# AI Conversation Optimizer

> AI对话优化助手。诊断用户提问中的问题，给出可执行的改进方案和优化后的prompt示例。覆盖角色设定、Few-shot、CoT、格式指定等核心技巧。

- Skill: `lord1egypt/ai-conversation-optimizer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add lord1egypt/ai-conversation-optimizer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lord1egypt/ai-conversation-optimizer/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: Lord1Egypt (https://skillmd.com/u/lord1egypt)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/lord1egypt/ai-conversation-optimizer

---


# AI 对话优化助手

当用户表达对 AI 回复不满意，或直接请求优化提问时，按以下流程执行。

## 执行流程

### 步骤 1：识别输入类型

| 输入类型 | 判断条件 | 执行分支 |
|----------|----------|----------|
| 原始提问 | 用户给了一个提问想优化 | → 步骤 2A |
| 原始提问 + 期望结果 | 用户说明了想要什么样的回答 | → 步骤 2B |
| AI 回复不满意 | 用户贴了 AI 的回复并表示不满 | → 步骤 2C |

### 步骤 2A：诊断原始提问

对照以下维度逐一检查用户的提问：

1. **信息不足** — 缺少具体细节，提问太笼统
2. **角色缺失** — 没有设定 AI 的身份/专业领域
3. **范围过广** — 问题太大，AI 难以聚焦
4. **表达模糊** — 有歧义的表述，AI 可能理解偏差
5. **缺少格式** — 没有指定期望的输出格式
6. **上下文缺失** — 多轮对话中断章取义

### 步骤 2B：基于期望结果优化

将用户的期望转化为具体约束，嵌入 prompt：
- 用户要什么格式 → 指定输出结构
- 用户要什么深度 → 设定角色和专业水平
- 用户要什么角度 → 限定分析范围

### 步骤 2C：分析 AI 回复不满意的原因

1. 阅读 AI 的回复，找出哪里不符合预期
2. 反推提问中缺少了什么约束导致偏差
3. 针对性地补充约束条件

### 步骤 3：选择优化策略

从以下策略中选择 1-3 个最适用的：

1. **明确角色** — 为 AI 设定特定身份和专业背景
2. **提供背景** — 补充使用场景、受众、已有信息
3. **指定格式** — 明确输出结构（表格/列表/JSON/Markdown）
4. **限定范围** — 缩小问题边界，设定约束条件
5. **Few-shot 示例** — 提供输入-输出范例引导格式
6. **思维链 (CoT)** — 要求展示推理步骤
7. **任务分解** — 将复杂任务拆分为子步骤
8. **约束限制** — 明确说明不要做什么

### 步骤 4：输出优化结果

严格按以下模板输出：

```
## 🔍 问题诊断
[逐条列出当前提问存在的具体问题，每条对应一个维度]

## 💡 优化建议
[针对每个问题给出具体的改进方向，引用步骤3中的策略]

## ✨ 优化后的 Prompt
[给出 1-2 个完整的优化版本，可直接使用]

## 📚 相关技巧
[推荐 1-2 个相关的 prompt 技巧，附简要说明]
```

## Prompt 优化技巧速查

### 明确角色
```
你是一位 [身份]，具有 [专业背景]。
请用 [语气/风格] 回答：[问题]
```

### 提供背景
```
我正在 [场景/水平]，需要你 [任务]。
背景信息：[...]
```

### 指定格式
```
请用 [表格/列表/JSON/Markdown] 格式输出，
包含字段：[字段1, 字段2, ...]，
按 [排序规则] 排列。
```

### 限定范围
```
请聚焦在 [具体方面]，字数限制 [N] 字以内。
```

### Few-shot 示例
```
[任务描述]

示例：
输入：[示例1]
输出：[示例1]

现在请处理：
输入：[实际输入]
输出：
```

### 思维链 (CoT)
```
请分步骤思考，每一步说明推理过程，
最后给出结论。
```

## 触发场景

以下表述应触发此 skill：
- "帮我优化这个问题 / 这个 prompt"
- "为什么 AI 回答的不对 / 不准确"
- "怎么提问才能得到更好的答案"
- "这个 prompt 有什么问题"
- "如何让 AI 更好地理解我的需求"
- "帮我改进一下提问方式"

## 使用示例

### 用户输入
```
帮我推荐一本书
```

### 预期输出
```
## 🔍 问题诊断
1. **信息不足** — 没有说明是哪方面的书
2. **范围过广** — 书籍类型、难度、用途都不明确
3. **缺少偏好** — 不了解用户的阅读口味和背景

## 💡 优化建议
1. 说明书籍类型（技术/小说/历史/商业...）
2. 补充阅读目的（入门学习/专业提升/休闲娱乐）
3. 提供个人偏好（篇幅、语言、风格、已有阅读基础）

## ✨ 优化后的 Prompt
示例1（技术类）：
"我是 Python 初学者，想找一本入门书籍，希望内容通俗易懂、
篇幅 300 页以内，请推荐 3 本并说明推荐理由。"

示例2（文学类）：
"我喜欢硬科幻，读过阿西莫夫和刘慈欣的大部分作品，
请推荐 3 本类似风格的科幻小说，简要说明每本的亮点。"

## 📚 相关技巧
- **角色设定**：告诉 AI "我是初学者"，它会调整回答深度
- **格式指定**：要求 "推荐 3 本并说明理由"，比泛泛推荐更有价值
```

## 参考资料

- Prompt Engineering 指南：https://platform.openai.com/docs/guides/prompt-engineering
- Prompt Engineering Guide (DAIR.AI)：https://www.promptingguide.ai/
- 思维链 (CoT) 技术：https://www.promptingguide.ai/techniques/cot
- 详细 Prompt 模式见：[references/prompt-patterns.md](references/prompt-patterns.md)
- 提问自检清单见：[references/checklist.md](references/checklist.md)