# Prompt Master

> Prompt Master - 终极提示词工程工具包

- Skill: `demerzels-lab/prompt-master` (Agent Skill, multi-file: 10 files)
- Install (CLI): `npx skillmds@latest add demerzels-lab/prompt-master`
- Raw SKILL.md: https://api.skillmd.com/api/skills/demerzels-lab/prompt-master/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: Demerzels-lab (https://skillmd.com/u/demerzels-lab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/demerzels-lab/prompt-master

---


# Prompt Master - 终极提示词工程工具包

> **三合一超级技能**：模板库 + 学习系统 + 优化器
>
> 整合三大核心能力，智能路由到最适合的工具

---

## 🎯 核心能力

### 1️⃣ 提示词模板库
来自 awesome-chatgpt-prompts（143k+ stars）的 50+ 角色模板

**使用场景**：
- 需要快速启动专业角色对话
- 查找特定场景的提示词模板
- 角色扮演、面试准备等

**核心角色**：
- 开发技术：Linux Terminal, JS Console, SQL Terminal
- 创意写作：Storyteller, Poet, Novelist, Screenwriter
- 专业角色：Doctor, Lawyer, Recruiter, Developer
- 实用工具：Job Interviewer, Travel Guide, Translator

### 2️⃣ 提示词学习系统
系统化学习 58+ 种提示词技术

**使用场景**：
- 从零学习提示词工程
- 掌握特定技术（Few-shot, CoT, ReAct等）
- 查看实战案例和学习路径

**技术分类**：
- 入门级（8种）：角色扮演、逐步思考、示例驱动等
- 进阶级（8种）：思维树、自我反思、多角色辩论等
- 专家级（8种）：ReAct、提示词链、元提示等

### 3️⃣ 提示词优化器
6 维度质量评估和智能优化

**使用场景**：
- 优化现有提示词
- 评估提示词质量
- 生成多个变体版本

**评估维度**：
清晰度、具体性、结构性、完整性、语气、约束条件

---

## 🚀 快速开始

### 自动识别触发

Prompt Master 会自动识别你的意图并调用合适的能力：

**获取角色模板**：
```
"扮演一个面试官"
"我需要一个医生的角色提示词"
"给我一个Linux终端的模板"
```

**学习提示词技术**：
```
"如何学习提示词工程"
"教我 Few-shot learning"
"什么是 Chain-of-Thought"
"我想掌握提示词技术"
```

**优化提示词**：
```
"优化这个提示词：..."
"评估我的提示词质量"
"如何改进这个提示"
```

### 显式调用

如果需要明确指定能力：

```
"使用模板库找..."
"调用学习系统..."
"用优化器处理..."
```

---

## 📖 能力详解

### 模板库使用流程

```
1. 描述需求场景
   ↓
2. 自动匹配角色/模板
   ↓
3. 替换占位符（如 ${Position}）
   ↓
4. 直接使用或微调
   ↓
5. 可选：调用优化器增强
```

### 学习系统路径

**初学者路径**（0-1个月）：
```
Week 1-2: 角色扮演 + 系统指令
Week 3-4: 逐步思考 + 示例驱动
Week 5-6: 结构化输出 + 任务分解
Week 7-8: 输出格式化 + 约束条件
```

**进阶路径**（1-3个月）：
```
Month 2: 思维树 + 自我反思 + 对比分析
Month 3: 多角色辩论 + CoT 优化 + 知识蒸馏
```

**专家路径**（3+个月）：
```
掌握 ReAct、提示词链、元提示等高级技术
实战项目：构建复杂的多步骤 AI 工作流
```

### 优化器工作流

```
原始提示词
    ↓
[步骤 1] 分析需求
    ↓
[步骤 2] 6 维度评估
    ↓
[步骤 3] 识别适用技术
    ↓
[步骤 4] 生成优化方案
    ↓
[步骤 5] 应用技术优化
    ↓
优化后的提示词
```

---

## 🔄 智能协同工作流

### 完整示例：创建面试准备提示词

**用户请求**："帮我准备一个前端开发面试"

**[步骤 1] 调用模板库**
→ 检索到 "Job Interviewer" 模板

**[步骤 2] 调用学习系统**
→ 识别适用技术：角色扮演、任务分解、约束条件

**[步骤 3] 调用优化器**
→ 应用技术生成定制版本

**最终输出**：
```
你是一位资深前端技术面试官，曾在多家大厂任职。
请模拟真实的前端开发面试流程：

1. 自我介绍环节（2-3分钟）
2. 技术问题环节（5-8个问题，涵盖HTML/CSS/JS/框架）
3. 算法题环节（1-2道中等难度）
4. 项目经验讨论
5. 反向提问环节

要求：
- 每次只问一个问题
- 等待我的回答后再继续
- 对每个回答给予反馈（优秀/良好/需改进）
- 最后给出总体评价和改进建议
```

