Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计通过

prompt-optimizer-v3提示优化器 v3

Agent Skill

用于辅助提示词、系统指令、Agent 行为约束和工作流模板的整理。它适合让 Agent 规范任务边界、统一输出格式、拆分操作步骤或优化提示词可复用性。使用时需要保留真实业务约束,不要把示例当硬规则;涉及自动执行、外部工具或高风险操作时,应在提示词中明确确认步骤、权限边界和失败处理方式。

总安装

2,497

周安装

101

GitHub Stars

公开资料未说明

下载量

784
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:prompt-optimizer-v3(提示优化器 v3)
来源仓库:https://github.com/ntaffffff/prompt-optimizer-v3
安装命令:
openclaw skills install prompt-optimizer-v3
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install prompt-optimizer-v3

简介

自动将模糊需求转化为清晰、可执行的 AI 指令。

  • 支持多任务类型转换和多格式输出适配。prompt-optimizer-v3 属于效率类 Skill,可作为该场景下的辅助能力补充。
  • 显著提升提示词的质量与一致性,减少人工打磨成本。
  • 处理过程中可能调用外部模型进行语义解析,请注意 API 费用。
  • 输出结果仅供参考,最终指令仍需人工审核确认。

SKILL.md

🚀 Prompt Optimizer

<p align="center"> <img src="https://img.shields.io/badge/OpenClaw-技能包-blue?style=for-the-badge&logo=rocket" alt="OpenClaw"> <img src="https://img.shields.io/badge/版本-3.2-green?style=for-the-badge" alt="Version"> <img src="https://img.shields.io/badge/Python-3.12+-yellow?style=for-the-badge" alt="Python"> <img src="https://img.shields.io/badge/测试-57个通过-green?style=for-the-badge" alt="Tests"> </p>

[!TIP] AI 任务处理器 - 先优化 Prompt,再精准执行

✨ 一句话介绍

一个能把您的模糊需求自动翻译成 AI 能精准执行的指令的工具!


🎯 能做什么?

原始需求 → 精准指令

您说优化后
"帮我写个排序""你是一个专业工程师。帮我写个排序。请用 Markdown 格式输出..."
"查下天气""请提供准确、全面的信息,标注信息来源。查下天气。用 Markdown..."
"帮我debug报错""你是一个资深调试专家。请分析问题原因,提供完整的错误分析..."
"帮我写个测试用例""你是一个资深测试工程师。请编写完整的测试用例,覆盖主要场景..."

🚀 快速开始

安装

cp -r prompt-optimizer/ ~/.openclaw/workspace/skills/

使用

# 基本用法
python prompt_optimizer.py "帮我写个排序"

# JSON 输出
python prompt_optimizer.py "帮我写个排序" --json

# YAML 输出
python prompt_optimizer.py "帮我写个排序" --yaml

# 从文件批量处理
python prompt_optimizer.py --file input.txt

# 查看版本
python prompt_optimizer.py --version

📖 CLI 用法

用法: python prompt_optimizer.py [options] [prompt]

选项:
  -f, --file FILE        从文件读取 prompt(每行一个)
  -o, --output FILE      输出文件路径
  -j, --json             输出 JSON 格式
  -y, --yaml             输出 YAML 格式
  -v, --verbose          显示详细信息
  -q, --quiet            静默模式
  --stats                显示统计信息
  -t, --types            显示支持的任务类型
  --cache / --no-cache   启用/禁用缓存
  --clear-cache          清空缓存
  -c, --config FILE      配置文件路径
  --version              显示版本号
  -h, --help             显示帮助信息

