Loading...
Loading...
共找到 75 个 Skills
分析并优化现有Prompt以提升性能
一款通过实际使用打磨并专业化AI agent技能的优化器——可节省token、消除冗余、精简指令，从而降低技能运行成本。它会从错误中学习、评估质量，随时间持续迭代优化。它观察当前会话中的技能执行过程，分析最多四类来源（会话摩擦、文件差异、用户反馈、静态诊断）以及积累的经验教训，为目标技能的SKILL.md提出具体改进方案。适配Claude Code以及兼容基于SKILL.md的agent框架。使用方式：执行任意技能后输入 `/skill-optimizer [名称]`，或直接输入 `/skill-optimizer` 自动检测，添加 `--review` 参数可处理积累的经验教训。
将粗略的想法转化为结构清晰的Prompt或Skill脚手架，明确包含目标、输入、工作流、输出以及具体的文件规划。当用户想要设计新的Prompt或Skill、搭建类Skill工作流、提及Prompt的“脚手架”“蓝图”“结构”或“规划”，或是提出了需要先梳理再落地的模糊需求时，均可使用本工具——即便用户没有明确要求搭建脚手架。
将模糊、杂乱或多部分的用户请求转化为清晰、独立的prompt，让全新的Agent无需进一步提问即可执行。逐个向用户提问——沿着决策树推进，根据每个答案分支——直到prompt足够严谨，然后将最终prompt作为交付成果输出。触发场景包括：任何语音输入、冗余内容较多的文本、指代模糊的表述（如“那个东西”“那个脚本”）、多部分请求，或是用户想要压力测试的任何计划。对于简单的单行请求，生成prompt属于形式化流程，可跳过该技能；但一旦调用该技能，无论执行看起来多么简单，都必须生成prompt。
适用于用户希望排查问题、审计工作流质量，或对其AI工作流进行全面健康检查的场景。
构建Agent可有效使用的工具，包括架构简化模式
用于创建遵循Epoch单体仓库（monorepo）结构的详细功能实现方案的提示词
不管回答什么问题，都要仔细思考。在回答任何问题或执行任何任务之前，先深入分析和推理。
为特定场景设计并应用AI personas——包括项目专属语气、领域专家模式或自定义交互风格。适用于创建自定义persona、为特定项目调整沟通风格或设计基于角色的AI行为的场景。触发关键词："페르소나"、"persona"、"역할 설정"、"톤 설정"、"voice"、"캐릭터"、"role definition"
对用户的计划或设计进行持续追问，直到双方达成共识，解决决策树的每一个分支。适用于用户想要对计划进行压力测试、接受设计挑战，或者提到「grill me / 拷问我 / 挑战我 / 向我提问」的场景。
压缩并简化prompt，在保留含义的同时降低上下文使用量
使用最佳实践创建、改进或优化提示词