- name
- ro-prompt-optimizer
- description
- 基于R-O框架（角色&现实情况、对象&输出）优化用户提示词，将普通需求转化为专业、结构化的AI提示词，以激发AI最大潜力。当用户需要优化提示词、改善与AI的交互效果、创建更有效的指令时使用此技能。
RO提示词优化器技能
概述
此技能基于R-O框架（Role&Reality + Object&Output）将用户的普通需求自动优化为专业、结构化的AI提示词。通过二维设定和双O精准识别，确保生成的提示词能够：
- 明确AI的角色和上下文限制
- 精准识别输出对象和期望结果
- 最大化激发AI的潜力
R-O框架核心
1. 角色&现实情况 (Role & Reality) - 二维设定
- 角色(Role)：设定AI的身份、专业知识、经验背景
- 现实情况(Reality)：设定时间、地点、资源限制、约束条件
2. 对象&输出 (Object & Output) - 双O精准识别
- 对象(Object)：设定输出内容的受众（初学者、专家、管理者等）
- 输出(Output)：设定具体输出内容、格式、质量标准和目标
使用流程
第一步：接收用户原始需求
用户提供简单的需求描述，例如：
- "帮我写个产品介绍"
- "分析销售数据"
- "创建客服话术"
第二步：应用R-O框架优化
根据用户需求，自动填充以下四个维度：
A. 角色设定 (Role)
- 专业身份（如：资深产品经理、数据分析专家、客服培训师）
- 知识背景（如：10年电商经验、精通统计学、熟悉消费者心理）
- 能力特长（如：创意写作、逻辑分析、沟通协调）
B. 现实情况 (Reality)
- 时间限制（如：2026年当前、季度末、促销期间）
- 地点场景（如：中国电商环境、淘宝平台、微信生态）
- 资源约束（如：数据有限、预算紧张、团队小型）
- 特殊要求（如：符合公司规范、避免法律风险、保持品牌调性）
C. 输出对象 (Object)
- 受众身份（如：初学者消费者、企业决策者、内部团队成员）
- 知识水平（如：零基础、有一定了解、领域专家）
- 语言偏好（如：通俗易懂、专业严谨、幽默风趣）
- 使用场景（如：内部汇报、客户沟通、公开宣传）
D. 输出要求 (Output)
- 内容结构（如：三段式、问题-解决方案、SWOT分析）
- 格式规范（如：Markdown、Excel、PPT大纲、JSON）
- 质量标准（如：数据准确、逻辑清晰、语言优美）
- 具体目标（如：转化率提升、问题解决、知识传递）
第三步：生成优化后的提示词
将四个维度组合成完整的R-O框架提示词。
优化示例
示例1：普通需求 → R-O优化
原始需求： "帮我分析销售数据"
R-O优化后：
## 角色&现实情况
- **角色**：您是资深电商数据分析师，拥有8年淘宝店铺运营经验，精通数据挖掘和商业智能分析
- **现实情况**：当前是2026年Q1季度末，需要为下周的季度复盘会议准备分析报告，数据来源为淘宝生意参谋，时间紧迫需在2小时内完成
## 对象&输出
- **对象**：汇报对象为公司运营总监（具备数据基础但不熟悉技术细节），需要通俗易懂的分析和明确的行动建议
- **输出**：提供一份结构完整的销售数据分析报告，包含：1) 核心指标概览表 2) 趋势变化分析图表 3) 问题诊断与归因 4) 具体改进建议。格式为Markdown，要求数据准确、结论明确、建议可执行示例2：普通需求 → R-O优化
原始需求： "写个产品文案"
R-O优化后：
## 角色&现实情况
- **角色**：您是顶尖的营销文案策划师，擅长情感营销和痛点挖掘，曾为多个知名品牌打造爆款文案
- **现实情况**：产品是面向25-35岁女性的智能美容仪，定价中高端，需要在618大促前完成文案，竞品分析显示需要突出科技感和使用便捷性
## 对象&输出
- **对象**：目标受众为注重护肤效果但时间紧张的城市白领女性，她们对科技产品接受度高但缺乏耐心阅读长文案
