SkillsAdd

smithery.ai

prompt-optimizer

智能 Prompt 优化顾问技能。基于 Anthropic 官方最佳实践,通过场景识别和技术匹?

First seen Mar 10, 2026

Installation

$ npx skills add https://smithery.ai
View on skills.sh ↗ Website ↗

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

next-cache-components-optimizer Similar name
vercel/next.js

Drive a Next.js route to instant navigation by setting up an agentic loop, under Cache Componen…

11.8K installs
neon-postgres-egress-optimizer Similar name
neondatabase/agent-skills

>- Diagnose and fix excessive Postgres egress (network data transfer) in a codebase. Use when a…

5.5K installs
mongodb-query-optimizer Similar name
mongodb/agent-skills

>- Help with MongoDB query optimization and indexing. Use only when the user asks for optimizat…

4.9K installs
prompt-optimizer Similar name
getsentry/skills

Creates, optimizes, and iteratively refines agent prompts, system prompts, developer prompts, a…

1.6K installs
markdown-token-optimizer Similar name
microsoft/azure-skills

markdown-token-optimizer — an installable skill for AI agents.

1.1K installs
resume-ats-optimizer Similar name
paramchoudhary/resumeskills

Optimize resumes for Applicant Tracking Systems, check ATS compatibility, and analyze keyword m…

10.4K installs

Also in this package

Other skills from smithery.ai · top by installs.

npx skills add https://smithery.ai
smithery-ai-cli 7.8K frontend-design 6.2K skill-creator 2.5K ck:ui-ux-pro-max 1.3K pdf 1.2K xlsx 966 pptx 894 docx 884 webapp-testing 1 web-design-reviewer 657

Browse all from smithery.ai

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Skill metadata

Parsed from SKILL.md frontmatter.

Declared agents claude-code

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 7,981 B
  • docs SUMMARY.md 546 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 28 installs

SKILL.md

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:

  1. "这是单一任务还是需要多个步骤?"
  2. "需要推理分析吗,还是直接处理?"
  3. "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:

  1. 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"
  2. 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
  3. 简洁风格: 默认更直接、少冗余,如需详细说明要明确要求
  4. 工具使用: 需要明确指导是主动操作还是保守建议
  5. "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:

  1. 这篇文章大概多长?
  2. 你希望总结多长?(比如 150 字、5 个要点?)
  3. 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)