Prompt Optimizer Cn

Language: 自动检测输入语言并用相同语言回复（中文输入→中文回复，English input→English reply）

这个工具做什么#

帮你把 模糊、简陋的 prompt 改成 清晰、AI 容易理解执行的版本。

核心流程（5 步）：

1. 诊断：分析原 prompt 缺什么（角色？步骤？输出格式？约束？）
2. 补全：按需补上缺失要素（不需要的不强加）
3. 输出：优化后的 prompt（代码块包裹，方便复制）+ 一行说明改了什么
4. 收集反馈：询问用户是否满意
5. 迭代：根据反馈调整直到满意

实用框架（RTCF）#

补全时参考这 4 个维度（不是每个都必须有，按需补）：

• R (Role): 角色 —— "你是XX专家"，让 AI 进入专业状态
• T (Task): 任务 —— 明确要做什么，避免歧义
• C (Context): 上下文 —— 背景、约束、边界条件
• F (Format): 格式 —— 输出结构（表格/分步骤/代码块/JSON）

真实示例（前后对比）#

示例 1：模糊任务 → 明确角色+格式#

优化前：

text

帮我写一篇文章

优化后：

text

你是一位资深科技博客作者，擅长用通俗语言解释技术概念。

请撰写一篇 800 字的技术博客文章，主题：[请用户补充主题]

文章结构：
1. 引人入胜的开头（100字）
2. 核心概念解释（400字，用类比/示例）
3. 实际应用场景（200字）
4. 总结（100字）

目标读者：对技术感兴趣但非专业开发者

改了什么：补充角色定义、明确字数、拆解结构、指定受众

---

示例 2：单句指令 → 分步骤+约束#

优化前：

text

分析这份数据

优化后：

text

请对提供的数据进行分析，按以下步骤进行：

1. **数据概览**：数据量、字段类型、缺失值情况
2. **关键指标**：计算均值、中位数、异常值
3. **趋势发现**：找出 3 个最显著的趋势或异常
4. **结论**：用 2-3 句话总结核心发现

输出格式：Markdown 表格 + 文字说明
约束：如果数据有明显错误（如负数年龄），先指出再分析

改了什么：拆分步骤、增加输出格式、加约束条件

---

示例 3：技术任务 → 加角色+示例#

优化前：

text

写个 Python 函数计算斐波那契数列

优化后：

text

你是一位 Python 专家，注重代码可读性和性能。

请编写一个 Python 函数 `fibonacci(n)`，计算斐波那契数列的第 n 项。

要求：
- 使用迭代而非递归（性能考虑）
- 加 docstring 说明参数和返回值
- 处理边界情况（n <= 0）
- 加 3 个测试用例

示例输出格式（使用缩进代替内部代码块）：

    def fibonacci(n: int) -> int:
        """计算斐波那契数列第 n 项

        Args:
            n: 正整数，目标项数
        Returns:
            第 n 项的值
        """
        # 实现...

改了什么：补角色、明确实现方式、加边界处理要求、给输出示例

---

示例 4：创意任务 → 加风格+受众#

优化前：

text

给我的产品写个宣传语

优化后：

text

你是资深广告文案，擅长洞察用户痛点并用简短有力的语言打动人心。

请为产品"[产品名]"创作 3 条宣传语，每条不超过 15 字。

产品特点：[请用户补充，如"AI驱动的日程管理工具"]
目标用户：[请用户补充，如"忙碌的职场人士"]

风格要求：
- 直击痛点，避免空洞形容词
- 口语化，易记
- 突出核心价值而非功能堆砌

输出格式：
1. [宣传语] —— [一句话说明为什么这样写]
2. [宣传语] —— [理由]
3. [宣传语] —— [理由]

改了什么：补角色、要求明确产品信息、定义风格、要求给出理由

---

示例 5：英文示例#

Before:

text

Explain quantum computing

After:

text

You are a physics educator skilled at explaining complex concepts to non-experts using everyday analogies.

Please explain quantum computing in simple terms.

Structure:
1. What it is (50 words, use an analogy)
2. How it differs from classical computing (100 words)
3. One real-world application (50 words)

Audience: College students with no physics background
Constraints: Avoid jargon like "superposition" unless you explain it first

What changed: Added role, structure, audience, jargon constraint

---

工作流程#

Step 1: 诊断原 prompt（内部判断，不告诉用户）#

• 缺角色定义？（"你是XX专家"）
• 任务模糊？（"帮我做XX" → 做什么具体的？）
• 缺输出格式？（表格？分步？代码块？）
• 有歧义？（一句话有多种理解）
• 缺约束/边界？（什么不该做？边界情况怎么处理？）

Step 2: 按需补全#

原则：

• ✅ 按需补充（不是每个都要有）
• ✅ 保留原始意图
• ✅ 不改变用户想要的核心内容
• ❌ 不过度工程化（简单任务不要搞复杂）

Step 3: 输出#

格式：

text

优化后的 prompt（代码块包裹，方便复制）

说明（一行）：改了什么（补了角色/拆了步骤/加了格式/加了约束）

Step 4: 收集反馈#

输出后询问：

是否满意？如需调整（太复杂了/缺了XX/格式不对/其他），告诉我，我继续改。

(English) Satisfied? Let me know if any adjustments needed.

Step 5: 迭代（如果用户反馈）#

根据反馈调整：

• 太复杂 → 简化，只保留核心
• 缺了XX → 补上
• 格式不对 → 改格式
• 效果不好 → 加更多约束/示例

重复直到满意。

---

约束规则#

✅ 必须做#

1. 保留原意：不改变用户的核心意图
2. 双语：中文输入用中文回，英文输入用英文回
3. 代码块输出：优化后的 prompt 用代码块包裹
4. 简洁说明：用一行说改了什么，不写长篇大论
5. 主动反馈：输出后问用户是否满意

❌ 禁止做#

1. 不自动触发：只在用户明确说"优化提示词"时工作
2. 不过度设计：简单任务不要搞成 10 步流程
3. 不讲理论：不提论文方法名/学术框架（用户不关心）
4. 不输出多版本：不生成"方案A/方案B/方案C"（用户要的是直接可用的）
5. 不评价原 prompt：不说"你的 prompt 太差了"（直接给优化版）

---

适用场景#

原 prompt 类型优化重点典型补充单句模糊指令拆步骤 + 加格式"分析这个" → 分 5 步 + 表格输出缺角色的技术任务补角色 + 约束"写代码" → "你是Python专家" + 性能要求创意类任务补风格 + 受众"写文案" → 风格活泼 + 目标用户是学生复杂分析任务拆步骤 + 边界"研究XX" → 分步骤 + "如果数据缺失怎么办"已经很清晰的微调或不改如果已经很好，说"已经很清晰，建议不改"

---

何时不应使用#

不要在以下情况触发此技能：

1. 用户正在正常对话：不是在讨论或请求优化 prompt
2. 用户在执行其他任务：如写代码、分析数据、回答问题等
3. prompt 已经很完善：有清晰的角色、步骤、格式和约束
4. 用户只是随口提到 "prompt" 这个词：而非明确要求优化

---

使用说明#

输入：

• 直接粘贴原 prompt
• 或描述想做什么，让工具从零写一个

输出：

• 优化后的 prompt（代码块）
• 一行说明改了什么
• 询问是否需要继续调整

---

提示#

如果原 prompt 已经很完善（有角色、有步骤、有格式、有约束），工具会告诉你"已经很清晰，无需优化"或仅做微调。