Prompt Optimizer#

Transform natural language into structured, high-quality prompts using a curated library of 2000+ proven templates from major prompt repositories.

Data sources (7 repositories):

• f/awesome-chatgpt-prompts
• awesome-chatgpt-prompts
• ai-boost/awesome-prompts
• 0xeb/TheBigPromptLibrary
• abilzerian/LLM-Prompt-Library
• Vipuser2023/chatgpt-prompts-chinese (中文)
• jamesponddotco/llm-prompts

⚠️ 开关机制（重要）#

本 Skill 默认关闭，只有在用户明确开启时才激活。

开启指令#

简易版（快速，省 Token）：

• "开启简易版提示词优化" / "开启简易版prompt优化"
• "简单提示词优化"

完整版（慢但完整，项目级使用）：

• "开启完整版提示词优化" / "开启完整版prompt优化"
• "完整提示词优化"

兼容旧指令（默认简易版）：

• "开启提示词优化" / "打开提示词优化" → 简易版

关闭指令（任一即可）#

• "关闭提示词优化" / "关掉提示词优化"
• "关闭prompt优化" / "turn off prompt optimizer"
• "提示词优化关"

切换版本#

• "切换到简易版" / "切换到完整版"

版本区别#

简易版完整版库文件references/prompt_library_lite.json``references/prompt_library_full.json大小1.8 MB8 MBPrompt 长度每条截断 800 字符完整不截断适用场景日常快速优化正式项目、需要高质量输出速度快稍慢

状态持久化#

状态写入 memory/prompt_optimizer_state.json，格式：

json

{"enabled": true, "mode": "lite", "turned_on_at": "2026-05-18T17:00:00+08:00"}

mode 可选： "lite" 或 "full"

判断逻辑#

每次收到用户消息时：

1. 先检查 memory/prompt_optimizer_state.json 是否存在且 enabled: true
2. 如果是开关/切换指令 → 更新状态，回复确认
3. 如果 Skill 关闭中 → 完全忽略，正常回复用户
4. 如果 Skill 开启中 → 根据 mode 读取对应的库文件，执行下方工作流

Workflow（仅在 Skill 开启时执行）#

Step 0: 智能版本建议#

在执行优化前，先评估任务复杂度，判断当前版本是否合适：

建议切换到完整版的信号（简易版 → 完整版）：

• 用户的任务涉及多个步骤或多个领域
• 需要生成长文档（报告、方案、论文、商业计划书）
• 涉及代码架构、系统设计、技术方案
• 需要深度分析（竞品分析、市场调研、数据解读）
• 匹配到的模板 prompt 被截断（简易版 800 字符不够）
• 用户明确要求"详细"、"专业"、"完整方案"

建议切换到简易版的信号（完整版 → 简易版）：

• 用户只是简单问答、翻译、改写
• 任务一句话就能说清楚
• 用户明确要求"简单"、"快速"、"不用太复杂"

输出格式（当检测到版本不匹配时）：

💡 版本建议：这个任务比较[复杂/简单]，建议切换到[完整版/简易版]以获得[更完整的模板参考/更快的响应速度]。 回复 "切换" 即可切换，或回复 "继续" 使用当前版本。

如果用户回复 "切换" → 更新状态文件，用新版本重新执行 如果用户回复 "继续" → 忽略建议，继续当前版本

Step 1: Understand User Intent#

Parse the user's raw input. Identify:

• Goal: What they want to accomplish
• Domain: Which field/area
• Role needed: What kind of expert/assistant would serve best
• Constraints: Format, language, audience, length requirements
• Complexity: Simple task → concise prompt; Complex task → detailed structured prompt

Step 2: Search the Prompt Library#

根据当前模式读取对应的库文件：

• 简易版 → references/prompt_library_lite.json
• 完整版 → references/prompt_library_full.json

搜索 1-3 个最相关的模板，匹配规则：

• Role name ( act field) similarity to user's goal
• Keyword overlap between user intent and prompt content
• Domain category alignment

Available categories: 编程开发 | 写作创作 | 教育学习 | 商业职场 | 生活健康 | 技术工具 | 语言翻译 | 艺术娱乐 | 顾问咨询 | 创意生成 | 数据分析 | 科学研究 | 法律金融 | 其他

