菜单
MUST use before task execution. Clarify vague requirements, explore solutions, and ensure full understanding.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/konglong87/methodology-skills --skill prompt-enhancer命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
管理项目经验知识的沉淀与读取，实现知识闭环
Use when user requests complex systems involving multiple modules or subsystems - like 'build a XX system', 'design XX architecture', or 'implement XX with multiple features'. Triggers to prevent over-engineering before validating core assumptions.
Intelligent skill router for methodology-skills. Analyzes user request and recommends the best methodology sequence. Use when user asks 'which skill should I use', 'help me choose a methodology', or when starting complex tasks.
基于 SOC 职业分类
正在显示 SKILL.md
| name | prompt-enhancer |
| version | 2.0.0 |
| description | MUST use before task execution. Clarify vague requirements, explore solutions, and ensure full understanding. |
| category | planning |
| complexity | low |
| typical_duration | 5-10min |
| dependencies | [] |
| benefits-from | [] |
| conflicts-with | [] |
| output_artifact | memory/artifacts/prompt-enhancer/ |
| allowed-tools | ["Read","Write","AskUserQuestion"] |
| tags | ["需求细化","方案探索","需求澄清","头脑风暴"] |
触发时机：goal-oriented 创建目标后（强制）
触发条件（满足任一即触发）：
例外情况：
prompt-enhancer 是强制前置技能，负责需求细化和方案探索。通过结构化提问，确保充分理解用户需求，探索多种可行方案，避免理解偏差和执行返工。
核心能力：
核心原则：澄清优先，行动在后。猜测定浪费，提问才高效。
关键价值：
强制使用场景：
不使用场景：
digraph prompt_enhancer {
rankdir=TB;
"接收用户需求" [shape=box, style=filled, fillcolor="#c8e6c9"];
"识别需求类型" [shape=box, style=filled, fillcolor="#bbdefb"];
"需求细化（3-4问题）" [shape=box, style=filled, fillcolor="#fff9c4"];
"用户确认需求" [shape=diamond, style=filled, fillcolor="#e1bee7"];
"方案探索（头脑风暴）" [shape=box, style=filled, fillcolor="#ff9800"];
"多方案对比分析" [shape=box, style=filled, fillcolor="#ff9800"];
"用户选择方案" [shape=diamond, style=filled, fillcolor="#e1bee7"];
"生成需求方案工件" [shape=box, style=filled, fillcolor="#81c784"];
"传递给后续技能" [shape=doublecircle, style=filled, fillcolor="#81c784"];
"接收用户需求" -> "识别需求类型";
"识别需求类型" -> "需求细化（3-4问题）";
"需求细化（3-4问题）" -> "用户确认需求";
"用户确认需求" -> "方案探索（头脑风暴）" [label="确认"];
"用户确认需求" -> "需求细化（3-4问题）" [label="调整"];
"方案探索（头脑风暴）" -> "多方案对比分析";
"多方案对比分析" -> "用户选择方案";
"用户选择方案" -> "生成需求方案工件" [label="选择"];
"用户选择方案" -> "方案探索（头脑风暴）" [label="重新探索"];
"生成需求方案工件" -> "传递给后续技能";
}
快速识别请求类型，应用对应的细化框架：
| 需求类型 | 关键词 |
|---|
| 必问维度 |
|---|
| 功能开发 | "做个功能"、"实现XX" | 平台、技术栈、用户、数据、认证 |
| 架构设计 | "设计系统"、"重构架构" | 规模、性能、可扩展性、技术选型 |
| 性能优化 | "优化性能"、"提升速度" | 目标指标、优化范围、优先级 |
| Bug修复 | "修复bug"、"解决错误" | 复现步骤、影响范围、优先级 |
| UI/界面 | "设计界面"、"做个页面" | 设备、风格、用户、交互 |
| 数据分析 | "分析数据"、"生成报告" | 数据源、分析维度、输出格式 |
核心原则：每个关键点问3-4个问题，确保充分理解
用户需求："做一个用户认证功能"
问题组1：用户与场景
Q1: 谁会使用这个认证功能？（用户类型）
Q2: 在什么场景下使用？（使用场景）
Q3: 期望的用户体验是什么？（体验目标）
Q4: 有多少用户量级？（规模预估）
问题组2：技术约束
Q1: 需要支持哪些认证方式？（密码、OAuth、SSO？）
Q2: 部署在什么平台？（Web、移动端、小程序？）
Q3: 使用什么技术栈？（前端、后端框架？）
Q4: 有现成的用户系统吗？（是否需要集成）
问题组3：功能范围
Q1: 需要哪些核心功能？（注册、登录、找回密码？）
Q2: 是否需要权限管理？（角色、权限控制？）
Q3: 是否需要记住登录状态？（Token、Session？）
Q4: 是否需要多设备登录？（单点登录？）
