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/openJiuwen-ai/agent-store --skill audit-prompt-cold-start-202607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。
基于 SOC 职业分类
正在显示 SKILL.md
| name | audit-prompt-cold-start-202607 |
| description | 审核提示词冷启动生成技能，根据规则文档自动生成结构化7段式审核提示词并支持迭代优化。触发词：提示词生成、冷启动、prompt生成、审核提示词 |
| version | 1.0.0 |
扮演审核提示词工程专家。通过分析业务规则文档，自动生成结构化的7段式审核提示词，支持迭代优化直到达到目标质量分数，为审核技能提供冷启动提示词。
银行限额解控审核（提示词工程）
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
根据业务规则文档自动生成结构化的7段式审核提示词，支持快速生成（单次）和迭代优化（评估→改进→再评估）两种模式。
| 属性 | 值 | | 任务类型 | 审核提示词工程 | | 风险等级 | 低（提示词质量影响下游审核） | | 数据依赖 | 业务规则文档 + 文本LLM | | 决策类型 | 提示词生成（非判断型） |
| 要求项 | 状态 | | 监管合规 | 不涉及个人金融信息处理 | | 免责声明 | 生成的提示词需经人工验证后才可用于生产 | | 审计日志 | 记录生成/优化迭代链、模型版本、时间戳 | | 引用来源 | 输入的业务规则文档 |
| 参数名 | 类型 | 必填 | 说明 | | rule_document | str | 是 | 规则文档（Markdown格式） | | optimize | bool | 否 | 是否启用迭代优化（默认 False） | | target_score | float | 否 | 目标分数（默认 8.0） | | max_iterations | int | 否 | 最大迭代次数（默认 3） | | llm_config | dict | 否 | 文本LLM配置（不传则使用服务端默认） |
| 字段 | 类型 | 必填 | 说明 | | api_key | str | 是 | API 密钥 | | base_url | str | 否 | API 端点 | | model | str | 否 | 模型名称，默认 qwen-plus（文本模型） | | temperature | float | 否 | 温度参数，默认 0.3 | | max_tokens | int | 否 | 最大输出token数，默认 8192 |
注意： 本技能使用文本LLM（如 qwen-plus），不是视觉模型。
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | data.prompt | str | 生成的提示词（7段式结构） | | data.score | float | 评估分数（快速模式为 null） | | data.iterations | int | 优化迭代次数（快速模式为 0） | | data.history | List[Dict] | 优化历史（仅优化模式） | | error | str | 失败时的错误信息 |
# Role
你是审核提示词工程专家
# Tool Routing 规则（按 priority）
1. 文本 LLM（生成器）→ 提示词生成（优先）
2. 文本 LLM（评估器）→ 提示词质量评估（优化模式）
3. 文本 LLM（改进器）→ 提示词改进（优化模式）
# Selection 策略
- optimize=False（快速模式）：规则文档 → 生成器 → 提示词
- optimize=True（优化模式）：规则文档 → 生成器 → 评估器 → 改进器 → 评估器... → 达标提示词
# Fallback
生成失败 → 返回错误信息
评估未达标且迭代耗尽 → 返回最新版本提示词 + 评估分数
| 节点 | 模块 | 任务 | 状态 | 检查点 | | N1-输入校验 | 输入模块 | 校验规则文档非空 | 必须 | rule_document非空 | | N2-快速生成 | LLM生成器 | 单次生成提示词 | 核心 | 7段式结构完整 | | N3-质量评估 | LLM评估器 | 5维度评估 | 优化模式 | 加权分数 | | N4-迭代改进 | LLM改进器 | 根据评估改进提示词 | 优化模式 | 改进后提示词 | | N5-达标检查 | 控制模块 | 检查是否达标 | 优化模式 | 分数≥目标 | | N6-输出组装 | 输出模块 | 组装标准输出 | 必须 | JSON格式合规 |
规则文档 → [生成器] → 提示词
规则文档 → [生成器] → 提示词 v1
↓
[评估器] → 分数 6.5（未达标）
↓
[改进器] → 提示词 v2
↓
[评估器] → 分数 7.8（未达标）
↓
[改进器] → 提示词 v3
↓
[评估器] → 分数 8.5（达标）✓
| 维度 | 权重 | 说明 | | 完整性 (Completeness) | 20% | 是否遗漏规则条款 | | 准确性 (Accuracy) | 25% | 数字、关键词是否准确 | | 结构化 (Structure) | 20% | 7段式结构是否规范 | | 可执行性 (Executability) | 20% | 下游LLM能否理解和执行 | | 一致性 (Consistency) | 15% | 规则之间是否逻辑一致 |
通过标准： 加权总分 >= 8.0
生成的提示词遵循标准的7段式结构：
<inputs> 占位符{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...\n\n# 输入信息\n...",
"score": null,
"iterations": 0
}
}
{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...",
"score": 8.5,
"iterations": 2,
"history": [
{"iteration": 0, "prompt": "...", "score": 6.5, "evaluation": {...}},
{"iteration": 1, "prompt": "...", "score": 7.8, "evaluation": {...}
...
| 依赖系统 | 作用 | 必需 | | 文本LLM（生成器） | 提示词生成 | 是 | | 文本LLM（评估器） | 提示词质量评估 | 是（优化模式） | | 文本LLM（改进器） | 提示词改进 | 是（优化模式） | | Python 3.8+ | 运行环境 | 是 | | httpx | HTTP 请求 | 是 | | pyyaml | 配置解析 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | 文本LLM（生成器） | MCP tool | P0 | 返回生成失败 | | 文本LLM（评估器） | MCP tool | P1 | 跳过评估，返回未评分提示词 | | 文本LLM（改进器） | MCP tool | P1 | 跳过改进，返回最新版本 |
LLM 生成失败: 返回错误信息，提示检查 llm_config 评估未达标且迭代耗尽: 返回最新版本提示词 + 评估分数，标注"未达标" API 超时: 重试一次，仍失败则返回错误
会话级缓存：生成的提示词缓存至会话结束，避免重复生成相同规则的提示词。TTL = 会话生命周期
| 指标 | 目标 | | 提示词达标率 | ≥ 80%（单次优化后 ≥ 8.0 分） | | 平均迭代次数 | ≤ 2（达到 8.0 分） | | 单次生成延迟 | ≤ 30s（快速模式） |
记录工具调用链、入参（规则文档摘要）、出参（提示词长度/评分/迭代次数）、数据源（模型名称）、时间戳、模型版本
本提示词由 AI Agent 自动生成，需经人工验证后才可用于生产环境，不保证直接可用性。
满足以下任一条件时，结束技能执行：
输入：
{ "rule_document": "# 图像分类规则\n必须识别：身份证、护照...", "optimize": true, "target_score": 8.0 }
输出：
{
"success": true,
"data": {
"prompt": "# 角色定位\n你是专业的【图像分类】审核助手...",
"score": 8.5,
"iterations": 2
}
}
from scripts.prompt_generator import PromptGenerator
generator = PromptGenerator(
llm_config={
"api_key": "your-api-key",
"base_url": "${your-base-url}",
"model": "${your-model-name}",
}
)
# 快速生成
result = generator.generate(rule_doc)
# 迭代优化
result = generator.generate_and_optimize(rule_doc, target_score=8.0, max_iterations=3)
curl -X POST http://localhost:8005/skill/audit_prompt_generate \
-H "Content-Type: application/json" \
-d '{"rule_document": "# 规则文档\n...", "optimize": true, "target_score": 8.0}'
{"success": false, "error": "规则文档不能为空"}