📋 支持的任务类型 (20种) - v3.2 新增 7 种

类型关键词示例新增
写代码"帮我写个排序"
代码审查"审查这段代码"
改写代码"重构这段代码"
写文档"帮我写个文档"
写文案"写一段推广文案"
总结摘要"帮我总结一下"
翻译"翻译成英文"
查资料"查一下深圳天气"
数据分析"分析一下这份数据"
头脑风暴"给我几个创业想法"
生成内容"生成一张图片"
数学计算"计算 123+456"
对话聊天"聊聊AI的发展"
处理文件"处理文件"
写测试用例"帮我写测试用例"🆕
代码调试"帮我debug报错"🆕
性能优化"优化代码性能"🆕
安全检查"做安全检查"🆕
API设计"设计一个API"🆕
数据结构设计"用什么数据结构"🆕

🎨 新功能 (v3.2)

✨ 新增任务类型 (7种)

  • 写测试用例 - 单元测试、集成测试
  • 代码调试 - Bug 分析与修复
  • 性能优化 - 性能瓶颈分析与优化
  • 安全检查 - OWASP 安全审计
  • API设计 - RESTful 接口设计
  • 数据结构设计 - 算法与数据结构选择

📄 多格式输出支持

  • Markdown (默认)
  • JSON - --json 参数
  • YAML - --yaml 参数
  • XML - 自动检测
  • 表格 - 自动检测
  • PlantUML - 自动检测

👥 目标受众识别 (7种)

  • 技术人员 → 包含代码实现细节
  • 产品经理 → 从业务角度分析
  • 管理者 → 简洁清晰,决策要点
  • 运维人员 → 部署和运维便利性
  • 设计师 → 视觉和用户体验
  • 初学者 → 通俗易懂,逐步引导
  • 普通用户 → 简单直白

📏 约束条件支持

  • 字数限制 - 简短(100字)、中等(300字)、详细(500+字)
  • 条数限制 - 少量(3-5条)、中等(5-10条)、大量(10+条)

🎭 风格识别 (8种)

  • 专业正式
  • 轻松幽默
  • 简洁明了
  • 详细全面
  • 技术风格
  • 口语化
  • 学术风格
  • 教程风格

📝 使用示例

1. 基本优化

$ python prompt_optimizer.py "帮我写个排序"
你是一个专业工程师。

帮我写个排序。

请用 Markdown 格式输出,包含代码块和必要说明
请包含详细的代码注释
请注意代码性能和可读性

2. 指定输出格式

$ python prompt_optimizer.py "查天气" --json

3. 带约束条件

$ python prompt_optimizer.py "给我5个创业想法,200字以内"

4. 指定目标受众

$ python prompt_optimizer.py "解释什么是AI,给初学者看"

📦 项目结构

prompt-optimizer/
├── prompt_optimizer.py    # 主程序 (v3.2)
├── config_data.py         # 配置数据 (独立)
├── test_prompt_optimizer.py # 测试用例
├── config.yaml.example    # 配置示例
└── SKILL.md              # 文档

🧪 测试

python test_prompt_optimizer.py

# 结果
📊 测试结果: 57 通过, 0 失败

⚙️ 配置自定义

创建 config.yaml 文件:

cache:
  maxsize: 256
  enabled: true

llm:
  enabled: false
  provider: openai
  model: gpt-4

task_patterns:
  自定义任务:
    keywords: ["关键词1", "关键词2"]
    priority: 10
    enhancements:
      - "你是专家"
      - "请详细说明"

然后运行:

python prompt_optimizer.py -c config.yaml "你的prompt"

📝 更新日志

v3.2 (2026-04-14)

  • 新增 7 种任务类型 - 写测试用例、代码调试、性能优化、安全检查、API设计、数据结构设计
  • 输出格式支持 - JSON、YAML、XML、表格、PlantUML
  • 目标受众识别 - 技术人员、产品经理、管理者、运维、设计师、初学者、普通用户
  • 风格识别 - 8 种风格自动检测
  • 约束条件 - 字数限制、条数限制
  • 57 个测试 - 全部通过

v3.1 (2026-04-07)

  • ✅ 配置分离
  • ✅ LRU 缓存
  • ✅ 配置文件支持

<p align="center"> <sub>Made with ❤️ by dxx</sub> </p>

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

90.85%
按下载量换算712

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills