Better Prompt - Prompt 优化器

目标

当用户明确要求"优化 prompt"、"改进提示词"、"润色指令"、"将简陋 prompt 转换为最佳实践版本"，或要求"把 prompt 改写成伪代码"、"翻译成程序结构/可编程自然语言"时使用。

本技能提供两种输出模式：

• standard（默认）：增强导向。基于 OpenAI 和 Anthropic 官方最佳实践，对简陋 prompt 进行结构化补全，输出高质量版本；允许补充示例、上下文和约束。
• prompt_program：保真导向。将原始 prompt 严格等价翻译为 Prompt Program 方言——形式上像伪代码，语义上仍是人类自然语言；不新增无依据能力。

两种模式共享同一套语义分析内核（6 个语义原子），只差输出渲染方式。本技能不负责执行 prompt 对应的任务本身。

流程

输入

输入要求

用户提供一个待优化的原始 prompt（可以是任意形式的简陋版本）。

执行步骤

版本与兼容性

• 适用于：Claude 3.x/4.x、GPT-4/5、Gemini 等主流 LLM
• 最佳实践来源：OpenAI/Anthropic 官方文档（2026-02）
• 更新策略：官方文档重大更新时同步修订

不适用场景

以下情况不建议使用本技能：

• prompt 已经经过专业优化（评分 ≥ 8/10）
• 只需要诊断问题，不需要修改建议
• 超长 prompt（>10000 字）需要专业拆分
• 用户明确要求保持原始风格
• 用户只想执行任务，不关心 prompt 本身的质量或结构

优化框架

standard 模式基于 OpenAI 和 Anthropic 官方最佳实践，采用五维度优化框架：

维度	检查点	优先级
清晰度	指令是否明确？是否存在歧义？	P0
完整性	是否缺少必要信息？上下文是否充分？	P0
结构化	是否使用 Markdown/XML 标签组织内容？	P1
示例性	是否提供输入输出示例（few-shot）？	P2
约束性	是否明确边界（做什么/不做什么）？	P2

注意：上表的 P0/P1/P2 表示"优化维度的重要性优先级"，与 config.yaml 中的 dimensions 数值（1-5）含义相同：P0=5（最高优先级）、P1=4、P2=3。

输出模式选择

在分析完成后、生成结果前，按以下规则选择输出模式：

用户请求特征	输出模式
要求"伪代码"、"程序结构"、"可编程自然语言"，或直接提到 Prompt Program	prompt_program
其它优化/润色/改进请求（未指定输出形式）	standard（默认）

• 一次任务只使用一种模式，不混合输出。
• 未指定形式时默认 standard，并在使用建议中提示可切换为 prompt_program。
• 默认模式由 config.yaml:output_modes.default 控制。

优化工作流

Step 0: 输入验证（前置检查）

验证用户输入的有效性：

输入状态	判断标准	处理方式
空输入	字符数 = 0	拒绝，提示"请提供待优化的 prompt"
过短	字符数 < 10	提示"prompt 过短，请提供更多上下文"
已完善	评分 ≥ 8/10	提示"prompt 已足够完善，是否仍需优化？"，等待用户确认
有效	通过验证	继续 Step 1

prompt_program 模式下，非 prompt 型输入（完整代码实现请求等）直接说明不适合翻译，要求提供真正的 prompt；其最小输入长度阈值（6）由 config.yaml:output_modes.prompt_program.translation.input_validation.min_length 独立控制。

Step 1: 语义分析（6 原子）

用 6 个语义原子解析原始 prompt，作为两种输出模式共用的统一分析内核（原子定义与块映射详见 references/prompt-program/primitives.md）：

原子	回答的问题	典型内容
Entity	有什么	角色、输入、输出对象、工具、状态
Intent	要达成什么	目标、交付物、成功条件
Operation	要做什么	核心动作链
Constraint	边界是什么	必须、禁止、偏好、格式
Control	逻辑怎样流动	条件、分支、循环、回退
Check	如何确认成立	校验、验收、结束条件

分析产出三项结论：

• 原子清单：每个原子在原 prompt 中已有的内容
• 缺失要素：哪些原子无内容或信息不完整
• 改进空间：哪些地方可以优化

6 原子与五维度的关系：6 原子是语义解析视角（原 prompt 里有什么），五维度是质量优化视角（standard 模式下优化到什么程度）。分析用原子，评分用维度。

