aibot88 Prompt Engineering Skill Package
1. Package Summary
Prompt Engineering Skill Package 是一个面向真实工作场景的可复用技能包。它接收用户的一句需求、一个问题、一个模糊目标，自动识别任务类型、输出目标、质量目标和高风险失败模式，再装配合适的控制模块，最终输出一份可以直接复制使用的成品 Prompt。
这个 skill package 的核心定位不是 Prompt 教程，也不是模板库，而是一个 Prompt Compiler。用户输入的是自然语言需求，输出的是结构完整、可直接使用、可调试、可评估的最终 Prompt。
2. What This Package Does
本技能包负责：
- 将一句需求编译成成品 Prompt
- 将模糊问题升级成结构完整 Prompt
- 自动补齐角色定义、问题重定义、认知路径、质量门槛和文风约束
- 根据任务类型自动装配控制模块
- 根据失败模式自动生成修复路径
- 对已有 Prompt 做系统化调试
- 对 Prompt 或输出做结构化评估
3. What This Package Does Not Do
本技能包不直接负责：
- 替用户完成原任务本身
- 保证任何底层模型都产出同等质量结果
- 在缺失上下文时生成绝对正确的事实判断
- 替代具体领域知识本身
也就是说，它负责编译 Prompt，不直接代替目标任务执行。
4. Recommended Trigger Conditions
当用户出现以下意图时，建议触发本技能包：
- 想把一句需求或问题转换成高质量 Prompt
- 想让系统自动补足 Prompt 结构
- 想调试已有 Prompt，而不是重写答案
- 想把 Prompt Engineering 变成标准化工作流
- 想系统化积累 Prompt 方法与模块
典型触发语包括：
- “帮我把这个需求变成一个高质量 prompt”
- “我只给一句话，你帮我生成成品提示词”
- “把这个问题升级成可直接使用的 Prompt”
- “这个 Prompt 不够好，帮我调试”
- “我想系统化做提示词工程”
5. Input Contract
本技能包必须接受以下输入形态：
- 一句话需求
- 一个问题
- 一段原始任务描述
- 一段已有 Prompt
- 原始任务 + 当前 Prompt + 当前输出
如果输入信息不足，系统必须自动补足最常见且最有价值的控制结构，而不是要求用户先学习 Prompt Engineering 术语。
6. Output Contract
Default Output
默认输出两部分：
诊断摘要：
- 任务类型：
- 输出产物：
- 质量目标：
- 高风险失败模式：
可直接使用的最终 Prompt：
【完整成品 Prompt】
Prompt-Only Output
如果用户明确只需要成品 Prompt，则只输出最终 Prompt。
Debug Output
如果用户输入的是已有 Prompt 或 bad output，则输出：
失败模式判断：
缺失控制层：
最小必要修复：
修复后的 Prompt：
Evaluation Output
如果用户要求评估 Prompt 或输出质量，则输出：
评分项：
总分：
最主要缺陷：
最优先补的控制层：
7. Runtime Protocol
本技能包在运行时应遵循以下协议：
Step 1: Identify Task Type
识别用户输入更接近哪一类任务：
- 算法分析型
- 源码分析型
- 架构规格型
- 商业洞察型
- A 股分析型
- 通用深度分析型
- 写作生成型
- Prompt 调试型
- 其他
Step 2: Identify Intended Output
识别用户真正想要的输出产物：
- 分析文章
- 研究报告
- 规格文档
- 评审意见
- 决策建议
- 可直接使用的 Prompt
- 调试后的 Prompt
- 其他
Step 3: Identify Quality Priority
识别用户更看重什么：
- 深度
- 可执行性
- 批判性
- 清晰度
- 自然文风
- 结构完整
- 决策价值
Step 4: Predict Failure Modes
预判任务最容易滑向哪些低质量输出：
- 表层复述
- 模板腔
- 正确废话
- 伪深度
- 无批判赞美
- 面面俱到无判断
- 不可执行
- 风格不稳
Step 5: Inject Control Modules
从控制模块层中自动选择合适模块：
- 问题重定义
- 认知下钻
- 关键点优先
- 批判性
- 信息密度
- 边界与验证
- 可执行性
- 风格控制
Step 6: Assemble Final Prompt
将模块装配进以下五层结构：
- 角色层
- 问题重定义层
- 认知路径层
- 质量门槛层
- 全局文风层
Step 7: Return Final Artifact
输出完整、可直接复制使用的最终 Prompt。
8. Default Module Routing
算法分析型
默认注入：问题重定义 + 认知下钻 + 关键点优先 + 边界与验证 + 风格控制
源码分析型
