prompt-master – OpenClaw Skill

---

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

3. 建立个人库

my-prompts/
├── templates/      # 常用模板
├── optimized/      # 优化后的提示词
└── cases/          # 实战案例

---

📊 技术速查表

技术	难度	适用场景	触发词
角色扮演	⭐	专业任务	"扮演", "你是"
逐步思考	⭐	复杂推理	"一步步", "分析"
示例驱动	⭐⭐	格式不明确	"例如", "像这样"
结构化输出	⭐	需要格式	"JSON", "表格"
思维树	⭐⭐⭐	多方案对比	"考虑多种可能"
自我反思	⭐⭐	质量要求高	"检查", "改进"
ReAct	⭐⭐⭐⭐	复杂推理循环	"思考→行动→观察"

---

📚 参考文档

详细内容请查看：

• 模板库完整列表：references/templates.md
• 技术详解：references/techniques.md
• 优化方法：references/optimizer.md
• 工作流案例：references/workflows.md

---

🎯 使用场景

场景 1：快速启动角色对话

你："扮演一个Python专家，帮我调试代码"
→ Prompt Master：加载模板 + 优化上下文
→ 输出：专业的Python开发者角色提示词

场景 2：学习新技术

你："什么是Few-shot learning？给我例子"
→ Prompt Master：解释技术 + 提供案例 + 推荐练习
→ 输出：完整的技术教程和实战案例

场景 3：优化提示词

你："优化：帮我写文章"
→ Prompt Master：评估质量 + 识别技术 + 生成优化版
→ 输出：结构化、具体化的高质量提示词

场景 4：综合需求

你："帮我创建一个数据分析助手提示词"
→ Prompt Master：
   1. 从模板库找到 "Data Analyst" 角色
   2. 应用学习系统的技术和最佳实践
   3. 用优化器增强和定制
→ 输出：专业定制的数据分析助手提示词

---

⚙️ 技术细节

版本信息

• 版本: 1.0.0
• 创建日期: 2026-01-30
• 整合技能: chatgpt-prompts, prompt-learning-assistant, prompt-optimizer
• 总模板数: 50+
• 总技术数: 58+
• 评估维度: 6

来源

• awesome-chatgpt-prompts: https://github.com/f/awesome-chatgpt-prompts (143k+ stars)
• OpenAI Prompt Engineering Guide
• Anthropic Prompt Library

---

🎓 进阶使用

自定义工作流

创建多步骤协同工作流：

步骤 1: 使用模板库获取基础模板
步骤 2: 学习系统提供技术指导
步骤 3: 优化器进行质量提升
步骤 4: 迭代测试和改进
步骤 5: 保存到个人库

技术组合

常见高效组合：

写作任务： 角色扮演 + 逐步思考 + 约束条件

分析任务： 结构化输出 + 示例驱动 + 自我反思

创作任务： 角色扮演 + 思维树 + 风格迁移

推理任务： ReAct + 提示词链 + 自我反思

---

✨ 特性亮点

• ✅ 智能路由：自动识别意图，无需手动选择
• ✅ 零门槛：初学者可直接使用模板
• ✅ 系统化：完整的学习路径从入门到专家
• ✅ 高效优化：6 维度评估提升提示词质量
• ✅ 实战导向：所有技术都有真实案例
• ✅ 持续进化：整合最新技术进展

---

提示：Prompt Master 会自动识别你的需求。你可以自然地描述你的需求，无需记住特定的命令格式。

开始你的提示词工程之旅！🚀

Prompt Master - 终极提示词工程工具包

三合一超级技能：模板库(50+) + 学习系统(58+技术) + 优化器(6维评估)

---

🚀 快速开始

自动智能路由

Prompt Master 会自动识别你的需求：

"扮演一个面试官"              → 调用模板库
"如何学习提示词工程"          → 调用学习系统
"优化这个提示词"              → 调用优化器
"帮我创建一个数据分析助手"    → 协同工作流

三大核心能力

能力	功能	何时使用
模板库	50+ 角色模板	需要快速启动专业对话
学习系统	58+ 技术详解	学习提示词工程技术
优化器	6 维度评估	优化现有提示词

---

📖 文档导航

新手入门

• 入门示例1：你的第一个提示词
• 入门示例2：掌握 Few-shot 技术

进阶提升

• 优化示例：从糟糕到优秀

参考文档

• 模板库完整列表 - 50+ 角色模板
• 技术详解 - 58+ 种技术
• 优化方法 - 6 维度评估框架
• 协同工作流 - 三大能力组合使用

---

🎯 使用场景

场景 1：快速启动角色对话

你："扮演一个Python专家，帮我调试代码"
→ Prompt Master：加载模板 + 优化上下文
→ 输出：专业的Python开发者角色提示词

场景 2：学习新技术

你："什么是 Few-shot learning？"
→ Prompt Master：解释技术 + 提供案例 + 推荐练习
→ 输出：完整的技术教程

场景 3：优化提示词

你："优化：帮我写文章"
→ Prompt Master：评估质量 + 识别技术 + 生成优化版
→ 输出：结构化、具体化的高质量提示词

场景 4：综合需求

你："创建一个数据分析助手"
→ Prompt Master：
   1. 模板库提供角色框架
   2. 学习系统推荐技术
   3. 优化器增强和定制
→ 输出：专业定制的数据分析助手

