/10）
- 只需要诊断问题，不需要修改建议
- 超长 prompt（>10000 字）需要专业拆分
- 用户明确要求保持原始风格
输入要求
用户提供一个待优化的原始 prompt（可以是任意形式的简陋版本）。
优化框架
基于 OpenAI 和 Anthropic 官方最佳实践，采用五维度优化框架：
| 维度 | 检查点 | 优先级 |
|---|
| 清晰度 | 指令是否明确？是否存在歧义？ | P0 |
| 完整性 | 是否缺少必要信息？上下文是否充分？ | P0 |
| 结构化 | 是否使用 Markdown/XML 标签组织内容？ | P1 |
| 示例性 | 是否提供输入输出示例（few-shot）？ | P2 |
| 约束性 | 是否明确边界（做什么/不做什么）？ | P2 |
注意：上表的 P0/P1/P2 表示"优化维度的重要性优先级"，与 config.yaml 中的 dimensions 数值（1-5）含义相同：P0=5（最高优先级）、P1=4、P2=3。
优化工作流
Step 0: 输入验证（前置检查）
验证用户输入的有效性：
| 输入状态 | 判断标准 | 处理方式 |
|---|
| 空输入 | 字符数 = 0 | 拒绝，提示"请提供待优化的 prompt" |
| 过短 | 字符数 < 10 | 提示"prompt 过短，请提供更多上下文" |
| 已完善 | 评分 ≥ 8/10 | 提示"prompt 已足够完善，是否仍需优化？"，等待用户确认 |
| 有效 | 通过验证 | 继续 Step 1 |
Step 1: 分析原始 prompt
识别 prompt 的：
- 核心任务：用户想让 AI 做什么？
- 缺失要素：哪些关键信息缺失？
- 改进空间：哪些地方可以优化？
Step 2: 确定模型类型适配
根据任务特性判断目标模型类型：
| 模型类型 | 适用场景 | 优化策略 |
|---|
| GPT 模型 | 精确执行、格式化输出、代码生成 | 提供详细步骤和明确逻辑 |
| 推理模型 | 复杂推理、多步规划、开放性任务 | 给高层目标，保留灵活性 |
如果用户未指定，默认按 GPT 模型优化策略处理（更精确）。
Step 3: 应用优化模板
以下是优化后 prompt 的标准结构模板：
# Identity（身份定义）
[描述 AI 的角色、专业领域、沟通风格]
# Instructions（核心指令）
[明确的任务说明]
- 规则 1
- 规则 2
- 约束条件（不做什么）
# Examples（示例）
<example id="1">
<input>示例输入</input>
<output>示例输出</output>
</example>
# Context（上下文）
[任务相关的背景信息、参考资料]
Examples 的使用规则：
- 对于复杂任务（复杂度 ≥ 3/5），Examples 是必需的
- 对于简单任务，Examples 可以省略
- 如原始 prompt 已有示例，优化时应保留或增强
Step 4: 输出优化结果
输出包含三个部分（默认全部包含，可通过 config.yaml 调整）：
- 优化分析：简要说明做了哪些改进
- 优化后的 prompt：符合最佳实践的高质量版本
- 使用建议：针对特定场景的调整建议
输出格式
## 优化分析
| 维度 | 原始状态 | 优化措施 |
|------|---------|---------|
| 清晰度 | ... | ... |
| 完整性 | ... | ... |
| 结构化 | ... | ... |
| 示例性 | ... | ... |
| 约束性 | ... | ... |
## 优化后的 Prompt
# Identity
...
# Instructions
...
# Examples（如适用）
...
# Context（如适用）
...
## 使用建议
- 适用于：[模型类型/场景]
- 调整建议：[如需针对特定场景调整的建议]
优化效果评估
对优化前后的 prompt 进行对比评估：
| 维度 | 优化前评分 | 优化后评分 | 改进说明 |
|---|
| 清晰度 | x/5 | x/5 | ... |
| 完整性 | x/5 | x/5 | ... |
| 结构化 | x/5 | x/5 | ... |
| 示例性 | x/5 | x/5 | ... |
| 约束性 | x/5 | x/5 | ... |
| 总分 | xx/25 | xx/25 | +xx |
评分标准：1=很差、2=较差、3=一般、4=良好、5=优秀
质量标准
优化后的 prompt 必须满足：
| 标准 | 要求 |
|---|
| 明确性 | 核心任务一句话能说清 |
| 可执行性 | AI 能直接理解并执行 |
| 完整性 | 不缺少必要信息 |
| 结构化 | 使用 Markdown/XML 清晰组织 |
| 可测试性 | 能判断输出是否符合预期 |
特殊场景处理
根据 config.yaml 中的 templates 配置，针对不同场景有特定的优化重点：
代码生成类 prompt
配置引用：config.yaml:templates.code_generation.focus_areas
额外关注：
- 明确编程语言和框架
- 指定代码风格规范
- 说明错误处理要求
- 提供边界条件示例
文本分析类 prompt
配置引用：config.yaml:templates.text_analysis.focus_areas
额外关注：
- 明确输出格式（JSON/表格/摘要）
- 定义分析维度和标准
- 提供分类/评估示例
创意写作类 prompt
配置引用：config.yaml:templates.creative_writing.focus_areas
额外关注：
- 定义风格和语调
- 说明目标受众
- 提供参考示例
- 设置长度约束
多轮对话类 prompt
配置引用：config.yaml:templates.multi_turn_conversation.focus_areas
额外关注：
- 定义对话角色和边界
- 说明状态管理要求
- 提供异常处理规则
参考资料
更多详细的最佳实践，参考 references/prompt-engineering-best-practices.md
