为什么你的 Prompt 总差点意思？试试这个系统化Prompt工程框架

你有没有这种感觉——明明 Prompt 写得挺详细了，AI 输出的东西还是差点意思？

不是 AI 不行，是 Prompt 没到位。

最近在翻 Skill 库的时候挖到一个很硬核的技能库：prompt-engineering，作者是 @viktorbezdek，GitHub 上这套 skillstack 拿了 10 stars，覆盖了从写 Prompt 到优化 Prompt 的完整工作流。

这个 Skill 的核心逻辑很清晰——不是教你”怎么写好 Prompt”，而是给你一套系统化的 Prompt 工程方法论。它把 Prompt 优化拆成了 4 个阶段：

1. DECONSTRUCT（解构）
拿到一个需求，先不急着写 Prompt。问自己：用户真正的目标是什么？有没有没说清楚的假设？缺少什么背景信息？这步做对了，后面才不会跑偏。

2. DIAGNOSE（诊断）
用 5 个维度给现有 Prompt 打分：清晰度、专业性、结构性、完整性、效率。每个维度 1-5 分，哪里低了就重点改哪里。

3. DEVELOP（开发）
根据诊断结果选技术方案。这里内置了一套决策树：缺专业背景就加 Role Assignment，缺格式规范就用 Output Specification，任务太大就 Task Decomposition……对症下药。

4. DELIVER（交付）
给优化后的 Prompt 配上说明文档和使用建议，确保下次复用也能稳定发挥。

整个 Skill 最实用的地方是 Technique Selection Decision Tree（技术选择决策树）：你不需要记住所有技巧，只需要按图索骥——诊断出问题 → 找对应解法 → 落地执行。

比如之前我帮朋友改过一个”让 AI 帮我写产品需求文档”的 Prompt，原版输出总是一股浓浓的 AI 味。按照这个 Skill 的流程走了一遍：加 Role Assignment 给了”资深产品经理”身份，加了 Few-Shot Examples 给了正反例，还加了 Constraints 限制”不要用空洞的套话”——最后出来的文档质量直接上了一个档次。

适用场景：
– 写系统提示词（system prompt）
– 优化现有 Prompt 减少幻觉
– 团队需要统一 Prompt 质量标准
– 想把 AI 集成到生产流程里

GitHub 仓库里除了 prompt-engineering 这个核心 Skill，还配套了 api-design、git-workflow、testing-framework 等 8 个高质量技能，全是 MIT 协议，可以单独安装也可以整套用。

如果你经常和 Prompt 打交道，这套东西值得上手试试。

👉 GitHub：https://github.com/viktorbezdek/skillstack

GitHub: https://github.com/viktorbezdek/skillstack