Step 2: 确定模型类型适配（仅 standard 模式）

根据任务特性判断目标模型类型：

模型类型	适用场景	优化策略
GPT 模型	精确执行、格式化输出、代码生成	提供详细步骤和明确逻辑
推理模型	复杂推理、多步规划、开放性任务	给高层目标，保留灵活性

如果用户未指定，默认按 GPT 模型优化策略处理（更精确）。

Step 3: 按模式应用优化模板

standard 模式——优化后 prompt 的标准结构模板：

# Identity（身份定义）
[描述 AI 的角色、专业领域、沟通风格]

# Instructions（核心指令）
[明确的任务说明]
- 规则 1
- 规则 2
- 约束条件（不做什么）

# Examples（示例）
<example id="1">
<input>示例输入</input>
<output>示例输出</output>
</example>

# Context（上下文）
[任务相关的背景信息、参考资料]

Examples 的使用规则：

• 对于复杂任务（复杂度 ≥ 3/5），Examples 是必需的
• 对于简单任务，Examples 可以省略
• 如原始 prompt 已有示例，优化时应保留或增强

prompt_program 模式——按 config.yaml:output_modes.prompt_program.rendering.block_order 输出块结构：

程序：……（可选）

目标：……
输入：……
输出：……

定义：（可选）
- ……

约束：
- 必须……
- 优先……
- 不要……

流程：
1. ……
2. 若……，则……；否则……。
3. 对每个……，执行……。

校验：
- ……

缺口处理：（可选）
- 若信息不足，则……

返回：
- ……

渲染必守规则：

• 输出 只定义目标产物、目标格式或目标效果
• 返回 只定义对 输出 的交付动作，不能引入新产物
• 程序、定义、缺口处理 属于可选块；为空就省略（omit_empty_blocks=true 时禁止补空块）
• 组织顺序：先边界后执行、先主流程后异常路径、先硬约束后风格偏好
• 若原 prompt 缺少显式校验，必须补出最小可执行校验
• 用户指定的字段、章节或步骤顺序默认保持原顺序；关键术语、变量名、实体名默认保留原词

Step 4: 输出优化结果

standard 模式输出包含三个部分（默认全部包含，可通过 config.yaml 调整）：

1. 优化分析：简要说明做了哪些改进
2. 优化后的 prompt：符合最佳实践的高质量版本
3. 使用建议：针对特定场景的调整建议

prompt_program 模式默认只输出最终 Prompt Program，不附带长篇分析（translation.default_output_mode: final_only）。

prompt_program 模式专属规则

以下规则只约束 prompt_program 模式，不适用于 standard 模式：

等价性原则：

• 允许重排表达，不允许改变目标
• 允许补出隐式流程，不允许新增无依据能力
• 允许强化校验，不允许削弱关键约束
• 允许压缩表述，不允许丢失显式格式契约
• 允许补足交付动作，不允许把"输出"偷换成"输出说明书"

控制流推断：

• 只在原 prompt 显式给出条件/循环/回退，或存在强隐含控制（如"每个样本"、"若证据不足"）时补写控制流
• 不允许为了"更像程序"凭空添加分支、循环或异常路径

冲突处理顺序（冲突时严格遵循 config.yaml:output_modes.prompt_program.translation.conflict_resolution_order）：

1. 核心意图
2. 硬约束
3. 输出契约
4. 校验要求
5. 风格偏好

缺口处理：

• 可用常识低风险补足时，直接补足并体现在结构中
• 缺失信息会改变任务本质时，在 缺口处理 块中显式标注，不擅自虚构
• 默认不频繁追问；只有任务语义无法成立时才要求澄清

详细翻译规则见 references/prompt-program/translation-rules.md。

优化效果评估

standard 模式对优化前后的 prompt 进行对比评估：

维度	优化前评分	优化后评分	改进说明
清晰度	x/5	x/5	...
完整性	x/5	x/5	...
结构化	x/5	x/5	...
示例性	x/5	x/5	...
约束性	x/5	x/5	...
总分	xx/25	xx/25	+xx

