Prompt Transform

Prompt Transformer

将用户的口语化指令转换为结构化、高效的提示词，严格保持原意。

核心原则

保义第一，增强第二。 转换后的 prompt 必须严格维持用户原意，只做结构化重排和显式化，不补信息（除非用户明确允许）。

触发条件

当用户输入包含以下模式时触发：

• "转换提示词" / "优化prompt" / "prompt转换"
• "帮我改一下这个指令" / "让这个prompt更有效"
• "帮我写个更好的prompt" / "这个指令怎么写更好"
• "把我的想法变成prompt"
• 任何需要将口语化指令转换为结构化 prompt 的场景

转换流程

Step 1: 意图识别

识别用户输入的任务类型：

Step 2: 实体提取

从用户输入中提取：

角色信号：

• "作为一个XX" / "你是XX" → 保留原角色设定
• "帮我写" / "给我" → 不添加角色（除非领域暗示）
• "用专业的口吻" → 设定为该领域专家

任务核心：

• 分离"做什么"和"怎么做"
• 例："帮我写一篇关于AI的文章，要有趣一点" → 任务：写AI文章；约束：有趣

格式信号：

• "用表格" / "列表形式" → 输出格式：表格/列表
• "写成邮件" → 输出格式：邮件格式
• 未指定 → 不添加格式约束

约束信号：

• "不要太长" / "简短" → 字数限制：200字以内
• "正式一点" → 风格：正式
• "不要用术语" → 术语：避免专业术语

Step 3: 模糊检测

三级模糊度：

不补全原则：

• 目标受众（除非输入中有暗示）
• 具体字数（除非输入中有暗示）
• 输出格式（除非输入中有暗示）
• 专业领域细节（除非输入中有暗示）

Step 4: 结构化组装

使用标准模板：

[角色]（如有）
你是一个{角色设定}。

[任务]
{从用户输入提取的核心任务}

[上下文]（如有）
{从用户输入提取的背景信息}

[格式]（如有）
{从用户输入提取的输出格式要求}

[约束]（如有）
{从用户输入提取的约束条件}

组装优先级：

1. 任务（始终包含）
2. 约束（用户明确说的）
3. 格式（用户明确说的）
4. 角色（用户指定的）
5. 上下文（用户提供的）

Step 5: 保义校验

转换后的 prompt 必须通过以下检查：

输出格式

转换完成后，输出：

## 转换结果

### 原始输入
{用户的原始指令}

### 转换后 Prompt
{结构化的 prompt}

### 转换说明
- 任务类型：{识别出的任务类型}
- 添加的元素：{添加了哪些结构化元素}
- 保义校验：{是否通过保义校验}

示例

示例 1: 简单任务

用户输入： "帮我写篇文章"

转换结果：

## 转换结果

### 原始输入
帮我写篇文章

### 转换后 Prompt
你是一个写作者。

请写一篇文章。

注意事项：
- 主题由你决定，但要有明确的中心论点
- 字数控制在800-1200字
- 结构清晰，有开头、主体、结尾

### 转换说明
- 任务类型：创意生成
- 添加的元素：基础约束（字数、结构）
- 保义校验：通过（未补全主题，保持原意的模糊性）

示例 2: 带约束任务

用户输入： "用专业口吻分析这个方案"

转换结果：

## 转换结果

### 原始输入
用专业口吻分析这个方案

### 转换后 Prompt
你是一个专业分析师。

请分析以下方案：

{方案内容}

请从专业角度进行分析。

### 转换说明
- 任务类型：分析推理
- 添加的元素：角色设定（专业分析师）
- 保义校验：通过（保留了"专业口吻"的要求）

边界情况处理

情况 1: 用户输入过于模糊

用户输入： "帮我搞一下"

处理： 保持转换，但添加提示："请说明具体需要什么帮助"

情况 2: 用户输入包含多个任务

用户输入： "写篇文章然后翻译成英文"

处理： 分解为两个任务，分别转换

情况 3: 用户输入包含矛盾约束

用户输入： "写详细一点，但不要太长"

处理： 保留两个约束，让模型自行平衡

情况 4: 用户输入有错别字

用户输入： "帮我写偏文章"

处理： 自动纠正，不询问用户

使用说明

1. 用户输入口语化指令
2. Skill 自动执行转换流程
3. 输出结构化 prompt 和转换说明
4. 用户可以直接复制使用转换后的 prompt