问题组4：成功标准
Q1: 如何判断功能完成？（验收标准）
Q2: 有性能要求吗？（响应时间、并发量？）
Q3: 有安全要求吗？（加密、防护？）
Q4: 什么时候需要完成？（时间约束）
展示细化的需求摘要，用户确认或调整：
## 📋 需求确认
### 核心需求
- 功能：用户认证系统
- 用户：普通用户（移动端）
- 认证方式：手机号+验证码、微信OAuth
- 核心功能：注册、登录、找回密码、记住登录
### 技术约束
- 平台：微信小程序
- 技术栈：小程序原生 + Node.js + MySQL
- 集成：需要对接现有用户系统
### 成功标准
- 功能完整：注册、登录、找回密码流程完整
- 性能：登录响应 < 2秒
- 安全：密码加密、Token 7天有效
- 时间：2周内完成
### 范围边界
- ✅ 包含：注册、登录、找回密码
- ✅ 包含：微信OAuth
- ❌ 不包含：权限管理、多角色
- ❌ 不包含：单点登录
---
**是否确认这个需求？**
- A) 确认，继续方案探索
- B) 需要调整（请说明）
核心原则：探索3-5种方案，充分论证
## 🎨 方案探索
### 方案1：自定义认证系统
**实现方式**：
- 后端：Node.js + JWT
- 数据库：MySQL存储用户信息
- 认证：手机验证码（阿里云短信服务）
**优势**：
- ✅ 完全可控，灵活定制
- ✅ 无第三方依赖
**劣势**：
- ❌ 开发周期长（2周）
- ❌ 需要购买短信服务
- ❌ 需要自己维护安全性
**风险**：
- ⚠️ 短信服务可能被滥用
- ⚠️ 需要处理验证码过期、重发等问题
---
### 方案2：使用云开发（推荐）
**实现方式**：
- 微信云开发
- 云函数处理认证逻辑
- 云数据库存储用户信息
**优势**：
- ✅ 快速开发（1周）
- ✅ 微信原生集成
- ✅ 无需服务器维护
**劣势**：
- ❌ 依赖微信生态
- ❌ 扩展性受限
**风险**：
- ⚠️ 云开发限制（并发、存储）
---
### 方案3：第三方认证服务
**实现方式**：
- Authing、Firebase Auth
- SDK集成
**优势**：
- ✅ 最快上线（3天）
- ✅ 功能完整
- ✅ 安全性高
**劣势**：
- ❌ 有成本（按用户数收费）
- ❌ 数据不在自己手中
**风险**：
- ⚠️ 服务稳定性依赖第三方
---
### 方案对比
| 维度 | 方案1 自定义 | 方案2 云开发 | 方案3 第三方 |
|------|-------------|-------------|-------------|
| 开发周期 | 2周 | 1周 | 3天 |
| 灵活性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ |
| 成本 | 低 | 中 | 中-高 |
| 维护成本 | 高 | 低 | 低 |
| 安全性 | 需自己保证 | 中 | 高 |
---
### 推荐方案
**推荐方案2：云开发**
理由：
1. 时间紧迫（2周），云开发最快
2. 小程序原生支持，集成方便
3. 无需服务器维护，降低运维成本
4. 微信生态，用户体验最佳
用户确认方案，或重新探索：
## ✅ 方案确认
**选定方案**：微信云开发
**实施步骤预览**：
1. 配置云开发环境
2. 实现手机验证码登录
3. 实现微信OAuth
4. 实现找回密码
5. 测试与优化
**是否确认此方案？**
- A) 确认，继续实施规划
- B) 选择其他方案
- C) 重新探索方案
创建工件文件，传递给后续技能：
{
"skill": "prompt-enhancer",
"version": "2.0.0",
"timestamp": "2026-03-25T10:00:00Z",
"requirement": {
"original": "做一个用户认证功能",
"refined": {
"type": "功能开发",
"core_features": ["注册", "登录", "找回密码"],
"target_users": "普通用户（移动端）",
"auth_methods": ["手机号+验证码", "微信OAuth"],
"platform": "微信小程序",
"tech_stack": ["小程序原生", "Node.js", "MySQL"],
"success_criteria": [
"功能完整：注册、登录、找回密码流程完整",
"性能：登录响应 < 2秒",
"安全：密码加密、Token 7天有效"
],
"timeline": "2周"
}
},
"solution": {
"selected": "方案2：微信云开发",
"reasons": [
"时间紧迫（2周），云开发最快",
"小程序原生支持，集成方便",
"无需服务器维护，降低运维成本"
],
"alternatives": [
{
"name": "方案1：自定义认证系统",
"pros": ["完全可控", "无第三方依赖"],
"cons": ["开发周期长", "需要自己维护安全性"]
},
{
"name": "方案3：第三方认证服务",
"pros": ["最快上线", "功能完整"],
"cons": ["有成本", "数据不在自己手中"]
}
]
},
"next_skills": [
"planning"
]
}
用户场景（3-4问题）：
技术约束（3-4问题）：
功能范围（3-4问题）：
成功标准（3-4问题）：
系统规模（3-4问题）：
技术选型（3-4问题）：
非功能需求（3-4问题）：
优化目标（3-4问题）：
优化范围（3-4问题）：
权衡取舍（3-4问题）：
用户需求："优化性能"
细化过程：
问题组1：优化目标
Q1: 哪方面需要优化？
A: 首页加载速度太慢
Q2: 当前状态如何？
A: 现在加载要5秒，太慢了
Q3: 期望达到什么效果？
A: 希望能到2秒以内
Q4: 用户量多大？
A: 日活1万左右
问题组2：优化范围
Q1: 首页包含哪些内容？
A: 轮播图、推荐列表、广告位
Q2: 哪些部分最慢？
A: 轮播图加载特别慢
Q3: 图片多大？
A: 每张2-3MB
Q4: 有CDN吗？
A: 没有，都从服务器加载
细化结果：
需求：优化首页加载速度
当前：5秒
目标：< 2秒
瓶颈：轮播图过大（2-3MB/张）
方案：图片压缩 + CDN加速
用户需求："实现搜索功能"
方案探索：
方案1：数据库 LIKE 查询
方案2：Elasticsearch
方案3：Algolia
推荐：根据数据量选择
10万条：方案2
表现：用户说"做个登录"，直接实现 正确做法：先问3-4个问题确认需求
表现：问"什么平台？"就结束 正确做法：每个关键点问3-4个问题
表现："我觉得用户想要..." 正确做法：向用户确认，不要假设
表现：想到一个方案就用 正确做法：至少探索3个方案对比
表现：细化后不记录 正确做法：生成工件文件，传递给后续技能