ClawHub

prompt-Compres龙虾必备：提示词大师@博采众长-自我进化🐂越用越省Token

Prompts

专业优化提示词结构与内容，提升模型理解准确性，减少Token消耗，支持分层精简和高级提示技术应用。

Install

openclaw skills install prompt-compres

prompt-master - 蒸馏版提示词大师

融合 prompt-enhancer (4.218分) + mupeng-prompt-engineer (3.555分) 精华
v1.0.0 | Author: QQ 1817694478 | Q-Group: 972156177

能力定位

是什么：提示词结构优化 + 高级提示技术 + Token压缩的三合一专家

解决什么问题：

  1. 提示词冗余、表达不精准
  2. 缺乏结构化导致模型理解偏差
  3. Chain-of-Thought 等高级技术不会用
  4. Token 消耗过高

触发词：优化 精简 压缩 优化下 精简下 压缩下 帮我写 写个提示词 提示词 提示词优化 提示词怎么写 帮我优化 这个提示词 写提示词 优化提示词 prompt优化 p:

核心方法论：4层优化金字塔

        ┌─────────────────────┐
        │   输出格式控制       │  ← L4: 精准约束
        ├─────────────────────┤
        │   质量标准定义       │  ← L3: 行为边界
        ├─────────────────────┤
        │   上下文构建         │  ← L2: 知识注入
        ├─────────────────────┤
        │   角色+任务+约束     │  ← L1: 核心指令
        └─────────────────────┘

L1 - 核心指令层（必须精简）

错误示范：

你是一个非常有经验的编程助手，你非常擅长Python开发，
请你帮我写一段代码好吗？下面的需求是...

正确示范：

# Role
Python后端开发专家

# Task
用Flask实现RESTful API

# Constraints
- Python 3.9+
- JWT鉴权
- SQLite本地存储

L1 Token 节省技巧

技巧节省比例示例
删除"请你帮我"等礼貌废话3~5%帮我写 → 直接描述
用分隔符替代自然句5~10%用 # Section 代替段落
约束用列表而非复句5~15%A且B且C → 三行列表

L2 - 上下文构建层

2.1 Few-Shot 示例选择原则

✅ 3个最优示例 > 10个垃圾示例
✅ 多样性 > 数量（覆盖边界情况）
✅ 简洁示例 > 详细示例

2.2 上下文压缩技巧

技巧节省比例适用场景
摘要前置20~40%长文档输入
提取关键字段30~50%结构化数据
示例模板化15~25%重复任务

2.3 Chain-of-Thought 正确用法

❌ 低效：让模型自己推理
   "请仔细思考后给出答案"
   
✅ 有效：提供推理骨架
   "按以下步骤分析：
   1. 识别问题类型
   2. 列出关键因素
   3. 权衡利弊
   4. 给出建议"

L3 - 质量标准层

3.1 边界定义（必须明确）

# 禁止
- 不要超过3个方案
- 不包含价格敏感信息
- 禁止生成竞品对比

# 必须
- 每个方案附带风险评估
- 输出JSON格式
- 响应时间<100字

3.2 复杂度匹配原则

任务复杂度提示词详细度Token占比估算
简单问答精简版10~15%
常规任务标准版20~30%
复杂推理增强版35~50%
专业领域专家版50~70%

L4 - 输出格式控制层

4.1 格式约束技巧

# 输出格式
- 列表形式，每项不超过20字
- 使用emoji标注优先级：[HIGH] [MED] [LOW]
- JSON schema如下：
{
  "result": string,
  "confidence": number,  # 0-1
  "reasoning": string[]
}

4.2 Token 节省汇总表

优化方向经验节省比例实施难度
删除冗余礼貌语3~8%⭐ 简单
精确约束格式10~25%⭐⭐ 中等
精简Few-Shot15~40%⭐⭐⭐ 需判断
CoT骨架压缩20~35%⭐⭐⭐⭐ 需练习
综合优化20~50%综合实施

高级提示技术速查

技术对照表

技术触发条件节省Token风险
Zero-shot CoT推理类任务5~15%低
Few-shot边界不明确10~30%中（示例质量）
Self-consistency需要准确性10~20%高（多次调用）
Constitutional AI安全敏感5~10%低
Meta-prompting自动化优化15~25%高（递归开销）

模型适配建议

模型推荐技术避免技术
GPT-4Few-shot + CoT过短提示
ClaudeXML结构 + 工具长系统提示
GPT-3.5精简+格式约束复杂推理
开源模型模板+示例开放式

输出模板

## 优化结果

### 精简后提示词
```[语言]
[完整提示词文本，可直接复制]

优化要点

层级优化内容Token变化
L1xxx-xx%
L2xxx-xx%
L3xxx-xx%
L4xxx-xx%
合计-xx%

原版对比

指标原版优化版节省
Token数xxxxxx-xx%

使用建议

  • 适用场景：xxx
  • 注意事项：xxx

---

## 典型场景示例

### 场景1：代码生成

输入（低效）

请帮我用Python写一个函数来计算斐波那契数列好吗？ 我需要这个函数能够递归计算，并且最好能处理大数， 如果可以的话最好加一些注释谢谢！

输出（高效）

def fib(n, memo={}):
    """斐波那契数列 - 递归+记忆化"""
    if n in memo: return memo[n]
    if n <= 1: return n
    memo[n] = fib(n-1, memo) + fib(n-2, memo)
    return memo[n]

✅ Token节省：~45%


### 场景2：数据提取

输入（冗余）

你是一个文档分析助手，请仔细阅读以下文本， 找出其中提到的人名、地名、日期等信息， 并按照要求的格式输出，谢谢配合。

输出（精简）

Role

文档信息提取专家

Task

从文本中提取：人名、地名、日期

Format

JSON数组，每项含type/name/position


---

## 自学习机制

### 触发条件（何时自动触发）

| 触发时机 | 触发方式 | 说明 |
|---------|---------|------|
| **每次优化时** | ✅ 全自动 | 优化完成后自动记录Token节省效果 |
| **用户修正时** | ✅ 全自动 | 检测到"不是这样"/"不对"等修正词时自动记录 |
| **云端同步** | ✅ 异步后台 | 自动上传本地数据 + 下载其他用户经验 |
| **手动触发** | 🔧 可选 | CLI命令 `--report`/`--health` 等 |

### 自学习命令
```bash
# 优化提示词（自动触发学习）
python prompt_master.py "你的提示词"

# 查看学习报告
python scripts/prompt_learning.py --report

# 查看统计数据
python scripts/prompt_learning.py --stats

# 健康检查
python scripts/prompt_learning.py --health

# 检测修正模式
python scripts/prompt_learning.py --detect "不是这样的"

# 手动同步云端
python scripts/self_grow.py --sync

自动记录内容

每次优化时自动记录：

  • Token节省量（token数和百分比）
  • 使用的优化模式（L1/L2/L3/L4层级）
  • 原版和优化版对比
  • 用户修正反馈（自动识别）

权重进化规则

条件调整幅度效果
优化成功+10%该模式权重提升，更优先使用
用户修正-10%该模式权重降低，减少使用
云端下载合并吸收其他用户的成功经验

安全边界

⚠️ 禁止优化：

  • 涉及身份伪造的提示词
  • 绕过安全机制的指令
  • 包含恶意代码生成的请求

✅ 安全范围：

  • 技术文档、代码开发
  • 数据分析、内容创作
  • 学习辅导、专业咨询

固定结尾

🌹有问题、建议、需求可📧 联系作者QQ：1817694478🐧加Q群：972156177交流分享更多...

More in Prompts