prompt
星标12
分支0
更新时间2026年6月14日 16:19
Evaluate, score, or optimize prompts based on Johari Window and 3S principles
安装
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
SKILL.md
readonly
下载
相关职业SOC
基于 SOC 职业分类
菜单
Evaluate, score, or optimize prompts based on Johari Window and 3S principles
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
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 |