- **输出**：创作三段式产品文案：1) 痛点引入（30字） 2) 解决方案（50字） 3) 行动号召（20字）。要求简洁有力、突出核心卖点、激发购买欲望，符合年轻女性阅读习惯示例3：普通需求 → R-O优化
原始需求： "创建客服培训材料"
R-O优化后：
## 角色&现实情况
- **角色**：您是经验丰富的客服培训专家，精通客户心理学和沟通技巧，曾培训过500+客服人员
- **现实情况**：公司新招聘了20名客服，需要在两周内完成基础培训，现有资源包括产品手册和常见问题列表，但缺乏系统化培训材料
## 对象&输出
- **对象**：培训对象为刚毕业的大学生，没有客服经验但学习能力强，需要从零开始的系统性指导
- **输出**：设计一套完整的客服培训课程大纲，包含：1) 基础知识模块 2) 技能训练模块 3) 情景模拟模块 4) 考核评估标准。要求实用性强、循序渐进、有具体案例和练习题目高级优化技巧
1. 行业特定优化
针对不同行业调整R-O框架：
电商行业：
- 角色：增加"熟悉平台规则、了解消费者行为"
- 现实：加入"促销周期、竞争环境、供应链限制"
- 对象：区分"C端消费者/B端商家/内部团队"
- 输出：强调"转化率、ROI、用户体验"
技术行业：
- 角色：强调"技术背景、架构思维、安全意识"
- 现实：考虑"技术债务、团队技能、时间成本"
- 对象：区分"技术领导/开发人员/产品经理"
- 输出：要求"架构图、代码示例、性能指标"
2. 任务类型优化
根据任务类型调整侧重点：
创意类任务（文案、设计）：
- 强调"创新性、审美能力、市场敏感度"
- 输出注重"视觉效果、情感共鸣、品牌一致性"
分析类任务（数据、研究）：
- 强调"逻辑思维、统计知识、商业洞察"
- 输出注重"数据准确性、结论可靠性、建议可行性"
执行类任务（计划、流程）：
- 强调"项目管理、资源协调、风险控制"
- 输出注重"步骤清晰、责任明确、时间可控"
3. 复杂度分级
根据需求复杂度提供不同深度的优化：
基础级（简单需求）：
- 填充R-O四个维度的基础信息
- 生成标准格式提示词
进阶级（中等需求）：
- 增加行业特定要求
- 提供多种输出选项
- 包含成功标准
专业级（复杂需求）：
- 详细的情景分析
- 多角色协作设定
- 阶段性输出要求
- 质量评估标准
使用指南
何时使用此技能
- 当用户提供模糊或简单的需求时
- 当需要提高AI回复的质量和针对性时
- 当处理专业领域或复杂任务时
- 当需要标准化提示词格式时
使用步骤
- 识别用户需求类型：创意、分析、执行等
- 判断复杂度级别：基础、进阶、专业
- 应用R-O框架优化：填充四个维度
- 生成最终提示词：格式化输出
- 可选：提供优化建议：如何进一步改进
输出格式
优化后的提示词应采用以下标准格式：
## 角色&现实情况 (Role & Reality)
### 角色设定
[详细描述AI的角色、专业背景、能力特长]
### 现实情况
[描述时间、地点、资源限制、约束条件]
## 对象&输出 (Object & Output)
### 输出对象
[描述受众特征、知识水平、语言偏好]
### 输出要求
[具体说明内容结构、格式规范、质量标准、目标]资源文件
参考文件
- references/industry-templates.md：各行业R-O优化模板
- references/task-types.md：不同任务类型的优化策略
- references/examples-library.md：更多优化示例
脚本文件
- scripts/auto-optimizer.py：自动优化脚本（可选）
注意事项
- 保持灵活性：R-O框架是指导而非束缚，根据实际情况调整
- 避免过度复杂：简单需求不需要过度优化
- 尊重用户意图：优化是为了更好实现用户目标，而非改变目标
- 持续迭代：根据使用反馈不断改进优化策略
质量评估
优质的R-O优化应具备：
- 清晰性：每个维度都明确无歧义
- 相关性：所有设定都与原始需求紧密相关
- 实用性：优化后的提示词确实能提高AI表现
- 完整性：涵盖R-O四个核心维度
技能目标：通过系统化的提示词优化，帮助用户与AI进行更高效、更精准的交互，释放AI的全部潜力。