name: prompt-master description: The ultimate prompt engineering toolkit that combines three powerful skills: 50+ role templates from awesome-chatgpt-prompts (143k+ stars), systematic learning of 58+ techniques from beginner to expert, and intelligent prompt optimizer with 6-dimensional quality assessment. Automatically routes to the right capability based on your request - get templates, learn techniques, or optimize prompts seamlessly. version: 1.0.0 author: Clawdbot Skills Collection license: MIT tags: [prompt-engineering, templates, learning, optimization, chatgpt, ai] category: knowledge requires: []

Prompt Master - 终极提示词工程工具包

三合一超级技能：模板库 + 学习系统 + 优化器

整合三大核心能力，智能路由到最适合的工具

🎯 核心能力

1️⃣ 提示词模板库

来自 awesome-chatgpt-prompts（143k+ stars）的 50+ 角色模板

使用场景：

• 需要快速启动专业角色对话
• 查找特定场景的提示词模板
• 角色扮演、面试准备等

核心角色：

• 开发技术：Linux Terminal, JS Console, SQL Terminal
• 创意写作：Storyteller, Poet, Novelist, Screenwriter
• 专业角色：Doctor, Lawyer, Recruiter, Developer
• 实用工具：Job Interviewer, Travel Guide, Translator

2️⃣ 提示词学习系统

系统化学习 58+ 种提示词技术

使用场景：

• 从零学习提示词工程
• 掌握特定技术（Few-shot, CoT, ReAct等）
• 查看实战案例和学习路径

技术分类：

• 入门级（8种）：角色扮演、逐步思考、示例驱动等
• 进阶级（8种）：思维树、自我反思、多角色辩论等
• 专家级（8种）：ReAct、提示词链、元提示等

3️⃣ 提示词优化器

6 维度质量评估和智能优化

使用场景：

• 优化现有提示词
• 评估提示词质量
• 生成多个变体版本

评估维度： 清晰度、具体性、结构性、完整性、语气、约束条件

🚀 快速开始

自动识别触发

Prompt Master 会自动识别你的意图并调用合适的能力：

获取角色模板：

"扮演一个面试官"
"我需要一个医生的角色提示词"
"给我一个Linux终端的模板"

学习提示词技术：

"如何学习提示词工程"
"教我 Few-shot learning"
"什么是 Chain-of-Thought"
"我想掌握提示词技术"

优化提示词：

"优化这个提示词：..."
"评估我的提示词质量"
"如何改进这个提示"

显式调用

如果需要明确指定能力：

"使用模板库找..."
"调用学习系统..."
"用优化器处理..."

📖 能力详解

模板库使用流程

1. 描述需求场景
   ↓
2. 自动匹配角色/模板
   ↓
3. 替换占位符（如 ${Position}）
   ↓
4. 直接使用或微调
   ↓
5. 可选：调用优化器增强

学习系统路径

初学者路径（0-1个月）：

Week 1-2: 角色扮演 + 系统指令
Week 3-4: 逐步思考 + 示例驱动
Week 5-6: 结构化输出 + 任务分解
Week 7-8: 输出格式化 + 约束条件

进阶路径（1-3个月）：

Month 2: 思维树 + 自我反思 + 对比分析
Month 3: 多角色辩论 + CoT 优化 + 知识蒸馏

专家路径（3+个月）：

掌握 ReAct、提示词链、元提示等高级技术
实战项目：构建复杂的多步骤 AI 工作流

优化器工作流

原始提示词
    ↓
[步骤 1] 分析需求
    ↓
[步骤 2] 6 维度评估
    ↓
[步骤 3] 识别适用技术
    ↓
[步骤 4] 生成优化方案
    ↓
[步骤 5] 应用技术优化
    ↓
优化后的提示词

🔄 智能协同工作流

完整示例：创建面试准备提示词

用户请求："帮我准备一个前端开发面试"

[步骤 1] 调用模板库 → 检索到 "Job Interviewer" 模板

[步骤 2] 调用学习系统 → 识别适用技术：角色扮演、任务分解、约束条件

[步骤 3] 调用优化器 → 应用技术生成定制版本

最终输出：

你是一位资深前端技术面试官，曾在多家大厂任职。
请模拟真实的前端开发面试流程：

1. 自我介绍环节（2-3分钟）
2. 技术问题环节（5-8个问题，涵盖HTML/CSS/JS/框架）
3. 算法题环节（1-2道中等难度）
4. 项目经验讨论
5. 反向提问环节

要求：
- 每次只问一个问题
- 等待我的回答后再继续
- 对每个回答给予反馈（优秀/良好/需改进）
- 最后给出总体评价和改进建议

路由逻辑

用户请求
    ↓
[关键词检测] + [意图分析]
    ↓
    ├─→ [角色模板] → 模板库
    ├─→ [学习技术] → 学习系统
    ├─→ [优化提示] → 优化器
    └─→ [综合需求] → 协同工作流

💡 最佳实践

1. 渐进式学习

入门：模板库 + 基础技术
进阶：优化技术 + 进阶技术
专家：组合技术 + 自定义工作流

2. 迭代优化

第一版：使用模板快速开始
第二版：根据反馈微调
第三版：应用优化技术
最终版：多次迭代后的高质量版本