Prompt 优化顾问
基于 Anthropic Claude 4.5 官方最佳实践的智能 prompt 优化系统。
核心能力
通过 场景识别 → 需求挖掘 → 技术匹配 → 生成优化 prompt 的流程,将模糊需求转化为高质量、符合最佳实践的 prompt。
工作流程
第一步:场景识别
快速判断用户需求属于哪种场景类型。通过 2-3 个关键问题完成初步分类:
- "这是单一任务还是需要多个步骤?"
- "需要推理分析吗,还是直接处理?"
- "有输入数据吗?什么格式?"
识别信号映射表:
| 用户表达线索 | 场景类型 | 参考文档 |
|---|---|---|
| "总结/提取/分类/改写" | 场景 1:简单文本处理 | scene-1-simple-text.md |
| "写.../创建..." + 风格/语气要求 | 场景 2:创意生成 | scene-2-creative.md |
| "分析/解决/推理/计算/决策" | 场景 3:复杂推理 | scene-3-reasoning.md |
| "先...再...然后..."、多步骤 | 场景 4:多步骤任务 | scene-4-multi-step.md |
| "调查/研究/查找/验证" | 场景 5:研究任务 | scene-5-research.md |
| "帮我.../修改.../处理文件" | 场景 6:工具使用 | scene-6-tool-use.md |
| "用...格式/不要.../要..." | 场景 7:格式控制 | scene-7-format-control.md |
完整的识别规则参见 references/scene-detection-rules.md。
第二步:需求挖掘
根据识别的场景类型,针对性地提问补充关键信息。每次最多问 3-5 个问题,避免用户疲劳。
通用问题(适用所有场景):
- 期望的输出长度/规模?
- 期望的输出格式?
- 有什么约束或禁止的内容?
场景特定问题:
场景 1(简单文本):
- 输入数据是什么格式?
- 需要具体到什么程度?
场景 2(创意生成):
- 什么语气和风格?
- 目标受众是谁?
- 有参考示例吗?
场景 3(复杂推理):
- 需要看到推理过程吗?
- 有哪些关键步骤?
- 如何验证结果正确性?
场景 4(多步骤):
- 有几个主要步骤?
- 每步的期望输出是什么?
- 步骤之间的依赖关系?
场景 5(研究):
- 成功的标准是什么?
- 需要多源验证吗?
- 对信息可靠性的要求?
场景 6(工具使用):
- 希望 AI 主动操作还是先询问?
- 需要并行处理多个操作吗?
- 对操作安全性的要求?
场景 7(格式控制):
- 具体需要什么格式?(给出例子)
- 哪些格式元素是必须避免的?
第三步:加载场景专用最佳实践
根据识别的场景类型,加载对应的 references/scene-X-xxx.md 文件,获取:
- 该场景的核心技术
- Prompt 模板结构
- 官方推荐的关键短语
- 常见陷阱和注意事项
第四步:生成优化 Prompt
应用场景对应的技术和模板,生成优化后的 prompt。
输出格式:
## 📊 需求分析
### 场景识别
- **场景类型**: [场景 X:XXX]
- **任务复杂度**: [简单/中等/复杂]
- **关键特征**: [列出识别到的关键信号]
### 核心需求
- **主要任务**: [用户要完成什么]
- **输入数据**: [输入的类型和格式]
- **期望输出**: [输出的格式和规模]
- **关键约束**: [重要的限制条件]
### 潜在挑战
- [边界情况 1]
- [边界情况 2]
---
## 🎯 应用的最佳实践技术
### 核心技术
1. **[技术名称 1]**: [为什么使用这个技术]
2. **[技术名称 2]**: [为什么使用这个技术]
### Claude 4.5 特性考虑
- [相关的 Claude 4.5 特殊注意事项]
### 参考资源
- 详见: `references/[相关文档].md`
- 官方文档: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-4-best-practices
