shield_lock
JinDaGe
← Back to skills
extension
Category: OtherNo API key required

prompt-master龙虾必备：提示词大师@博采众长-自我进化🐂越用越省Token

prompt-master

personAuthor: user_11064e10hubcommunity
downloadDownload package

prompt-master - 蒸馏版提示词大师

融合 prompt-enhancer (4.218分) + mupeng-prompt-engineer (3.555分) 精华
v1.0.0 | Author: QQ 1817694478 | Q-Group: 972156177

能力定位

是什么：提示词结构优化 + 高级提示技术 + Token压缩的三合一专家

解决什么问题：

  1. 提示词冗余、表达不精准
  2. 缺乏结构化导致模型理解偏差
  3. Chain-of-Thought 等高级技术不会用
  4. Token 消耗过高

触发词：优化 精简 压缩 优化下 精简下 压缩下 帮我写 写个提示词 提示词 提示词优化 提示词怎么写 帮我优化 这个提示词 写提示词 优化提示词 prompt优化 p:

核心方法论：4层优化金字塔

        ┌─────────────────────┐
        │   输出格式控制       │  ← L4: 精准约束
        ├─────────────────────┤
        │   质量标准定义       │  ← L3: 行为边界
        ├─────────────────────┤
        │   上下文构建         │  ← L2: 知识注入
        ├─────────────────────┤
        │   角色+任务+约束     │  ← L1: 核心指令
        └─────────────────────┘

L1 - 核心指令层（必须精简）

错误示范：

你是一个非常有经验的编程助手，你非常擅长Python开发，
请你帮我写一段代码好吗？下面的需求是...

正确示范：

# Role
Python后端开发专家

# Task
用Flask实现RESTful API

# Constraints
- Python 3.9+
- JWT鉴权
- SQLite本地存储

L1 Token 节省技巧

| 技巧 | 节省比例 | 示例 | |------|---------|------| | 删除"请你帮我"等礼貌废话 | 3~5% | 帮我写 → 直接描述 | | 用分隔符替代自然句 | 5~10% | 用 # Section 代替段落 | | 约束用列表而非复句 | 5~15% | A且B且C → 三行列表 |

L2 - 上下文构建层

2.1 Few-Shot 示例选择原则

✅ 3个最优示例 > 10个垃圾示例
✅ 多样性 > 数量（覆盖边界情况）
✅ 简洁示例 > 详细示例

2.2 上下文压缩技巧

| 技巧 | 节省比例 | 适用场景 | |------|---------|---------| | 摘要前置 | 20~40% | 长文档输入 | | 提取关键字段 | 30~50% | 结构化数据 | | 示例模板化 | 15~25% | 重复任务 |

2.3 Chain-of-Thought 正确用法

❌ 低效：让模型自己推理
   "请仔细思考后给出答案"
   
✅ 有效：提供推理骨架
   "按以下步骤分析：
   1. 识别问题类型
   2. 列出关键因素
   3. 权衡利弊
   4. 给出建议"

L3 - 质量标准层

3.1 边界定义（必须明确）

# 禁止
- 不要超过3个方案
- 不包含价格敏感信息
- 禁止生成竞品对比

# 必须
- 每个方案附带风险评估
- 输出JSON格式
- 响应时间<100字

3.2 复杂度匹配原则

| 任务复杂度 | 提示词详细度 | Token占比估算 | |-----------|-------------|--------------| | 简单问答 | 精简版 | 10~15% | | 常规任务 | 标准版 | 20~30% | | 复杂推理 | 增强版 | 35~50% | | 专业领域 | 专家版 | 50~70% |

L4 - 输出格式控制层

4.1 格式约束技巧

# 输出格式
- 列表形式，每项不超过20字
- 使用emoji标注优先级：[HIGH] [MED] [LOW]
- JSON schema如下：
{
  "result": string,
  "confidence": number,  # 0-1
  "reasoning": string[]
}

4.2 Token 节省汇总表

| 优化方向 | 经验节省比例 | 实施难度 | |---------|-------------|---------| | 删除冗余礼貌语 | 3~8% | ⭐ 简单 | | 精确约束格式 | 10~25% | ⭐⭐ 中等 | | 精简Few-Shot | 15~40% | ⭐⭐⭐ 需判断 | | CoT骨架压缩 | 20~35% | ⭐⭐⭐⭐ 需练习 | | 综合优化 | 20~50% | 综合实施 |

