Prompt Expert - 智能提示词专家

用途: 分析当前对话上下文、项目环境、用户意图，智能生成最合适的提示词 触发策略: 多模型聚合分析 + 本地上下文感知 核心理念: 不是优化提示词本身，而是根据场景生成最适合的提示词

🚀 快速开始

自动触发（三种方式）

方式 1: 关键词触发

当用户输入包含以下关键词时，自动调用提示词专家：

方式 2: 场景感知触发

当检测到以下场景时，自动提供提示词建议：

方式 3: 手动触发

# 基础分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs "你的需求"

# 带上下文分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --context

# 深度分析（多模型）
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --deep

# 查看最近的提示词建议
cat ~/.claude/projects/-home-throokie/prompt-suggestions.md

🏗️ 架构设计

用户输入/当前对话
       │
       ▼
┌─────────────────┐
│  上下文感知引擎  │  ← 分析对话历史、项目状态、文件变更
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  意图识别层      │  ← 确定用户想要完成什么
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  场景匹配引擎    │  ← 匹配到预定义场景模板
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  多模型提示词生成 │  ← 并行生成多个提示词版本
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  质量评估与整合  │  ← 选择最优提示词
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  输出提示词      │  ← 附带使用建议
└─────────────────┘

📁 目录结构

prompt-expert/
├── SKILL.md              # 本文件
├── README.md             # 详细文档
├── main.mjs              # 主入口
├── scripts/
│   ├── context-analyzer.mjs    # 上下文分析
│   ├── scenario-matcher.mjs    # 场景匹配
│   ├── prompt-generator.mjs    # 提示词生成
│   ├── quality-scorer.mjs      # 质量评分
│   └── template-library.md     # 提示词模板库
├── config/
│   ├── scenarios.json      # 场景定义
│   └── prompts.yaml        # 提示词配置
└── output/
    └── suggestions/        # 生成的提示词建议

📊 场景类型定义

按任务复杂度

按对话阶段

按项目上下文

🔧 核心功能

1. 上下文感知分析

// 分析的维度
const contextDimensions = {
  // 对话历史
  conversationHistory: {
    recentTopics: [],      // 最近讨论的话题
    unresolvedQuestions: [], // 未解答的问题
    recurringThemes: []     // 反复出现的主题
  },

  // 项目状态
  projectState: {
    currentDirectory: '',   // 当前工作目录
    gitStatus: '',          // git 状态
    recentChanges: [],      // 最近的代码变更
    openFiles: []           // 打开的文件
  },

  // 用户状态
  userState: {
    currentTask: '',        // 当前任务
    taskProgress: '',       // 任务进度
    frustrationSignals: [], // 挫折信号
    confidenceLevel: ''     // 信心水平
  }
};

2. 场景匹配引擎

// 场景匹配规则
const scenarioRules = {
  'bug-fix': {
    signals: ['报错', 'error', 'failed', '不工作', 'bug'],
    promptTemplate: `
你正在调试一个问题。请按以下步骤进行：

1. **问题复现**: 先确认问题现象和复现步骤
2. **定位范围**: 确定问题可能出现的模块
3. **假设验证**: 提出 3 个最可能的原因，逐一排查
4. **修复方案**: 给出修复代码和验证方法

当前上下文：
- 项目类型：{projectType}
- 技术栈：{techStack}
- 错误信息：{errorMessage}
`
  },

  'feature-implementation': {
    signals: ['实现', '添加', 'create', 'build', '新功能'],
    promptTemplate: `
你正在实现一个新功能。请按以下流程进行：

1. **需求澄清**: 确认功能的具体需求和边界
2. **设计先行**: 先设计接口/组件结构，再编码
3. **测试驱动**: 先写测试，再实现功能
4. **代码审查**: 完成后自查代码质量

技术要求：
- 遵循项目的代码规范
- 参考类似功能的实现模式
- 保证 80%+ 测试覆盖率
`
  },

  'research-exploration': {
    signals: ['怎么', '如何', 'how to', '了解', '学习', '原理'],
    promptTemplate: `
你正在探索一个新技术/概念。请按以下方式进行：

1. **背景介绍**: 这是什么？为什么重要？
2. **核心概念**: 关键术语和概念解释
3. **实践示例**: 最小可运行的代码示例
4. **最佳实践**: 业界推荐的使用方式
5. **常见陷阱**: 容易犯的错误和如何避免

学习路径建议：
- 入门资料（15 分钟）
- 深入资料（1 小时）
- 实战项目（1 天）
`
  }
};

3. 提示词生成器

// 提示词生成的元原则
const promptGenerationPrinciples = {
  // 清晰度
  clarity: '用简洁明确的语言，避免歧义',

  // 上下文
  context: '包含必要的背景信息，但不过载',

  // 结构
  structure: '使用分点、编号、代码块等结构化格式',

  // 可执行
  actionability: '明确指出期望的输出和行动',

  // 约束
  constraints: '设定合理的边界和限制',

  // 示例
  examples: '提供示例说明期望的输出格式'
};

4. 质量评分系统

// 提示词质量评分维度
const qualityMetrics = {
  // 完整性 (0-25 分)
  completeness: {
    hasContext: false,      // 有上下文
    hasGoal: false,         // 有明确目标
    hasConstraints: false,  // 有约束条件
    hasExamples: false,     // 有示例
    hasOutputFormat: false  // 有输出格式要求
  },

  // 清晰度 (0-25 分)
  clarity: {
    unambiguous: false,     // 无歧义
    concise: false,         // 简洁
    wellStructured: false,  // 结构良好
    specificLanguage: false // 使用具体语言
  },

