prompt-expert

name	prompt-expert
description	智能提示词专家 - 根据上下文和对话环境动态生成最优提示词
version	1.0.0
created	"2026-03-21T00:00:00.000Z"

Prompt Expert - 智能提示词专家

用途: 分析当前对话上下文、项目环境、用户意图，智能生成最合适的提示词 触发策略: 多模型聚合分析 + 本地上下文感知 核心理念: 不是优化提示词本身，而是根据场景生成最适合的提示词

---

🚀 快速开始

自动触发（三种方式）

方式 1: 关键词触发

当用户输入包含以下关键词时，自动调用提示词专家：

用户输入	自动调用
"怎么提示"、"如何 prompt"、"提示词怎么写"	prompt-expert
"这个场景怎么问"、"应该怎么问"	prompt-expert
"帮我生成提示词"、"写个 prompt"	prompt-expert
"optimize prompt"、"how to prompt"、"write a prompt"	prompt-expert
"best way to ask"、"how should I ask"	prompt-expert

方式 2: 场景感知触发

当检测到以下场景时，自动提供提示词建议：

场景	触发动作
用户描述复杂需求但表达模糊	生成结构化提示词
用户在多个话题间切换	生成聚焦提示词
用户准备开始新任务	生成任务启动提示词
用户遇到阻碍/困惑	生成问题诊断提示词

方式 3: 手动触发

# 基础分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs "你的需求"

# 带上下文分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --context

# 深度分析（多模型）
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --deep

# 查看最近的提示词建议
cat ~/.claude/projects/-home-throokie/prompt-suggestions.md

---

🏗️ 架构设计

用户输入/当前对话
       │
       ▼
┌─────────────────┐
│  上下文感知引擎  │  ← 分析对话历史、项目状态、文件变更
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  意图识别层      │  ← 确定用户想要完成什么
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  场景匹配引擎    │  ← 匹配到预定义场景模板
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  多模型提示词生成 │  ← 并行生成多个提示词版本
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  质量评估与整合  │  ← 选择最优提示词
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  输出提示词      │  ← 附带使用建议
└─────────────────┘

---

📁 目录结构

prompt-expert/
├── SKILL.md              # 本文件
├── README.md             # 详细文档
├── main.mjs              # 主入口
├── scripts/
│   ├── context-analyzer.mjs    # 上下文分析
│   ├── scenario-matcher.mjs    # 场景匹配
│   ├── prompt-generator.mjs    # 提示词生成
│   ├── quality-scorer.mjs      # 质量评分
│   └── template-library.md     # 提示词模板库
├── config/
│   ├── scenarios.json      # 场景定义
│   └── prompts.yaml        # 提示词配置
└── output/
    └── suggestions/        # 生成的提示词建议

---

📊 场景类型定义

按任务复杂度

场景	特征	提示词策略
简单查询	单一问题、事实性	直接、精确、一行
任务执行	需要操作、有步骤	结构化、分步骤、带验收标准
探索研究	开放性问题、需要调研	多轮对话、分阶段
创意设计	需要创意、头脑风暴	发散性、多角度
问题诊断	调试、排查	假设驱动、排除法
学习理解	新概念、新技能	类比、示例驱动

按对话阶段

阶段	特征	提示词策略
启动阶段	刚开始任务	设定目标、范围、期望
执行阶段	进行中	聚焦当前步骤、上下文保持
阻塞阶段	遇到困难	问题定位、备选方案
收尾阶段	接近完成	验收、验证、文档化

按项目上下文

项目类型	检测信号	提示词调整
新项目	无 git 历史、空目录	强调脚手架、最佳实践
现有项目	有代码库、规范	强调遵循现有模式
多模块项目	复杂目录结构	强调模块边界、依赖关系
协作项目	有 PR、issue	强调沟通、文档

---

🔧 核心功能

1. 上下文感知分析

// 分析的维度
const contextDimensions = {
  // 对话历史
  conversationHistory: {
    recentTopics: [],      // 最近讨论的话题
    unresolvedQuestions: [], // 未解答的问题
    recurringThemes: []     // 反复出现的主题
  },

  // 项目状态
  projectState: {
    currentDirectory: '',   // 当前工作目录
    gitStatus: '',          // git 状态
    recentChanges: [],      // 最近的代码变更
    openFiles: []           // 打开的文件
  },

  // 用户状态
  userState: {
    currentTask: '',        // 当前任务
    taskProgress: '',       // 任务进度
    frustrationSignals: [], // 挫折信号
    confidenceLevel: ''     // 信心水平
  }
};