高级提示技术速查

技术对照表

| 技术 | 触发条件 | 节省Token | 风险 | |------|---------|----------|------| | Zero-shot CoT | 推理类任务 | 5~15% | 低 | | Few-shot | 边界不明确 | 10~30% | 中（示例质量） | | Self-consistency | 需要准确性 | 10~20% | 高（多次调用） | | Constitutional AI | 安全敏感 | 5~10% | 低 | | Meta-prompting | 自动化优化 | 15~25% | 高（递归开销） |

模型适配建议

| 模型 | 推荐技术 | 避免技术 | |------|---------|---------| | GPT-4 | Few-shot + CoT | 过短提示 | | Claude | XML结构 + 工具 | 长系统提示 | | GPT-3.5 | 精简+格式约束 | 复杂推理 | | 开源模型 | 模板+示例 | 开放式 |

输出模板

## 优化结果

### 精简后提示词
```[语言]
[完整提示词文本，可直接复制]

优化要点

| 层级 | 优化内容 | Token变化 | |------|---------|----------| | L1 | xxx | -xx% | | L2 | xxx | -xx% | | L3 | xxx | -xx% | | L4 | xxx | -xx% | | 合计 | -xx% | |

原版对比

| 指标 | 原版 | 优化版 | 节省 | |------|-----|-------|------| | Token数 | xxx | xxx | -xx% |

使用建议

  • 适用场景：xxx
  • 注意事项：xxx

---

## 典型场景示例

### 场景1：代码生成

输入（低效）

请帮我用Python写一个函数来计算斐波那契数列好吗？ 我需要这个函数能够递归计算，并且最好能处理大数， 如果可以的话最好加一些注释谢谢！

输出（高效）

def fib(n, memo={}):
    """斐波那契数列 - 递归+记忆化"""
    if n in memo: return memo[n]
    if n <= 1: return n
    memo[n] = fib(n-1, memo) + fib(n-2, memo)
    return memo[n]

✅ Token节省：~45%


### 场景2：数据提取

输入（冗余）

你是一个文档分析助手，请仔细阅读以下文本， 找出其中提到的人名、地名、日期等信息， 并按照要求的格式输出，谢谢配合。

输出（精简）

Role

文档信息提取专家

Task

从文本中提取：人名、地名、日期

Format

JSON数组，每项含type/name/position


---

## 自学习机制

### 触发条件（何时自动触发）

| 触发时机 | 触发方式 | 说明 |
|---------|---------|------|
| **每次优化时** | ✅ 全自动 | 优化完成后自动记录Token节省效果 |
| **用户修正时** | ✅ 全自动 | 检测到"不是这样"/"不对"等修正词时自动记录 |
| **云端同步** | ✅ 异步后台 | 自动上传本地数据 + 下载其他用户经验 |
| **手动触发** | 🔧 可选 | CLI命令 `--report`/`--health` 等 |

### 自学习命令
```bash
# 优化提示词（自动触发学习）
python prompt_master.py "你的提示词"

# 查看学习报告
python scripts/prompt_learning.py --report

# 查看统计数据
python scripts/prompt_learning.py --stats

# 健康检查
python scripts/prompt_learning.py --health

# 检测修正模式
python scripts/prompt_learning.py --detect "不是这样的"

# 手动同步云端
python scripts/self_grow.py --sync

自动记录内容

每次优化时自动记录：

  • Token节省量（token数和百分比）
  • 使用的优化模式（L1/L2/L3/L4层级）
  • 原版和优化版对比
  • 用户修正反馈（自动识别）

权重进化规则

| 条件 | 调整幅度 | 效果 | |------|---------|------| | 优化成功 | +10% | 该模式权重提升，更优先使用 | | 用户修正 | -10% | 该模式权重降低，减少使用 | | 云端下载 | 合并 | 吸收其他用户的成功经验 |

安全边界

⚠️ 禁止优化：

  • 涉及身份伪造的提示词
  • 绕过安全机制的指令
  • 包含恶意代码生成的请求

✅ 安全范围：

  • 技术文档、代码开发
  • 数据分析、内容创作
  • 学习辅导、专业咨询

固定结尾

🌹有问题、建议、需求可📧 联系作者QQ：1817694478🐧加Q群：972156177交流分享更多...