prompt-optimizer

name	prompt-optimizer
description	中文提示词优化技能。用户要求优化、重写、迭代、比较系统提示词或用户提示词，或希望把 Prompt Optimizer / MCP 接入提示词工作流时使用；关注目标澄清、意图保留、结构化约束、测试样例和多轮评估。

Prompt Optimizer 提示词优化

使用这个技能帮助用户把粗糙、含糊或不稳定的提示词整理成可复用、可测试、可迭代的提示词资产。优先保持用户原意，不要为了“看起来高级”而改变任务目标。

适用场景

• 用户说“优化这个提示词”“帮我改 prompt”“让这个提示词更稳定”。
• 需要区分并优化系统提示词、用户提示词、图像生成提示词或多轮对话提示词。
• 需要比较原始提示词和优化后提示词的效果，或根据失败案例继续迭代。
• 需要使用 Prompt Optimizer 的 Web、Docker、桌面端、浏览器插件或 MCP Server 工作流。

工作流程

1. 明确目标和边界。

   • 判断提示词类型：系统提示词、用户提示词、图像提示词、测试提示词或 Agent 工具提示词。
   • 确认目标模型、使用场景、输入材料、期望输出、硬性约束、禁止事项和成功标准。
   • 信息不足时最多问三个问题；如果任务简单，直接做出合理假设并在结果中说明。

2. 保留基线。

   • 保留原始提示词，不要覆盖用户提供的版本。
   • 记录它当前的问题：目标不清、上下文不足、输出格式松散、约束冲突、示例缺失、语气不稳或过长。
   • 如果有失败案例，先把失败案例变成测试样例。

3. 重构提示词。

   • 先写清任务目标，再补上下文、输入说明、输出格式、约束、质量标准和错误处理。
   • 删除空泛形容词、重复要求和互相冲突的指令。
   • 对系统提示词，重点约束角色、优先级、行为边界、工具使用和安全要求。
   • 对用户提示词，重点明确任务、材料、输出结构、验收标准和缺失信息处理。
   • 对图像提示词，重点明确主体、构图、风格、镜头、材质、光线、色彩、负面约束和可控变量。

4. 测试并比较。

   • 至少用一个正常案例和一个边界案例比较原始提示词与优化版。
   • 评估维度包括准确性、完整性、可控性、格式遵循、鲁棒性、成本和可维护性。
   • 不要只凭主观“更好看”判断，要说明哪条要求带来了哪类行为改善。

5. 迭代成熟版本。

   • 每轮只围绕明确问题调整，避免一次性大改导致无法定位效果变化。
   • 记录版本号、修改原因、适用模型和已验证样例。
   • 当提示词已经稳定时，优先小范围修补，而不是重新生成。

使用 Prompt Optimizer 工具

如果当前环境已经接入 Prompt Optimizer MCP，优先使用对应工具辅助生成和迭代：

• optimize-user-prompt：优化用户提示词。
• optimize-system-prompt：优化系统提示词。
• iterate-prompt：基于具体反馈继续改进成熟提示词。

调用工具前，整理好原始提示词、优化目标、目标模型、约束条件和测试样例。不要把密钥、隐私数据、未授权源码或敏感业务信息发给外部服务。

如果没有 MCP，可根据场景建议用户使用 Prompt Optimizer 的在线版、Docker 部署、桌面应用或浏览器插件。Docker 部署时，MCP 通常与 Web 服务共用端口并通过 /mcp 路径访问；MCP Server 需要配置模型供应商和对应 API key。

输出格式

优先使用以下结构，除非用户只要求直接给出提示词：

优化版提示词：
...

改动说明：
- ...

测试建议：
- ...

下一轮迭代点：
- ...

如果用户要求“只给最终版”，只输出优化后的提示词，不附带解释。

质量检查清单

• 任务目标是否一句话就能说清？
• 输出格式是否明确到字段、顺序、长度和语言？
• 约束是否有优先级，是否存在冲突？
• 是否说明缺失信息、无资料或不确定情况该如何处理？
• 是否包含足够的示例或验收标准？
• 是否可以用固定测试样例比较前后版本？
• 是否避免泄露敏感信息或依赖不可见上下文？

来源参考

本技能整理自 linshenkx/prompt-optimizer 的中文 README 和 MCP 使用说明，面向 Codex skill 使用方式重新编写。