Install
openclaw skills install prompt-improveimprove your prompt
将模糊的用户请求转化为基于四要素框架的详细、可操作提示。该技能直接根据用户的输入生成结构化提示，无需交互式澄清。技能仅生成用于执行任务的提示文本，不执行实际任务或探索性操作。基于角色设定、任务描述、上下文信息和指令约束四个核心要素构建优秀prompt。
提示优化器
一项将模糊、不明确或未充分指定的用户请求转化为详细、可操作提示的技能，这些提示可以由AI助手或人类协作者有效执行。
为什么这项技能重要
许多用户难以清晰地表达他们的需求。他们可能会说"帮我做个东西"、"这个怎么弄"或"我需要一个工具来..."。这些模糊的陈述缺乏有效协助所需的特异性。本技能基于优秀prompt的四个核心要素构建结构化提示，弥合模糊请求与可执行指令之间的差距：
- 角色设定 - 明确AI应扮演的专业角色和领域
- 任务描述 - 清晰定义具体任务和期望结果
- 上下文信息 - 提供必要的背景、环境和限制条件
- 指令与约束 - 设定明确的规则、格式和质量标准
通过这四要素框架，确保生成的提示具有明确性、可操作性和高质量。
关键区别：仅生成提示，不执行任务
这是本技能最重要的原则：当调用此技能时，只根据用户的描述生成prompt，不做任何其他多余操作。与其他技能不同，此技能：
- 不执行用户请求的实际任务
- 不探索文件系统或代码库
- 不收集额外信息或上下文
- 不调用任何工具进行分析
技能的唯一输出就是优化后的prompt文本本身。例如，当用户说"了解代码的架构"时，技能生成一个用于分析代码架构的prompt模板，而不是实际分析代码。
何时使用此技能
当遇到以下任何模式时，请主动使用此技能：
- 上下文极少：用户提供1-2句话而没有背景信息
- 目标模糊："让它更好"、"修复这个"、"添加些东西"
- 未定义范围：没有明确的边界或成功标准
- 隐含假设：用户假设你知道他们的意思
- 混合语言：中英文混合的随意表达，如"帮我写个script"
- 交付成果不明确："给我个方案"而没有指定格式
重要：不要等到用户明确要求优化提示。如果他们的请求感觉不完整或模糊，请激活此技能以确保在继续之前理解他们的真实需求。
如何使用此技能
当用户提供模糊或不明确的请求时，立即且仅根据用户输入生成基于四要素框架的结构化提示。绝对不要执行任何探索性操作，技能的唯一且全部输出就是优化后的提示本身。
核心原则（必须严格遵守）：
- 仅生成提示：技能的唯一功能是生成用于执行任务的提示文本，不执行任务本身
- 零探索：不读取文件、不分析代码库、不调用任何工具来探索实际环境
- 纯文本转换：基于用户输入的字面含义和常见模式直接生成提示，不做任何额外信息收集
- 输出即产品：最终输出是一个完整的、可直接使用的prompt文本，没有其他任何内容
自动生成流程
- 解析用户输入：将用户的模糊请求作为核心任务描述
- 推断关键要素：基于输入内容推断角色设定、上下文信息等（使用常见模式，不探索实际环境）
- 填充模板：将分析结果填充到四要素框架模板中
- 输出优化提示：生成完整的结构化提示供用户使用
提示模板
# [清晰、具体的任务标题]
## 1. 角色设定
[明确AI应扮演的角色和专业领域，例如：数据分析专家、软件架构师、内容策略师、技术顾问等]
## 2. 任务描述
[清晰、详细地描述需要完成的具体任务，包括主要目标、期望结果和交付成果]
## 3. 上下文信息
- **背景**：[项目背景、现状、问题描述、业务需求]
- **相关人员**：[涉及的用户、团队、利益相关者及其需求]
