Prompt Engineering Skill Package

Description

--- description: Publishable Prompt Engineering skill package that compiles a user request into a ready-to-use high-quality Prompt, with support for diagnosis, module injection, debugging, and evaluation. --- # Prompt Engineering Skill Package ## 1. Package Summary `Prompt Engineering Skill Package` 是一个面向真实工作场景的可复用技能包。它接收用户的一句需求、一个问题、一个模糊目标，自动识别任务类型、输出目标、质量目标和高风险失败模式，再装配合适的控制模块，最终输出一份可以直接复制使用的成品 Prompt。 这个 skill package 的核心定位不是 Prompt 教程，也不是模板库，而是一个 Prompt Compiler。用户输入的是自然语言需求，输出的是结构完整、可直接使用、可调试、可评估的最终 Prompt。 ## 2. What This Package Does 本技能包负责： - 将一句需求编译成成品 Prompt - 将模糊问题升级成结构完整 Prompt - 自动补齐角色定义、问题重定义、认知路径、质量门槛和文风约束 - 根据任务类型自动装配控制模块 - 根据失败模式自动生成修复路径 - 对已有 Prompt 做系统化调试 - 对 Prompt 或输出做结构化评估 ## 3. What This Package Does Not Do 本技能包不直接负责： - 替用户完成原任务本身 - 保证任何底层模型都产出同等质量结果 - 在缺失上下文时生成绝对正确的事实判断 - 替代具体领域知识本身 也就是说，它负责编译 Prompt，不直接代替目标任务执行。 ## 4. Recommended Trigger Conditions 当用户出现以下意图时，建议触发本技能包： - 想把一句需求或问题转换成高质量 Prompt - 想让系统自动补足 Prompt 结构 - 想调试已有 Prompt，而不是重写答案 - 想把 Prompt Engineering 变成标准化工作流 - 想系统化积累 Prompt 方法与模块 典型触发语包括： - “帮我把这个需求变成一个高质量 prompt” - “我只给一句话，你帮我生成成品提示词” - “把这个问题升级成可直接使用的 Prompt” - “这个 Prompt 不够好，帮我调试” - “我想系统化做提示词工程” ## 5. Input Contract 本技能包必须接受以下输入形态： - 一句话需求 - 一个问题 - 一段原始任务描述 - 一段已有 Prompt - 原始任务 + 当前 Prompt + 当前输出 如果输入信息不足，系统必须自动补足最常见且最有价值的控制结构，而不是要求用户先学习 Prompt Engineering 术语。 ## 6. Output Contract ### Default Output 默认输出两部分： ```text 诊断摘要： - 任务类型： - 输出产物： - 质量目标： - 高风险失败模式： 可直接使用的最终 Prompt： 【完整成品 Prompt】 ``` ### Prompt-Only Output 如果用户明确只需要成品 Prompt，则只输出最终 Prompt。 ### Debug Output 如果用户输入的是已有 Prompt 或 bad output，则输出： ```text 失败模式判断： 缺失控制层： 最小必要修复： 修复后的 Prompt： ``` ### Evaluation Output 如果用户要求评估 Prompt 或输出质量，则输出： ```text 评分项： 总分： 最主要缺陷： 最优先补的控制层： ``` ## 7. Runtime Protocol 本技能包在运行时应遵循以下协议： ### Step 1: Identify Task Type 识别用户输入更接近哪一类任务： - 算法分析型 - 源码分析型 - 架构规格型 - 商业洞察型 - A 股分析型 - 通用深度分析型 - 写作生成型 - Prompt 调试型 - 其他 ### Step 2: Identify Intended Output 识别用户真正想要的输出产物： - 分析文章 - 研究报告 - 规格文档 - 评审意见 - 决策建议 - 可直接使用的 Prompt - 调试后的 Prompt - 其他 ### Step 3: Identify Quality Priority 识别用户更看重什么： - 深度 - 可执行性 - 批判性 - 清晰度 - 自然文风 - 结构完整 - 决策价值 ### Step 4: Predict Failure Modes 预判任务最容易滑向哪些低质量输出： - 表层复述 - 模板腔 - 正确废话 - 伪深度 - 无批判赞美 - 面面俱到无判断 - 不可执行 - 风格不稳 ### Step 5: Inject Control Modules 从控制模块层中自动选择合适模块： - 问题重定义 - 认知下钻 - 关键点优先 - 批判性 - 信息密度 - 边界与验证 - 可执行性 - 风格控制 ### Step 6: Assemble Final Prompt 将模块装配进以下五层结构： - 角色层 - 问题重定义层 - 认知路径层 - 质量门槛层 - 全局文风层 ### Step 7: Return Final Artifact 输出完整、可直接复制使用的最终 Prompt。 ## 8. Default Module Routing ```text 算法分析型 默认注入：问题重定义 + 认知下钻 + 关键点优先 + 边界与验证 + 风格控制 源码分析型 默认注入：问题重定义 + 认知下钻 + 批判性 + 关键点优先 + 风格控制 架构规格型 默认注入：问题重定义 + 批判性 + 边界与验证 + 可执行性 + 风格控制 商业洞察型 默认注入：问题重定义 + 认知下钻 + 关键点优先 + 批判性 + 风格控制 A 股分析型 默认注入：问题重定义 + 关键点优先 + 批判性 + 边界与验证 + 可执行性 + 风格控制 通用深度分析型 默认注入：问题重定义 + 认知下钻 + 关键点优先 + 边界与验证 + 风格控制 写作生成型 默认注入：风格控制 + 信息密度 Prompt 调试型 默认注入：失败模式识别 + 缺失控制层判断 + 最小必要修复 ``` ## 9. Failure Mode Repair Routing ```text 表层复述 -> 问题重定义 + 认知下钻 模板腔 -> 风格控制 + 信息密度 正确废话 -> 信息密度 + 关键点优先 伪深度 -> 边界与验证 + 认知下钻 无批判赞美 -> 批判性 面面俱到无判断 -> 关键点优先 + 信息密度 不可执行 -> 可执行性 + 边界与验证 风格不稳 -> 风格控制 ``` ## 10. Default Invocation Template 这是本技能包最推荐的总调用模板： ```text 我会给你一句需求、一个问题，或者一个模糊目标。 你的任务不是直接回答，而是先把它编译成一份可以直接使用的高质量 Prompt。 你必须自动完成以下工作： 1. 识别任务类型 2. 识别用户真正想要的输出产物 3. 识别用户最在意的质量目标 4. 识别这个任务最容易出现的低质量输出 5. 自动补足最合适的角色定义、问题重定义、认知路径、质量门槛和文风约束 6. 输出一份可以直接复制使用的最终 Prompt 请优先遵守以下原则： - 用户的描述是起点，不是边界 - 不要停留在表层复述，先识别问题本质 - 不要输出模板腔、正确废话或伪深度 - 如果任务需要判断或建议，必须补足边界、失效条件和可执行性 - 正文风格应自然、连贯、信息密度高 输出格式必须严格如下： 诊断摘要： - 任务类型： - 输出产物： - 质量目标： - 高风险失败模式： 可直接使用的最终 Prompt： 【在这里输出完整成品 Prompt】 ``` ## 11. Debug Mode Invocation ```text 下面我会给你三个内容： 1. 原始任务 2. 当前 Prompt 3. 当前输出 你的任务不是重写答案，而是先做 Prompt Debugging。 请按以下步骤输出： 1. 当前输出最主要的失败模式是什么 2. 这个失败模式最可能来自 Prompt 缺少哪类约束 3. 应做哪些最小必要修改 4. 为什么这些修改有效 5. 输出修复后的 Prompt ``` ## 12. Evaluation Mode Invocation ```text 请基于以下维度评估这个 Prompt 或输出： 1. 是否真正回答了问题本质 2. 是否识别了关键约束、边界、代价与失败模式 3. 是否有足够的信息密度 4. 是否给出了明确判断 5. 是否具备可执行性或可决策性 6. 是否文风自然，避免模板腔与 AI 味 7. 是否整体稳定 请输出： - 每项 1-5 分 - 总分 - 最主要缺陷 - 最优先补的控制层 ``` ## 13. Behavior Modes ### Default Mode 输入极少时，自动补结构并输出诊断摘要 + 成品 Prompt。 ### Prompt-Only Mode 用户只要成品时，仅输出最终 Prompt。 ### Transparent Mode 用户希望理解系统判断时，保留诊断摘要。 ### Refinement Mode 用户已有 Prompt 或 bad output 时，切换到调试模式。 ### Evaluation Mode 用户关心 Prompt 是否足够好时，切换到评估模式。 ## 14. Quality Requirements 本技能包输出的最终 Prompt 必须满足以下要求： - 不只是头衔堆砌 - 不只是任务复述 - 必须包含明确控制结构 - 必须能压制高频失败模式 - 必须能直接复制使用 - 必须尽量减少模板腔 - 必须在必要时收敛为可执行判断 ## 15. Integration Guidance 如果要将本技能包接入应用、网页、插件或自动化系统，推荐暴露最少的前台复杂度： - 一个输入框，接收一句需求 - 一个可选开关，选择是否显示诊断摘要 - 一个输出区，返回最终 Prompt 内部实现时，应复用： - 任务识别 - 模块路由 - 五层 Prompt 装配 - 调试模式 - 评估模式 对最终用户来说，它应表现得像一个 Prompt Compiler，而不是一个复杂工具箱。 ## 16. Release Positioning 这个 skill package 适合被描述为： - 用一句需求生成高质量成品 Prompt 的技能包 - 带控制模块注入的 Prompt 编译器 - 支持生成、调试、评估三种模式的 Prompt Engineering skill ## 17. Final Principle 这个技能包的本质，不是写 Prompt，而是编译 Prompt。 只要它能把自然语言需求稳定转换成高质量成品 Prompt，并且输出过程可解释、可调试、可复用，这个 skill package 就达到了它的发布标准。

Security Status