什么是 提示词大师？

提示词大师是一款高性能的超级技能，旨在弥补基础 AI 对话与专业提示词工程之间的差距。它整合了三个关键领域：一个包含 50 多个经过社区验证的角色模板库、一套涵盖 58 种以上策略的全面学习课程，以及一个严谨的优化引擎。

通过将这些 Openclaw Skills 集成到您的工作流程中，您可以访问一个自动识别意图的系统。无论您是想采用特定的专业角色，学习思维链 (CoT) 等高级推理技术，还是审核现有提示词的结构完整性，提示词大师都能提供高质量 LLM 输出所需的逻辑路由和技术深度。

下载入口:https://github.com/openclaw/skills/tree/main/skills/hhhh124hhhh/prompt-master

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

提示词大师 应用场景

• 快速部署用于编程、翻译和技术咨询的专业 AI 角色。
• 系统学习从初级技巧到专家级 ReAct 和思维树 (ToT) 策略的提示词工程。
• 使用 6 维度质量评估审核现有提示词，以减少幻觉。
• 为技术面试准备或数据分析等复杂任务生成结构化、多步骤的工作流。
• 在团队 AI 开发环境中标准化提示词质量。

1. 意图识别：该技能解析用户输入，以确定需求是模板、教育内容还是优化。
2. 动态路由：请求被路由到模板库（50+ 角色）、学习助手（58+ 技巧）或智能优化器。
3. 上下文处理：对于优化，该工具应用覆盖清晰度、特异性、结构、完整性、语气和约束的 6 维度评估。
4. 综合与精炼：它堆叠多种技术（例如，角色扮演 + 少样本学习）以生成最终的高保真提示词。
5. 反馈循环：用户可以迭代输出，应用进一步的优化或将精炼版本保存到个人库中。

提示词大师 配置指南

要在您的环境中激活提示词大师，请确保已安装核心智能体框架，然后添加技能集合：

# 将 prompt-master 技能添加到您的智能体
openclaw install prompt-master

安装后，该技能通过自然语言触发器或对优化器及模板模块的显式调用来运行。

提示词大师 数据架构与分类体系

提示词大师在三个主要数据孤岛中组织技术数据，以确保快速检索和高质量生成：

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

1?? 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

2?? 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

3?? 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

?? 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！??