  // 可执行性 (0-25 分)
  actionability: {
    clearAction: false,     // 明确的行动指令
    feasible: false,        // 在能力范围内
    testable: false,        // 结果可验证
    prioritized: false      // 优先级清晰
  },

  // 上下文适配 (0-25 分)
  contextFit: {
    projectAligned: false,  // 与项目一致
    conversationAligned: false, // 与对话连贯
    userLevelAligned: false,    // 与用户水平匹配
    timeAppropriate: false  // 时间预算合理
  }
};

📝 使用示例

示例 1: 模糊需求 → 结构化提示词

用户输入：我想优化这个项目的性能

检测到：
- 当前项目：Node.js 后端服务
- 最近对话：讨论数据库查询
- 代码变更：添加了新的 API 端点

生成的提示词：

你正在优化一个 Node.js 后端服务的性能。

上下文:

• 项目类型：Express API 服务
• 最近改动：添加了新的数据查询端点
• 性能瓶颈：数据库查询响应时间 > 500ms

任务要求:

1. 先分析当前性能瓶颈（使用 profiling 工具）
2. 识别慢查询并优化（考虑索引、缓存）
3. 给出可量化的优化目标和验收标准
4. 不要引入新的外部依赖

输出格式:

• 性能分析报告
• 优化方案列表（按影响排序）
• 实施步骤和验证方法

示例 2: 阻塞场景 → 诊断提示词

用户输入：这个功能我一直实现不了，卡住了

检测到：
- 用户情绪：挫折
- 尝试次数：多次
- 当前进度：部分完成

生成的提示词：

你遇到了一个实现障碍。让我们系统性地诊断问题：

当前状态:

• 已完成：{completedParts}
• 阻塞点：{blockingPoint}
• 已尝试：{attemptedSolutions}

诊断流程:

1. 重新定义问题: 用不同方式描述阻塞点
2. 拆解问题: 把大问题拆成可管理的小步骤
3. 寻求替代: 是否有其他方式达到同样目标？
4. 外部视角: 参考类似项目的解决方案

下一步行动: 请告诉我具体卡在哪个步骤，以及你期望的行为 vs 实际行为。

示例 3: 新项目启动 → 脚手架提示词

用户输入：我要开始一个新项目，做 XXX

检测到：
- 项目状态：空目录
- 用户经验：初次接触该技术栈
- 时间预算：未指定

生成的提示词：

你正在启动一个新项目。让我们建立一个坚实的基础：

项目目标: {projectGoal}

启动清单:

1. 技术选型: 根据需求选择合适的技术栈
2. 项目脚手架: 创建标准目录结构
3. 开发环境: 配置 lint、test、debug 工具
4. 文档框架: 建立 README、贡献指南
5. CI/CD: 设置基础自动化流程

学习资源:

• 官方入门教程（预计 2 小时）
• 最佳实践文档（预计 1 小时）
• 示例项目参考（推荐 3 个）

第一步: 我们先从项目脚手架开始，我会帮你创建一个标准化的目录结构。 准备好后告诉我。

🎯 提示词模板库

详见 scripts/template-library.md

核心模板分类：

🔗 与 ECC 组件集成

与 intent-analyzer 协作

用户输入 → intent-analyzer 分析意图 → prompt-expert 生成提示词

与 model-compare-search 协作

prompt-expert 检测到研究类需求 → 推荐 model-compare-search

与 planner agent 协作

prompt-expert 检测到复杂任务 → 生成使用 planner 的提示词

⚙️ 配置说明

场景自定义

编辑 config/scenarios.json:

{
  "customScenarios": [
    {
      "name": "liteellm-config",
      "signals": ["litellm", "fallback", "model routing"],
      "promptTemplate": "见 config/prompts.yaml#liteellm"
    }
  ]
}

提示词模板

编辑 config/prompts.yaml:

liteellm:
  context: "LiteLLM 配置项目"
  commonTasks:
    - name: 添加新 provider
      prompt: |
        你正在配置 LiteLLM 的新 provider。

        步骤：
        1. 在 config.yaml 中添加 provider 配置
        2. 设置环境变量和认证信息
        3. 配置模型路由规则
        4. 测试连接和 fallback 链

        参考现有 provider 的配置模式。

📈 效果评估

提示词质量指标

日志分析

# 查看生成的提示词建议
ls -lt ~/src/projects/tools/user-scripts/skills/prompt-expert/output/suggestions/

# 分析使用频率
cat ~/src/projects/tools/user-scripts/skills/prompt-expert/output/usage-log.json | jq '.scenarioCounts'

# 查看质量评分
cat ~/src/projects/tools/user-scripts/skills/prompt-expert/output/quality-report.json

⚠️ 故障排查

提示词质量不佳

# 1. 检查上下文分析
node ~/src/projects/tools/user-scripts/skills/prompt-expert/scripts/context-analyzer.mjs --debug

# 2. 检查场景匹配
node ~/src/projects/tools/user-scripts/skills/prompt-expert/scripts/scenario-matcher.mjs --trace

# 3. 手动指定场景
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --scenario bug-fix

与项目规范不符

# 检查是否检测到项目
cat ~/.claude/projects/-home-throokie/project-context.md

# 手动指定项目类型
node ~/src/projects/tools/user-scripts/skills/prompt-expert/main.mjs --project-type springboot

📚 相关资源

• 意图分析器：~/src/projects/tools/user-scripts/skills/intent-analyzer/SKILL.md
• 模型对比搜索：~/src/projects/tools/user-scripts/skills/model-compare-search/SKILL.md
• Prompt Optimizer: ~/.claude/skills/prompt-optimizer/SKILL.md

最后更新：2026-03-21 | 版本：v1.0.0