---

💡 核心特性

✅ 智能路由

自动识别意图，无需手动选择能力

✅ 零门槛

初学者可直接使用50+成熟模板

✅ 系统化

完整的学习路径从入门到专家

✅ 高效优化

6 维度评估框架提升提示词质量

✅ 实战导向

所有技术都有真实案例

✅ 持续进化

整合最新提示词工程进展

---

📊 技术速查表

技术	难度	适用场景	触发词
角色扮演	⭐	专业任务	"扮演", "你是"
逐步思考	⭐	复杂推理	"一步步", "分析"
示例驱动	⭐⭐	格式不明确	"例如", "像这样"
结构化输出	⭐	需要格式	"JSON", "表格"
思维树	⭐⭐⭐	多方案对比	"考虑多种可能"
自我反思	⭐⭐	质量要求高	"检查", "改进"
ReAct	⭐⭐⭐⭐	复杂推理循环	"思考→行动→观察"

---

🔄 协同工作流

完整流程示例

用户："帮我准备一个前端开发面试"

↓ [步骤 1] 模板库
获取 "Job Interviewer" 模板

↓ [步骤 2] 学习系统
推荐技术：角色扮演 + 任务分解 + 约束条件

↓ [步骤 3] 优化器
应用技术生成定制版本

↓ 输出
专业的面试准备提示词（包含5个环节）

三大协同模式

模式1：模板驱动优化

模板库 → 选择基础模板
学习系统 → 识别适用技术
优化器 → 定制增强

模式2：学习驱动创建

学习系统 → 学习相关技术
模板库 → 参考相似模板
优化器 → 构建新提示词

模式3：优化驱动改进

优化器 → 评估现有提示词
学习系统 → 学习改进技术
模板库 → 查找更好参考

---

🛠️ 安装和使用

方式 1：全局配置（推荐）

将 Prompt Master 添加到全局配置 ~/.claude/CLAUDE.md：

# 自动配置
cat prompt-master/CLAUDE.md >> ~/.claude/CLAUDE.md

方式 2：项目级配置

将此技能复制到项目的 .claude/ 目录：

cp -r prompt-master /your/project/.claude/skills/

方式 3：手动加载

在对话中明确引用：

"使用 prompt-master 技能帮我..."
"调用提示词模板库..."
"学习 Few-shot 技术..."
"优化这个提示词..."

---

📈 学习路径

初学者（0-1个月）

Week 1-2: 使用模板库 + 学习角色扮演
Week 3-4: 掌握 Few-shot + 结构化输出
Week 5-6: 学习任务分解 + 约束条件
Week 7-8: 实战练习 + 优化器使用

进阶（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（3+个月）

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

---

🎓 技术分类

入门级（8种）

角色扮演、逐步思考、示例驱动、结构化输出、系统指令、任务分解、输出格式化、约束条件

进阶级（8种）

思维树、自我反思、对比分析、多角色辩论、思维链优化、知识蒸馏、风格迁移、跨领域应用

专家级（8种）

ReAct 推理、提示词链、思维图谱、元提示、自适应提示、递归思考、集成学习、代理协作

---

📚 来源和致谢

整合的技能

• chatgpt-prompts: awesome-chatgpt-prompts 仓库（143k+ stars）
• prompt-learning-assistant: 58+ 种提示词技术系统
• prompt-optimizer: 6 维度质量评估框架

外部资源

• awesome-chatgpt-prompts - 模板来源
• OpenAI Prompt Engineering Guide
• Anthropic Prompt Library

---

📝 版本信息

• 版本: 1.0.0
• 创建日期: 2026-01-30
• 作者: Clawdbot Skills Collection
• 许可: MIT
• 整合技能: chatgpt-prompts, prompt-learning-assistant, prompt-optimizer
• 总模板数: 50+
• 总技术数: 58+
• 评估维度: 6

---

🤝 贡献

欢迎贡献新的模板、技术和优化案例！

贡献方式

1. Fork 本项目
2. 创建你的分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 开启 Pull Request

---

📄 许可证

MIT License - 详见 LICENSE 文件

---

✨ 开始你的提示词工程之旅

无论你是初学者还是专家，Prompt Master 都能帮助你：

• ✅ 快速启动专业角色对话
• ✅ 系统学习提示词技术
• ✅ 优化提升提示词质量
• ✅ 构建复杂的 AI 工作流

享受高效的提示词工程体验！ 🚀