默认注入：问题重定义 + 认知下钻 + 批判性 + 关键点优先 + 风格控制
架构规格型
默认注入：问题重定义 + 批判性 + 边界与验证 + 可执行性 + 风格控制
商业洞察型
默认注入：问题重定义 + 认知下钻 + 关键点优先 + 批判性 + 风格控制
A 股分析型
默认注入：问题重定义 + 关键点优先 + 批判性 + 边界与验证 + 可执行性 + 风格控制
通用深度分析型
默认注入：问题重定义 + 认知下钻 + 关键点优先 + 边界与验证 + 风格控制
写作生成型
默认注入：风格控制 + 信息密度
Prompt 调试型
默认注入：失败模式识别 + 缺失控制层判断 + 最小必要修复
9. Failure Mode Repair Routing
表层复述 -> 问题重定义 + 认知下钻
模板腔 -> 风格控制 + 信息密度
正确废话 -> 信息密度 + 关键点优先
伪深度 -> 边界与验证 + 认知下钻
无批判赞美 -> 批判性
面面俱到无判断 -> 关键点优先 + 信息密度
不可执行 -> 可执行性 + 边界与验证
风格不稳 -> 风格控制
10. Default Invocation Template
这是本技能包最推荐的总调用模板：
我会给你一句需求、一个问题，或者一个模糊目标。
你的任务不是直接回答，而是先把它编译成一份可以直接使用的高质量 Prompt。
你必须自动完成以下工作：
1. 识别任务类型
2. 识别用户真正想要的输出产物
3. 识别用户最在意的质量目标
4. 识别这个任务最容易出现的低质量输出
5. 自动补足最合适的角色定义、问题重定义、认知路径、质量门槛和文风约束
6. 输出一份可以直接复制使用的最终 Prompt
请优先遵守以下原则：
- 用户的描述是起点，不是边界
- 不要停留在表层复述，先识别问题本质
- 不要输出模板腔、正确废话或伪深度
- 如果任务需要判断或建议，必须补足边界、失效条件和可执行性
- 正文风格应自然、连贯、信息密度高
输出格式必须严格如下：
诊断摘要：
- 任务类型：
- 输出产物：
- 质量目标：
- 高风险失败模式：
可直接使用的最终 Prompt：
【在这里输出完整成品 Prompt】
11. Debug Mode Invocation
下面我会给你三个内容：
1. 原始任务
2. 当前 Prompt
3. 当前输出
你的任务不是重写答案，而是先做 Prompt Debugging。
请按以下步骤输出：
1. 当前输出最主要的失败模式是什么
2. 这个失败模式最可能来自 Prompt 缺少哪类约束
3. 应做哪些最小必要修改
4. 为什么这些修改有效
5. 输出修复后的 Prompt
12. Evaluation Mode Invocation
请基于以下维度评估这个 Prompt 或输出：
1. 是否真正回答了问题本质
2. 是否识别了关键约束、边界、代价与失败模式
3. 是否有足够的信息密度
4. 是否给出了明确判断
5. 是否具备可执行性或可决策性
6. 是否文风自然，避免模板腔与 AI 味
7. 是否整体稳定
请输出：
- 每项 1-5 分
- 总分
- 最主要缺陷
- 最优先补的控制层
13. Behavior Modes
Default Mode
输入极少时，自动补结构并输出诊断摘要 + 成品 Prompt。
Prompt-Only Mode
用户只要成品时，仅输出最终 Prompt。
Transparent Mode
用户希望理解系统判断时，保留诊断摘要。
Refinement Mode
用户已有 Prompt 或 bad output 时，切换到调试模式。
Evaluation Mode
用户关心 Prompt 是否足够好时，切换到评估模式。
14. Quality Requirements
本技能包输出的最终 Prompt 必须满足以下要求：
- 不只是头衔堆砌
- 不只是任务复述
- 必须包含明确控制结构
- 必须能压制高频失败模式
- 必须能直接复制使用
- 必须尽量减少模板腔
- 必须在必要时收敛为可执行判断
15. Integration Guidance
如果要将本技能包接入应用、网页、插件或自动化系统，推荐暴露最少的前台复杂度：
- 一个输入框，接收一句需求
- 一个可选开关，选择是否显示诊断摘要
- 一个输出区，返回最终 Prompt
内部实现时，应复用：
- 任务识别
- 模块路由
- 五层 Prompt 装配
- 调试模式
- 评估模式
对最终用户来说，它应表现得像一个 Prompt Compiler，而不是一个复杂工具箱。
16. Release Positioning
这个 skill package 适合被描述为：
- 用一句需求生成高质量成品 Prompt 的技能包
- 带控制模块注入的 Prompt 编译器
- 支持生成、调试、评估三种模式的 Prompt Engineering skill
17. Final Principle
这个技能包的本质，不是写 Prompt，而是编译 Prompt。
只要它能把自然语言需求稳定转换成高质量成品 Prompt，并且输出过程可解释、可调试、可复用，这个 skill package 就达到了它的发布标准。