Step 3: Compose Optimized Prompt#

Merge user intent with the best-matching template(s). Apply the CRAFT framework:

• Context: Set the scene — what situation, what knowledge to draw from
• Role: Define the AI's expertise level and persona (specific years of experience, domain expertise)
• Action: Numbered sequential steps the AI should follow
• Format: Output structure (table, essay, code block, bullet list, JSON, etc.)
• Target Audience: Who will consume the output

Step 4: Quality Enhancement#

Apply these prompt engineering best practices:

1. Specificity: Replace vague words with precise instructions
2. Constraints: Add boundaries (word count, format, tone)
3. Examples: Include 1-shot example if the task is complex
4. Chain-of-thought: For reasoning tasks, add "Let's think step by step"
5. Output format: Explicitly define the expected output structure

Step 5: Preview & Confirm（确认流程，必须执行）#

优化完成后， 先展示给用户确认，不要直接使用。输出格式：

---

📋 原始输入： [用户的原话]

✨ 优化后的提示词：

text

[优化后的完整提示词]

🔄 改动说明： [1-2 句话说明改进了什么] 📎 参考模板： [来源模板名称]

---

👆 请确认或微调：

• 回复 "✅" 或 "确认" → 使用这个提示词执行任务
• 回复 "❌" 或 "取消" → 放弃，用原始输入直接执行
• 回复修改意见（如 "加个例子"、"语气正式一点"）→ 按你的要求微调后重新展示

---

等待用户回复后，再根据用户选择执行下一步。

Guidelines#

• Language: Output language matches user's input language (中文→中文 prompt, English→English)
• Preserve user intent: Never change what the user actually wants; only add structure and expertise framing
• Model-agnostic: The optimized prompt must work with ANY AI model — no model-specific syntax
• Ambiguity: If user intent is ambiguous, ask 1-2 clarifying questions before optimizing
• Coding tasks: Always specify the language/framework in the prompt
• Placeholders: Use [placeholder] syntax for user-configurable parts
• Adaptive length: Simple tasks get concise prompts; complex tasks get detailed multi-section prompts
• Tone matching: Match the prompt's tone to the task (formal for business, creative for writing, precise for coding)

Advanced Features#

Prompt Enhancement Levels#

• Level 1 (Quick): Add role + format to user's raw request
• Level 2 (Standard): Full CRAFT framework with template matching
• Level 3 (Expert): CRAFT + chain-of-thought + few-shot examples + edge case handling

Default to Level 2. Use Level 3 for complex analytical/creative tasks. Use Level 1 when the user wants a quick optimization.

Multi-turn Optimization#

If the user provides feedback on the optimized prompt ("make it more creative", "add more detail about X"), refine the prompt incrementally rather than starting from scratch.

Batch Optimization#

If the user provides multiple prompts or a list of tasks, optimize each one individually and present them in a numbered list.

智能跳过#

如果 Skill 开启中，但用户的消息明显是简单日常对话（如 "你好"、"今天天气怎么样"、"谢谢"），不触发优化流程，正常回复即可。

Example#

User says: "帮我写个简历"

Optimized output:

text

你是一位资深职业顾问和简历专家，拥有超过20年的人力资源和职业发展经验。

**背景**：用户需要一份专业简历来申请目标职位。

**角色**：你精通各行业的简历写作规范，了解ATS（申请人追踪系统）的关键词优化，擅长将个人经历转化为有说服力的成就描述。

**步骤**：
1. 询问用户的目标职位、工作经历、教育背景和核心技能
2. 根据目标职位定制简历结构（强调相关经验和成就）
3. 用量化数据（数字、百分比、结果）描述每段工作经历
4. 优化关键词以通过ATS筛选
5. 提供中英文双语版本

**格式**：结构化简历文本，包含：个人信息摘要、核心技能、工作经历（倒序）、教育背景

**受众**：人力资源经理和招聘人员

改进说明： 从简单的"帮我写简历"升级为结构化的职业顾问角色提示词，包含明确的步骤和输出格式要求。 参考模板： Career Counselor（来自 awesome-chatgpt-prompts）