- **技术环境**：[现有技术栈、工具、平台、系统限制]
- **业务场景**：[使用场景、业务流程、价值主张]
## 4. 指令与约束
- **输出格式**：[期望的交付成果格式，如代码文件、文档、设计稿、配置等]
- **技术要求**：[必须或推荐使用的技术、框架、库、版本]
- **质量要求**：[性能指标、准确性标准、用户体验、安全合规]
- **限制条件**：[时间、预算、资源、兼容性、法规等限制]
- **成功标准**：[具体、可衡量的评估指标，如何验证解决方案有效性]
示例
示例1：模糊请求 → 优化提示
用户说："帮我做个数据分析工具"
直接生成的优化提示：
# 为销售团队创建自动化数据分析工具
## 1. 角色设定
数据分析工具开发专家，专注于业务数据自动化处理解决方案
## 2. 任务描述
为销售团队创建一个用户友好的数据分析工具，自动化月度销售报告流程，提供关键指标可视化，并将结果导出为可共享的格式。
## 3. 上下文信息
- **背景**：销售团队目前依赖手动Excel处理月度交易数据，过程耗时且容易出错，需要自动化解决方案
- **相关人员**：销售团队成员（非技术人员）、销售经理、财务部门
- **技术环境**：现有数据为CSV格式导出，团队使用Windows系统，无专用数据分析工具
- **业务场景**：每月需要生成销售报告，分析销售趋势，支持业务决策
## 4. 指令与约束
- **输出格式**：具有Web界面的Python应用程序（优先考虑Flask或Streamlit）
- **技术要求**：
- 接受CSV格式的销售交易数据
- 支持常见数据操作（计算总计、平均值、增长率）
- 集成数据可视化库（生成条形图、折线图、饼图）
- 支持PDF报告导出功能
- **质量要求**：
- 界面直观，非技术用户无需培训即可使用
- 计算准确性需与手动Excel结果一致
- 系统稳定，处理常见数据格式无错误
- **限制条件**：
- 必须离线工作（无云服务依赖）
- 需在标准办公电脑上运行（无高性能计算要求）
- 支持Windows操作系统
- **成功标准**：
- 月度报告处理时间从8小时减少到1小时以内
- 销售经理可独立使用工具生成报告
- 计算结果100%准确，与手动验证一致
示例2：模糊改进请求
用户说："Make my website better"
直接生成的优化提示：
# 网站全面优化方案
## 1. 角色设定
网站优化专家，专注于用户体验、性能提升和搜索引擎优化
## 2. 任务描述
对现有网站进行全面优化，提升用户体验、加载速度和搜索引擎排名，实现更好的转化效果
## 3. 上下文信息
- **背景**：网站当前存在性能瓶颈和用户体验问题，需要系统性优化以提升业务效果
- **相关人员**：网站访客、市场营销团队、技术开发团队、业务负责人
- **技术环境**：现有网站技术栈未知，需要兼容主流浏览器和移动设备
- **业务场景**：通过网站吸引潜在客户，提供信息或服务，促进业务转化
## 4. 指令与约束
- **输出格式**：详细的优化方案报告，包含具体实施步骤和技术建议
- **技术要求**：
- 分析网站当前性能指标（加载速度、核心Web指标）
- 评估用户体验和界面设计问题
- 检查搜索引擎优化（SEO）现状
- 提供具体的技术实施建议
- **质量要求**：
- 优化方案需有明确的优先级排序
- 每个建议需说明预期效果和实现难度
- 提供可衡量的改进目标
- **限制条件**：
- 考虑实施成本和资源限制
- 确保优化不影响现有功能
- 兼容现有技术架构
- **成功标准**：
- 网站加载速度提升50%以上
