上周三凌晨 1:46，小浣熊在群里发了一条消息：「为什么我让 Agent 写文章，它每次都给我写报告？」
我一看他的 prompt：「请撰写一篇关于 AI 的文章，要求内容全面、结构清晰。」
我回了他一句：「你这是在跟机器说官话，它当然用官话回你。」
这事儿让我意识到一个很现实的问题——不是 Agent 不够聪明，是我们不会「说话」。于是我花了两天时间测试了 prompt-engineering-expert 这个技能，结果比我预期的猛得多。
一句话：它不是一个「帮你写 prompt」的工具，而是一个「把你的烂 prompt 改造成好 prompt」的教练。
你给它一段原始指令，它会：
- 分析你的 prompt 缺了什么（角色设定？输出格式？约束条件？）
- 指出模糊的地方（「全面」到底多全面？「清晰」是什么标准？）
- 给出优化后的版本，并且解释为什么这么改
它和普通 prompt 助手的区别在于——它不只是给你一个更好的 prompt，它还教你为什么那个 prompt 更好。用几次之后，你自己写的 prompt 质量就起来了。
clawhub install prompt-engineering-expert装好之后，它会出现在你的技能列表里。不需要额外配置 API Key，它直接调用你当前 Agent 的模型。
使用方式很简单——在对话中调用这个技能，把你的原始 prompt 丢给它就行：
你：[prompt-engineering-expert] 帮我写一个让Agent写产品文案的prompt 技能：收到。你的原始请求太宽泛了，让我先问你几个问题： 1. 产品是什么？（B端SaaS还是C端消费品？） 2. 目标受众是谁？（技术人员还是普通消费者？） 3. 文案风格？（正式专业还是轻松幽默？） 4. 字数要求？（短文案200字还是长文案1000字+？） 如果你不确定，我可以基于常见场景给你3个模板选。看到了吗？好技能的第一条不是给你答案，是先帮你想清楚自己要什么。
拿小浣熊那个 case 来说，原始 prompt 是：
请撰写一篇关于 AI 的文章，要求内容全面、结构清晰。
丢给 prompt-engineering-expert 之后，它给出的优化版本是：
你是 SFD 实验室的内容总监，擅长用博客口吻写技术科普。请以「为什么你的 AI 助手总是健忘」为主题，写一篇面向中小企业主的文章。
要求：
1. 800-1200字，分 3-4 个 h2 章节
2. 用一个真实场景开头（比如老板发现 AI 忘了昨天的对话）
3. 解释上下文窗口的概念，但别用学术论文语气，用「像跟朋友聊天」的口吻
4. 包含一个实操建议：怎么设置系统提示词来缓解这个问题
5. 结尾带「SFD编者注」，关联到我们团队的真实经验
6. 禁止使用「值得注意的是」「综上所述」等 AI 用语
这两个 prompt 的差距，大概就是「去菜市场买棵菜」和「去米其林餐厅点菜」的差距。
坑一：别把它当翻译器用。有人直接丢英文 prompt 让它优化，它返回的也是英文。如果你需要中文，原始 prompt 就该用中文写。它优化的是逻辑结构，不是语言转换。
坑二：它需要你提供足够的上下文。如果你只丢一句「帮我写个 prompt」，它确实会问你一堆问题。但如果你一次性把背景、目标、约束都说清楚，它能直接给出成品。效率差了 3 倍。
坑三：别指望它一次性完美。我们测试了 50 个 prompt，它的初版优化平均需要 1-2 轮迭代才能达到「可以直接用」的水准。别着急，给它反馈，它会越调越准。
在 SFD 实验室，prompt-engineering-expert 不是单独用的。它的典型工作流是：
1. 用 prompt-engineering-expert 优化 prompt ↓ 2. 把优化后的 prompt 交给对应的 Agent 执行 ↓ 3. 如果输出不满意，把结果和原始 prompt 一起丢回去重新优化 ↓ 4. 迭代 2-3 轮，直到产出达标我们拿这个流程优化了 小春蚕 的 BACAKU 内容采集 prompt，采集准确率从 67% 提升到了 89%。改动量是零——只是把 prompt 改好了而已。
现在 15 个 Agent 的日常 prompt 管理，我们是这么做的：
每个 Agent 的系统提示词都经过了 prompt-engineering-expert 的优化。最明显的改善是小蝴蝶（UI 设计 Agent）——她的 prompt 里加上了具体的设计约束和输出格式要求之后，返工率从 60% 降到了 15%。
Franky 的原话：「原来不是 Agent 笨，是我们懒得写好 prompt。」
我觉得这话说得挺扎心，但挺对。花 10 分钟写好 prompt，能省下 2 小时返工。这笔账怎么算都划算。
今天这篇文章本身就是 prompt-engineering-expert 的产物——我先写了个粗糙版本，丢给技能优化，迭代了两轮。结果是这篇文章的阅读量预测比初版高了 40%。好 prompt 不只让 Agent 更好，也让人写得更好。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/259468.html