Promptify Skill

核心用法

Promptify 是一款面向大语言模型的提示词优化技能，主打「自动路由 + 结构化输出」。用户可通过自然语言触发（如"优化这段提示"）或显式指令 /promptify 调用。系统内置三种可选修饰符（+ask/+deep/+web）强制触发子代理，无修饰符时则通过语义分析自动识别需求：涉及代码上下文时调用 codebase-researcher，需求模糊时调用 clarifier，涉及最佳实践/外部服务时调用 web-researcher。

优化流程始终包含：图像解析（如有截图）、对话上下文回溯、类型检测（Coding/Writing/Analysis/Creative/Data）、Process vs Output 识别（将直接输出请求转为分步推理）、反模式清除（冗余礼貌用语/填充词）及「合同清单」校验（Role/Task/Constraints/Output 四要素）。

显著优点

• 智能路由：无需手动选择工具，系统根据语义自动决策
• 模型无关：优化策略通用，适用于 GPT-4、Claude、Gemini 等主流模型
• 子代理并行：多代理协同，一次性整合代码现状、澄清问题、最新实践
• 结构化输出：使用 XML 标签、分步思维链（CoT）提升复杂任务可控性
• 极简交互：单条指令即可完成深度优化，降低提示工程门槛

潜在局限

• 自动检测盲区：高度隐晦的上下文引用可能被误判，需用户主动使用 +deep/+ask 覆盖
• 子代理依赖：实际效果取决于 agents/ 目录下三个子代理的实现质量
• 无版本控制：未提及提示迭代历史追踪，优化结果需外部保存
• 输出长度：追求"Concise output"可能导致极复杂场景下细节压缩过度

适合人群

• 需要快速将模糊需求转化为可执行提示的提示工程新手
• 处理遗留代码/大型项目的开发者（+deep 场景）
• 追求最新框架实践的工程师（+web 场景）
• 多轮对话中需持续优化提示的进阶用户

常规风险

• 过度优化：系统化的结构化可能使简单任务显得冗余
• 上下文泄露：自动回溯对话历史时可能引入无关信息
• 代理成本：并行调用多代理可能增加 token 消耗与延迟
• 格式刚性：强制四要素检查可能与创意类任务的开放性冲突

功能概述

Promptify 是一款专业的提示词优化工具，能够将模糊、非结构化的用户输入转化为清晰、高效的 AI 提示词。其核心能力在于智能路由系统——通过分析用户输入自动识别任务类型，并调度 clarifier（澄清提问）、codebase-researcher（代码库分析）或 web-researcher（网络搜索）三个子代理进行并行处理。

显著优点

1. 多模态输入支持：不仅处理文本，还能分析截图、流程图等图像内容，提取 UI 元素、布局结构作为优化上下文
2. 类型自适应：自动识别 Coding/Writing/Analysis/Creative/Data 五种任务类型，应用差异化优化策略
3. Process vs Output 检测：将直接要求输出的指令（如"写个落地页"）转化为流程化指令（分析→规划→执行），显著提升生成质量
4. 抗模式清理：自动剥离过度礼貌用语、冗余框架、填充词等降低提示词效率的表达
5. 契约检查清单：强制验证 Role/Task/Constraints/Output 四大要素，确保提示词完整性

潜在局限

1. 平台依赖：剪贴板复制功能仅原生支持 macOS（pbcopy），Linux/Windows 需手动处理
2. 网络依赖：+web 模式依赖外部搜索引擎，离线环境不可用
3. T3 来源等级：个人开发者维护，虽 MIT 开源但建议持续监控更新
4. 无持久化：不保存历史优化记录或用户偏好

适合人群

• 频繁与 AI 协作的开发者、产品经理、内容创作者
• 需要批量生成高质量提示词的团队
• 希望学习提示工程最佳实践的新手用户

常规风险

安全评级 A/95分，主要风险点为：

• 使用 WebSearch/WebFetch 工具时搜索关键词外传
• 代码库分析时读取本地文件内容
• 优化结果自动写入系统剪贴板（功能特性，已明确文档化）

建议敏感代码场景下谨慎使用 +deep 模式，并在 README 中补充隐私说明。