为什么你的提示词总是差一口气？这个 Skill 给了答案

你有没有这种感觉——写提示词的时候，明明脑子里想得很清楚，AI 出来的结果却总是差点意思？

不是 AI 不够聪明，是你没告诉它”为什么”。

我最近挖到一个 Skill，叫 prompt-engineering，来自 GitHub 创作者 berekvolgyipeter 的 dotclaude 项目。它解决的不是”怎么写”，而是”怎么写才能让 AI 真正听你的”。

为什么你的提示词总是差一口气？

我见过太多人写提示词，用的是命令式语句：

“NEVER use ellipses” “ALWAYS use XML tags” “You MUST follow this format”

听起来很严格对吧？但 AI 模型其实不吃这套。它更擅长从原因推断，而不是从禁令学习。

prompt-engineering 给出的第一条核心原则就戳中要害：Explain the “why”, not just the “what”。

同样是不让 AI 用省略号，这样写：

“你的回答会被文字转语音朗读出来，所以不要用省略号，因为 TTS 引擎不知道怎么读它们。”

AI 从原因理解了约束，而不是机械地记住规则。

写提示词的结构比内容更重要

Skill 里提到一个对任何非简单任务都有效的结构：

• 角色/上下文：告诉 AI 它是谁、什么场景
• 输入：用描述性 XML 标签包裹（<input>、<context>）
• 任务：要做什么，成功标准是什么
• 输出格式：给一个具体的例子，而不是用文字描述格式

原文的说法很到位：“Show one concrete example rather than describing the format in prose.”

五步提示词审查清单

Skill 还附带了一个超实用的自检流程，专门用来 debug 写好的提示词：

1. 过度约束了吗？
太多 MUST/NEVER/ALWAYS 会让提示词变脆。一条有理由支撑的指令，胜过五条大声喊叫的命令。

2. 一次性塞太多了吗？
如果一个提示词同时处理发现、分析、输出三个阶段，拆成链条式。每个阶段有明确的输入和输出。

3. 缺示例吗？
一个具体的输入/输出示例，胜过一段格式描述。有示例，AI 才能知道你真正要什么。

4. 用了太多否定句吗？
“不要用 Markdown” → 改成 → “用流畅的段落书写”。AI 更擅长朝着目标走，而不是躲避禁区。

5. 语言过时了吗？
“CRITICAL: You MUST use this tool” 这种表达在 Claude 4.6+ 已经会触发过度触发，调回正常语气即可。

安装方式

# 方式一：直接安装
npx skills add https://github.com/berekvolgyipeter/dotclaude --skill prompt-engineering

# 方式二：下载后在 Claude Code 中使用
cp -r prompt-engineering ~/.claude/skills/

Skill 支持 Claude Code、Cursor、Windsurf 等主流 AI 编程工具，装完就能用。

总结

prompt-engineering 这个 Skill 的价值不在于给你一堆模板，而在于给你一套思维框架——怎么组织提示词结构、怎么用原因驱动 AI、怎么自检并持续优化。

它不教你”写什么”，教你”怎么想”。

GitHub 链接：https://github.com/berekvolgyipeter/dotclaude

GitHub: https://github.com/berekvolgyipeter/dotclaude