prompt-optimizer

提示词迭代优化器。把一段粗糙/平淡的 prompt 系统化升级为结构化、强约束、带输出格式的高质量 prompt，并做版本管理（v1/v2...）+ 双 prompt 基准对比选优。覆盖角色设定、上下文、分步指令、输出格式、约束、示例占位、链式思考、自检步骤等增强。当用户需要"优化这段提示词""让 prompt 更强""对比两个 prompt""prompt versioning""improve my prompt"时调用。

提示词优化器（Prompt Optimizer）

把"凭感觉写的 prompt"升级为"工程化的 prompt"：结构化、强约束、可复现。配合 self-eval 形成闭环——优化后用 rubric 评分，分数低的维度再针对性增强。

适用场景

• 新任务起步时，从一句话需求生成可用 prompt
• 已有 prompt 效果不好，做系统化增强
• A/B 两个 prompt 哪个更好（bench 对比选优）
• 把验证过的 prompt 沉淀为团队模板（版本管理）

增强项（apply 时可按场景取舍）

1. 角色设定 — 注入领域专家身份（从任务推断领域）
2. 上下文块 — 明确背景/已知信息/约束
3. 分步指令 — 把要求拆成编号步骤
4. 输出格式 — 强制 JSON / Markdown / 表格等机器可读结构
5. 约束 — 显式"必须/不要"清单
6. 示例占位 — 预留 few-shot 位置
7. 链式思考 — 先推理再作答
8. 自检步骤 — 交付前按清单自检

标准工作流

bash

# 优化一个弱 prompt（输出到 prompt.optimized.md，并写入版本日志）
python scripts/optimize.py --task "把中文论文摘要翻译成英文并保持学术风格" \
    --prompt weak.txt --out prompt.optimized.md
# 对比两个 prompt 哪个更强
python scripts/bench.py --a p1.md --b p2.md --task "..." --out bench.json

质量门禁

• 优化后建议用 self-eval 评分；overall < 0.6 的维度回到对应增强项补强
• 版本日志 optimize_log.json 记录每次变更，便于回滚

自进化学习系统

bash

python scripts/learner.py record . --capability "提示词优化" [--fail --error <类型> --note <说明>]
python scripts/learner.py insight .
python scripts/learner.py reflect .

• 某增强项对某类任务特别有效 → 记录，reflect 建议设为默认开启
• 用户常用输出格式 → prefer 记录，未来默认套用