- 核心Web指标达到良好标准
- 用户满意度显著提升
- 搜索引擎排名改善
示例3：代码架构分析请求
用户说："了解代码的架构"
直接生成的优化提示：
# 代码架构分析请求
## 1. 角色设定
软件架构分析专家，专注于代码结构解析、技术栈识别和系统设计评估
## 2. 任务描述
对指定代码库进行全面的架构分析，包括识别主要模块、理解技术栈、分析设计模式、评估代码质量，并提供架构改进建议
## 3. 上下文信息
- **背景**：需要理解现有代码库的整体架构，为后续开发、重构或维护工作奠定基础
- **相关人员**：开发团队、技术负责人、新加入的开发者、系统架构师
- **技术环境**：代码库语言和技术栈未知，需要兼容常见的开发环境和工具
- **业务场景**：理解系统设计，评估技术债务，规划架构演进，支持团队协作
## 4. 指令与约束
- **输出格式**：详细的架构分析报告，包含以下章节：
1. 技术栈识别（编程语言、框架、库、工具）
2. 项目结构分析（目录组织、模块划分）
3. 核心模块与组件（主要功能模块及其关系）
4. 设计模式与架构风格识别
5. 依赖关系分析（内部依赖、外部依赖）
6. 代码质量评估（复杂度、可维护性、测试覆盖）
7. 架构改进建议与演进路线
- **技术要求**：
- 使用适当的架构分析工具和方法
- 生成可视化图表展示架构关系（如组件图、依赖图）
- 提供具体的代码示例说明关键设计决策
- **质量要求**：
- 分析全面，覆盖技术、结构和质量多个维度
- 建议具体可行，有明确的实施优先级
- 报告结构清晰，适合技术团队使用
- **限制条件**：
- 分析应基于代码库的实际内容，不做过度假设
- 考虑团队的技能水平和资源限制
- 保持客观，基于事实而非个人偏好
- **成功标准**：
- 开发团队能够基于报告快速理解代码架构
- 识别出关键的架构问题和改进机会
- 提供可操作的架构演进建议
- 报告内容准确反映代码库实际情况
四要素框架优势
本技能采用的四要素框架（角色设定、任务描述、上下文信息、指令约束）是构建优秀prompt的关键，具有以下优势：
- 结构化清晰：四个要素逻辑递进，确保提示完整无遗漏
- 角色明确：帮助AI理解自身定位，提供更专业的响应
- 任务具体：避免模糊描述，确保目标明确可执行
- 上下文完整：提供必要背景，减少AI猜测和假设
- 约束明确：设定清晰边界，提高输出质量和相关性
高级技巧
处理文化上下文
当用户混合使用中文和英文或使用口语表达时，解码潜在需求而非字面翻译。"帮我弄一下"通常意味着"帮助我实施/设置/修复"而不仅仅是"帮助我"。
处理极度模糊
对于"做个东西"这样的请求，自动推断：
- 用户可能正在经历的痛点
- 类似工具或解决方案的常见模式
- 可能的用户角色和行业上下文
- 基于常见需求生成合理的假设
提示迭代周期
将提示优化视为迭代：生成 → 获取反馈 → 优化 → 执行。每个周期提高理解力和结果质量。
进阶方法
除了四要素框架外，以下进阶方法可以进一步提升提示的质量和效果：
1. 任务分解：一步步解决复杂问题
对于复杂任务，引导AI采用分步处理策略，而不是一次性解决所有问题：
应用方法：
- 输出大纲先行：要求AI先输出整体大纲或架构，然后基于该大纲填充细节
- 分阶段执行：将复杂任务分解为逻辑步骤，按顺序完成（如：需求分析→架构设计→代码实现→测试验证）
- 检查点设置：在关键节点设置检查点，确保每一步都符合预期后再继续
优化提示示例： "请采用分步策略完成此任务：首先输出整体解决方案大纲，包括主要模块和关键决策点，然后基于该大纲逐步深入每个模块的详细设计和实现。"
2. 链式思考：展示推理过程