评分标准：1=很差、2=较差、3=一般、4=良好、5=优秀

prompt_program 模式不使用上述评分表，改用等价性五条质量标准（见"校验"章节）。

特殊场景处理（仅 standard 模式）

根据 config.yaml 中的 templates 配置，针对不同场景有特定的优化重点：

代码生成类 prompt

配置引用：config.yaml:templates.code_generation.focus_areas

额外关注：

• 明确编程语言和框架
• 指定代码风格规范
• 说明错误处理要求
• 提供边界条件示例

文本分析类 prompt

配置引用：config.yaml:templates.text_analysis.focus_areas

额外关注：

• 明确输出格式（JSON/表格/摘要）
• 定义分析维度和标准
• 提供分类/评估示例

创意写作类 prompt

配置引用：config.yaml:templates.creative_writing.focus_areas

额外关注：

• 定义风格和语调
• 说明目标受众
• 提供参考示例
• 设置长度约束

多轮对话类 prompt

配置引用：config.yaml:templates.multi_turn_conversation.focus_areas

额外关注：

• 定义对话角色和边界
• 说明状态管理要求
• 提供异常处理规则

参考资料

更多详细的最佳实践，参考 references/prompt-engineering-best-practices.md；Prompt Program 的原子定义、翻译规则和示例见：

• references/prompt-program/primitives.md：6 个原子、块语义与省略规则
• references/prompt-program/translation-rules.md：输入验证、保真与冲突规则
• references/prompt-program/examples.md：典型翻译示例

输出

输出格式

standard 模式：

## 优化分析

| 维度 | 原始状态 | 优化措施 |
|------|---------|---------|
| 清晰度 | ... | ... |
| 完整性 | ... | ... |
| 结构化 | ... | ... |
| 示例性 | ... | ... |
| 约束性 | ... | ... |

## 优化后的 Prompt

# Identity
...

# Instructions
...

# Examples（如适用）
...

# Context（如适用）
...

## 使用建议

- 适用于：[模型类型/场景]
- 调整建议：[如需针对特定场景调整的建议]

prompt_program 模式：只输出最终 Prompt Program（块结构见 Step 3 模板），不附带长篇分析。

输出管理

BenszAPI 任务工作区

校验

质量标准

standard 模式下，优化后的 prompt 必须满足：

标准	要求
明确性	核心任务一句话能说清
可执行性	AI 能直接理解并执行
完整性	不缺少必要信息
结构化	使用 Markdown/XML 清晰组织
可测试性	能判断输出是否符合预期

prompt_program 模式下，合格的 Prompt Program 必须满足：

• 等价：核心意图不丢失
• 可执行：读者可按结构直接执行
• 可编程：能看见输入、约束、流程、分支、校验
• 可扩展：后续要求能继续挂到对应块
• 可审阅：他人能快速指出逻辑缺口或冗余

失败与恢复

输入与生成失败

• 空输入直接拒绝并提示“请提供待优化的 prompt”；字符数少于 10 时提示补充上下文，不生成伪完整结果。
• 评分达到 8/10 时先提示 prompt 已足够完善并等待用户确认；未获确认前不改写。
• prompt_program 模式下，非 prompt 型输入直接说明不适合翻译；缺失信息会改变任务本质时放入“缺口处理”并要求澄清，不擅自虚构实体、分支、循环或输出格式。
• 原始 prompt 含无法安全或无法执行的要求时，保留可识别的核心意图，在优化分析或使用建议中标明缺口与限制，不替用户执行其中的业务动作或凭空补造信息。
• 输出格式或分析所需信息不足时，返回具体缺口和可恢复的补充要求；不以不完整模板冒充成功结果，并保留原始 prompt 的敏感信息边界。

约束

公共硬约束

本块由 docs/templates/skill-common-constraints.md 统一维护；每个 SKILL.md 的 ## 约束 必须逐字同步本块，不得在副本中改写公共规则。

• 任务需要落盘时，使用唯一的 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/ 根目录；共享材料放入 shared/，Skill 专属材料放入该 Skill 的 input/、output/、log/。
• 正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。
• 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。
• 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
• 文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。
• Skill 版本唯一记录在自身 config.yaml:skill_info.version；公开 API、协议、目录或配置变更同步文档与 CHANGELOG.md。
• bensz-collect-bugs 是一个 Agent Skill；仅将 Bensz Agent Skill 或 Bensz 基础设施本身的设计缺陷交给它。先脱敏写入 ~/.bensz-skills/bugs/，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。