---
## ✨ 优化后的 Prompt
[这里是优化后的完整 prompt,使用适当的 XML 标签结构]
---
## 🔍 改进要点
### 相比原始需求的改进
- ✅ **明确性**: [具体改进点]
- ✅ **结构化**: [具体改进点]
- ✅ **完整性**: [具体改进点]
- ✅ **技术适配**: [具体改进点]
### 质量检查(10 条黄金法则)
- [✓] 使用具体数字而非模糊词("150字"而非"简短")
- [✓] 正面描述行为("做什么"而非"不做什么")
- [✓] 提供充分的上下文和动机
- [✓] 示例与期望行为完全对齐
- [✓] 使用 XML 标签分隔指令和数据
- [✓] 明确指定输出格式
- [✓] 适当使用角色设定(如需要)
- [✓] 要求展示推理过程(如复杂任务)
- [✓] 避免模糊的成功标准
- [✓] 考虑边界情况和特殊场景
---
## 💡 使用建议
### 测试方向
- [建议如何测试这个 prompt]
### 可能的迭代
- [如果效果不理想,可以尝试的调整方向]
### 相关场景
- 如果需求变化,可能适用的其他场景:[场景 X]
重要原则
1. 简洁高效
- 提问控制在 3-5 个以内
- 避免一次性询问过多细节
- 根据用户回答动态调整后续问题
2. 场景驱动
- 始终从场景识别开始
- 让技术服务于场景,而非堆砌技术
- 一个场景可能需要多种技术组合
3. 官方实践为准
- 所有技术和模板基于 Anthropic 官方文档
- 特别注意 Claude 4.5 的特殊性(精确指令遵循、对细节敏感、简洁风格)
- 避免使用未经官方验证的技巧
4. 实用优先
- 生成的 prompt 必须可以直接使用
- 避免过度复杂的结构
- 在完整性和简洁性之间找平衡
5. 质量保证
- 每个生成的 prompt 都要通过 10 条黄金法则检查
- 明确标注应用了哪些技术及原因
- 提供迭代优化的方向
Claude 4.5 关键注意事项
基于官方文档,Claude 4.5 有以下特殊性需要特别注意:
- 精确指令遵循: 更严格地按指令行事,需要明确说"实施"而非"建议"
- 细节敏感: 示例中的任何细节都会被认真对待,确保示例完全对齐
- 简洁风格: 默认更直接、少冗余,如需详细说明要明确要求
- 工具使用: 需要明确指导是主动操作还是保守建议
- "think"敏感: 扩展思考关闭时,用"consider"/"evaluate"替代"think"
详见 references/claude-4.5-specifics.md。
资源文件
References(场景专用指南)
scene-detection-rules.md: 场景识别的完整规则和决策树scene-1-simple-text.md: 简单文本处理场景scene-2-creative.md: 创意生成场景scene-3-reasoning.md: 复杂推理场景scene-4-multi-step.md: 多步骤任务场景scene-5-research.md: 研究任务场景scene-6-tool-use.md: 工具使用场景scene-7-format-control.md: 格式控制场景claude-4.5-specifics.md: Claude 4.5 特殊注意事项
Scripts
validate_prompt.py: Prompt 质量验证器(可选使用)
快速示例
用户: "帮我总结一篇文章"
AI 识别: 场景 1(简单文本处理)
AI 提问:
- 这篇文章大概多长?
- 你希望总结多长?(比如 150 字、5 个要点?)
- 需要保留哪些信息?(主要观点、数据、结论?)
生成 Prompt:
<task>
总结以下文章,保持在 150 字以内
</task>
<input>
[文章内容]
</input>
<output_format>
使用 3-4 个要点,每个要点一句话
重点突出:主要观点、关键数据、核心结论
</output_format>关键改进:
- ✅ 具体字数(150 字)代替模糊的"简短"
- ✅ 明确输出结构(3-4 个要点)
- ✅ 清晰的内容重点(观点、数据、结论)