要求AI展示思维链（Chain-of-Thought），让推理过程透明化，这通常比直接给出答案更准确：
应用方法：
- 显式推理：明确要求AI"展示你的推理过程"或"逐步解释你的思考逻辑"
- 假设说明：要求AI明确列出所有假设，并说明这些假设如何影响解决方案
- 替代方案对比：对于关键决策点，要求提供多个备选方案并对比优缺点
优化提示示例： "请展示你的链式思考过程：首先分析问题核心，然后列出可能的解决方案，评估每个方案的优缺点，最后基于评估结果给出推荐方案并详细说明理由。"
3. 明确性准则：避免模糊词汇
在提示中使用具体、可衡量的语言，消除歧义：
模糊词汇 → 明确表达
- "快速" → "在3秒内完成响应"
- "好看的设计" → "遵循Material Design规范，使用一致的配色方案和间距"
- "高效" → "时间复杂度O(n)，内存使用不超过100MB"
- "用户友好" → "新用户能在2分钟内完成首次使用，无需阅读说明文档"
明确性检查清单：
- ✅ 所有要求都有具体的衡量标准
- ✅ 时间、数量、质量等都有明确数值或范围
- ✅ 专业术语有明确定义或解释
- ✅ 成功标准可客观验证（无需主观判断）
综合应用示例
原始模糊请求："帮我优化数据库查询"
进阶优化提示：
# 数据库查询性能优化方案
## 1. 角色设定
数据库性能优化专家，精通SQL查询调优和索引设计
## 2. 任务描述
为电商订单查询系统提供性能优化方案，将当前平均查询响应时间从5秒降低到500毫秒以下
## 3. 上下文信息
- **背景**：订单查询页面在高峰期响应缓慢，影响用户体验和转化率
- **技术环境**：MySQL 8.0，订单表有5000万条记录，当前查询使用多个JOIN和子查询
- **约束条件**：不能修改现有数据架构，优化必须在现有表结构基础上进行
## 4. 指令与约束
- **输出要求**：
1. 先提供整体优化策略大纲，然后基于该大纲详细实现
2. 展示每个优化步骤的推理过程和性能影响分析
3. 提供具体的SQL改写示例和索引建议
- **明确性要求**：
- 所有性能目标必须有具体数值（如：响应时间<500ms，CPU使用率降低30%）
- 每个优化建议必须说明预期提升幅度和验证方法
- 提供可执行的测试SQL和性能对比数据
- **成功标准**：
- 优化后查询在测试环境验证响应时间<500ms
- 提供完整的性能测试报告和监控指标
实践建议
- 渐进式采用：从最简单的明确性要求开始，逐步引入任务分解和链式思考
- 模板化：为重复性任务创建包含这些进阶方法的提示模板
- 质量评估：定期回顾优化后的提示，评估其明确性和效果，持续改进
要避免的常见陷阱
❌ 执行实际任务：绝对不要执行用户请求的实际任务。例如，当用户说"了解代码的架构"时，不要读取文件或分析代码库，只生成用于分析代码架构的prompt ❌ 过度工程化：不要使提示过长或过于复杂 ❌ 假设过多：验证假设而非猜测 ❌ 忽略文化细微差别：理解字面翻译之外的上下文 ❌ 跳过验证：生成的提示应尽可能完整，减少用户二次确认的需要 ❌ 一刀切：根据用户明显专业知识调整方法
成功指标
当出现以下情况时，您会知道此技能正在发挥作用：
- 用户对您提供的清晰度表示赞赏
- 生成的提示基于四要素框架，结构完整清晰
- 需求变得具体且可操作，角色、任务、上下文、约束明确
- 解决方案更好地匹配用户期望，减少AI猜测
- 由于误解而需要的返工减少
- 用户学会随着时间的推移提供更好的提示
记住：目标不仅仅是创建更好的提示——而是建立您与用户之间更好的理解。每个澄清的需求都代表着向更有效协作和更好结果迈出的一步。