2. 场景匹配引擎

// 场景匹配规则
const scenarioRules = {
  'bug-fix': {
    signals: ['报错', 'error', 'failed', '不工作', 'bug'],
    promptTemplate: `
你正在调试一个问题。请按以下步骤进行：

1. **问题复现**: 先确认问题现象和复现步骤
2. **定位范围**: 确定问题可能出现的模块
3. **假设验证**: 提出 3 个最可能的原因，逐一排查
4. **修复方案**: 给出修复代码和验证方法

当前上下文：
- 项目类型：{projectType}
- 技术栈：{techStack}
- 错误信息：{errorMessage}
`
  },

  'feature-implementation': {
    signals: ['实现', '添加', 'create', 'build', '新功能'],
    promptTemplate: `
你正在实现一个新功能。请按以下流程进行：

1. **需求澄清**: 确认功能的具体需求和边界
2. **设计先行**: 先设计接口/组件结构，再编码
3. **测试驱动**: 先写测试，再实现功能
4. **代码审查**: 完成后自查代码质量

技术要求：
- 遵循项目的代码规范
- 参考类似功能的实现模式
- 保证 80%+ 测试覆盖率
`
  },

  'research-exploration': {
    signals: ['怎么', '如何', 'how to', '了解', '学习', '原理'],
    promptTemplate: `
你正在探索一个新技术/概念。请按以下方式进行：

1. **背景介绍**: 这是什么？为什么重要？
2. **核心概念**: 关键术语和概念解释
3. **实践示例**: 最小可运行的代码示例
4. **最佳实践**: 业界推荐的使用方式
5. **常见陷阱**: 容易犯的错误和如何避免

学习路径建议：
- 入门资料（15 分钟）
- 深入资料（1 小时）
- 实战项目（1 天）
`
  }
};

3. 提示词生成器

// 提示词生成的元原则
const promptGenerationPrinciples = {
  // 清晰度
  clarity: '用简洁明确的语言，避免歧义',

  // 上下文
  context: '包含必要的背景信息，但不过载',

  // 结构
  structure: '使用分点、编号、代码块等结构化格式',

  // 可执行
  actionability: '明确指出期望的输出和行动',

  // 约束
  constraints: '设定合理的边界和限制',

  // 示例
  examples: '提供示例说明期望的输出格式'
};

4. 质量评分系统

// 提示词质量评分维度
const qualityMetrics = {
  // 完整性 (0-25 分)
  completeness: {
    hasContext: false,      // 有上下文
    hasGoal: false,         // 有明确目标
    hasConstraints: false,  // 有约束条件
    hasExamples: false,     // 有示例
    hasOutputFormat: false  // 有输出格式要求
  },

  // 清晰度 (0-25 分)
  clarity: {
    unambiguous: false,     // 无歧义
    concise: false,         // 简洁
    wellStructured: false,  // 结构良好
    specificLanguage: false // 使用具体语言
  },

  // 可执行性 (0-25 分)
  actionability: {
    clearAction: false,     // 明确的行动指令
    feasible: false,        // 在能力范围内
    testable: false,        // 结果可验证
    prioritized: false      // 优先级清晰
  },

  // 上下文适配 (0-25 分)
  contextFit: {
    projectAligned: false,  // 与项目一致
    conversationAligned: false, // 与对话连贯
    userLevelAligned: false,    // 与用户水平匹配
    timeAppropriate: false  // 时间预算合理
  }
};

---

📝 使用示例

示例 1: 模糊需求 → 结构化提示词

用户输入：我想优化这个项目的性能

检测到：
- 当前项目：Node.js 后端服务
- 最近对话：讨论数据库查询
- 代码变更：添加了新的 API 端点

生成的提示词：

你正在优化一个 Node.js 后端服务的性能。

上下文:

• 项目类型：Express API 服务
• 最近改动：添加了新的数据查询端点
• 性能瓶颈：数据库查询响应时间 > 500ms

任务要求:

1. 先分析当前性能瓶颈（使用 profiling 工具）
2. 识别慢查询并优化（考虑索引、缓存）
3. 给出可量化的优化目标和验收标准
4. 不要引入新的外部依赖

输出格式:

• 性能分析报告
• 优化方案列表（按影响排序）
• 实施步骤和验证方法

示例 2: 阻塞场景 → 诊断提示词

用户输入：这个功能我一直实现不了，卡住了

检测到：
- 用户情绪：挫折
- 尝试次数：多次
- 当前进度：部分完成

生成的提示词：

你遇到了一个实现障碍。让我们系统性地诊断问题：

当前状态:

• 已完成：{completedParts}
• 阻塞点：{blockingPoint}
• 已尝试：{attemptedSolutions}

诊断流程:

1. 重新定义问题: 用不同方式描述阻塞点
2. 拆解问题: 把大问题拆成可管理的小步骤
3. 寻求替代: 是否有其他方式达到同样目标？
4. 外部视角: 参考类似项目的解决方案

下一步行动: 请告诉我具体卡在哪个步骤，以及你期望的行为 vs 实际行为。

示例 3: 新项目启动 → 脚手架提示词

用户输入：我要开始一个新项目，做 XXX

检测到：
- 项目状态：空目录
- 用户经验：初次接触该技术栈
- 时间预算：未指定

生成的提示词：

你正在启动一个新项目。让我们建立一个坚实的基础：

项目目标: {projectGoal}

启动清单:

1. 技术选型: 根据需求选择合适的技术栈
2. 项目脚手架: 创建标准目录结构
3. 开发环境: 配置 lint、test、debug 工具
4. 文档框架: 建立 README、贡献指南
5. CI/CD: 设置基础自动化流程

学习资源:

• 官方入门教程（预计 2 小时）
• 最佳实践文档（预计 1 小时）
• 示例项目参考（推荐 3 个）

第一步: 我们先从项目脚手架开始，我会帮你创建一个标准化的目录结构。 准备好后告诉我。

---

🎯 提示词模板库

详见 scripts/template-library.md

核心模板分类：

分类	模板数量	适用场景
项目启动	8	新项目初始化、技术选型
功能开发	15	CRUD、认证、文件处理等
问题诊断	12	错误排查、性能优化
代码审查	6	自查清单、安全检查
学习探索	10	新技术、概念理解
文档写作	5	API 文档、README

---

🔗 与 ECC 组件集成

与 intent-analyzer 协作

用户输入 → intent-analyzer 分析意图 → prompt-expert 生成提示词

与 model-compare-search 协作

prompt-expert 检测到研究类需求 → 推荐 model-compare-search

与 planner agent 协作

prompt-expert 检测到复杂任务 → 生成使用 planner 的提示词

---

⚙️ 配置说明

场景自定义

编辑 config/scenarios.json:

{
  "customScenarios": [
    {
      "name": "liteellm-config",
      "signals": ["litellm", "fallback", "model routing"],
      "promptTemplate": "见 config/prompts.yaml#liteellm"
    }
  ]
}

提示词模板

编辑 config/prompts.yaml:

liteellm:
  context: "LiteLLM 配置项目"
  commonTasks:
    - name: 添加新 provider
      prompt: |
        你正在配置 LiteLLM 的新 provider。

        步骤：
        1. 在 config.yaml 中添加 provider 配置
        2. 设置环境变量和认证信息
        3. 配置模型路由规则
        4. 测试连接和 fallback 链

        参考现有 provider 的配置模式。

---

📈 效果评估

提示词质量指标

指标	计算方式	目标值
清晰度得分	用户反馈 + 执行成功率	> 85%
上下文适配	项目规范匹配度	> 90%
执行效率	减少澄清轮次	-50%
用户满意度	显式好评率	> 80%

日志分析

# 查看生成的提示词建议
ls -lt ~/src/projects/tools/user-scripts/skills/prompt-expert/output/suggestions/

# 分析使用频率
cat ~/src/projects/tools/user-scripts/skills/prompt-expert/output/usage-log.json | jq '.scenarioCounts'

# 查看质量评分
cat ~/src/projects/tools/user-scripts/skills/prompt-expert/output/quality-report.json

---

⚠️ 故障排查

提示词质量不佳

# 1. 检查上下文分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/scripts/context-analyzer.mjs --debug

# 2. 检查场景匹配
node ~/src/projects/tools/user-scripts/skills/prompt-expert/scripts/scenario-matcher.mjs --trace

# 3. 手动指定场景
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --scenario bug-fix

与项目规范不符

# 检查是否检测到项目
cat ~/.claude/projects/-home-throokie/project-context.md

# 手动指定项目类型
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --project-type springboot

---

📚 相关资源

• 意图分析器：~/src/projects/tools/user-scripts/skills/intent-analyzer/SKILL.md
• 模型对比搜索：~/src/projects/tools/user-scripts/skills/model-compare-search/SKILL.md
• Prompt Optimizer: ~/.claude/skills/prompt-optimizer/SKILL.md

---

最后更新：2026-03-21 | 版本：v1.0.0