### 路由逻辑

```
用户请求
    ↓
[关键词检测] + [意图分析]
    ↓
    ├─→ [角色模板] → 模板库
    ├─→ [学习技术] → 学习系统
    ├─→ [优化提示] → 优化器
    └─→ [综合需求] → 协同工作流
```

---

## 💡 最佳实践

### 1. 渐进式学习
```
入门：模板库 + 基础技术
进阶：优化技术 + 进阶技术
专家：组合技术 + 自定义工作流
```

### 2. 迭代优化
```
第一版：使用模板快速开始
第二版：根据反馈微调
第三版：应用优化技术
最终版：多次迭代后的高质量版本
```

### 3. 建立个人库
```
my-prompts/
├── templates/      # 常用模板
├── optimized/      # 优化后的提示词
└── cases/          # 实战案例
```

---

## 📊 技术速查表

| 技术 | 难度 | 适用场景 | 触发词 |
|------|------|---------|--------|
| 角色扮演 | ⭐ | 专业任务 | "扮演", "你是" |
| 逐步思考 | ⭐ | 复杂推理 | "一步步", "分析" |
| 示例驱动 | ⭐⭐ | 格式不明确 | "例如", "像这样" |
| 结构化输出 | ⭐ | 需要格式 | "JSON", "表格" |
| 思维树 | ⭐⭐⭐ | 多方案对比 | "考虑多种可能" |
| 自我反思 | ⭐⭐ | 质量要求高 | "检查", "改进" |
| ReAct | ⭐⭐⭐⭐ | 复杂推理循环 | "思考→行动→观察" |

---

## 📚 参考文档

详细内容请查看：

- **模板库完整列表**：`references/templates.md`
- **技术详解**：`references/techniques.md`
- **优化方法**：`references/optimizer.md`
- **工作流案例**：`references/workflows.md`

---

## 🎯 使用场景

### 场景 1：快速启动角色对话
```
你："扮演一个Python专家，帮我调试代码"
→ Prompt Master：加载模板 + 优化上下文
→ 输出：专业的Python开发者角色提示词
```

### 场景 2：学习新技术
```
你："什么是Few-shot learning？给我例子"
→ Prompt Master：解释技术 + 提供案例 + 推荐练习
→ 输出：完整的技术教程和实战案例
```

### 场景 3：优化提示词
```
你："优化：帮我写文章"
→ Prompt Master：评估质量 + 识别技术 + 生成优化版
→ 输出：结构化、具体化的高质量提示词
```

### 场景 4：综合需求
```
你："帮我创建一个数据分析助手提示词"
→ Prompt Master：
   1. 从模板库找到 "Data Analyst" 角色
   2. 应用学习系统的技术和最佳实践
   3. 用优化器增强和定制
→ 输出：专业定制的数据分析助手提示词
```

---

## ⚙️ 技术细节

### 版本信息
- **版本**: 1.0.0
- **创建日期**: 2026-01-30
- **整合技能**: chatgpt-prompts, prompt-learning-assistant, prompt-optimizer
- **总模板数**: 50+
- **总技术数**: 58+
- **评估维度**: 6

### 来源
- awesome-chatgpt-prompts: https://github.com/f/awesome-chatgpt-prompts (143k+ stars)
- OpenAI Prompt Engineering Guide
- Anthropic Prompt Library

---

## 🎓 进阶使用

### 自定义工作流

创建多步骤协同工作流：

```
步骤 1: 使用模板库获取基础模板
步骤 2: 学习系统提供技术指导
步骤 3: 优化器进行质量提升
步骤 4: 迭代测试和改进
步骤 5: 保存到个人库
```

### 技术组合

常见高效组合：

**写作任务**：
角色扮演 + 逐步思考 + 约束条件

**分析任务**：
结构化输出 + 示例驱动 + 自我反思

**创作任务**：
角色扮演 + 思维树 + 风格迁移

**推理任务**：
ReAct + 提示词链 + 自我反思

---

## ✨ 特性亮点

- ✅ **智能路由**：自动识别意图，无需手动选择
- ✅ **零门槛**：初学者可直接使用模板
- ✅ **系统化**：完整的学习路径从入门到专家
- ✅ **高效优化**：6 维度评估提升提示词质量
- ✅ **实战导向**：所有技术都有真实案例
- ✅ **持续进化**：整合最新技术进展

---

**提示**：Prompt Master 会自动识别你的需求。你可以自然地描述你的需求，无需记住特定的命令格式。

开始你的提示词工程之旅！🚀