prompt-optimizer 是做什么的？
使用 EARS（简易需求语法方法）将模糊的提示转化为精确、结构清晰的规范。当用户提供松散的需求、模糊的功能描述，或需要增强用于 AI 生成代码、产品或文档的提示时，应使用此技能。触发条件包括请求“优化我的提示”、“改进这个需求”、“使其更具体”，或当原始需求缺乏细节和结构时。
概述
此技能应用 EARS（Easy Approach to Requirements Syntax）方法论来重构和改进提示。EARS 是一种广泛使用的需求工程模式，有助于编写清晰、无歧义且可测试的规范。本技能将这些模式适应到 AI 提示上下文中，使您能够轻松生成高质量的输入。
适用平台
- Claude Code
- Cursor
- Codex（GitHub Copilot）
- 其他支持自定义技能的 AI 代理
工作原理
- 输入：接收一个模糊或结构不佳的提示（例如“创建一个登录页面”）。
- 分析：识别缺少的细节、歧义点和隐含假设。
- 应用 EARS 模式：根据输入选择合适的 EARS 模式：
- 通用：适用于恒定行为（例如“系统应该验证电子邮件格式”）。
- 状态驱动：在特定状态下应用（例如“当用户空闲时，显示注销确认对话框”）。
- 事件驱动：响应特定事件触发（例如“当点击提交按钮时，发送表单数据”）。
- 可选：定义非强制行为（例如“如果启用了 dark 模式，则应用暗主题”）。
- 异常：处理错误或意外情况（例如“如果网络失败，显示错误消息”）。
- 增强：添加约束、示例、格式要求和错误处理。
- 输出：生成一个结构精确的优化后提示，可供 AI 代理直接使用。
示例
输入
制作一个 todo 应用。
输出（优化后）
为一个单页 todo 应用生成 HTML/CSS/JavaScript。它应支持：
- 添加新任务（通用行为）
- 通过点击checkbox标记任务完成（事件驱动）
- 通过点击删除按钮移除任务（事件驱动）
- 将任务持久化存储到 localStorage（通用行为）
- 如果 localStorage 不可用，显示警告但允许应用降级运行（异常行为） 设计应采用简洁的 Material Design 风格，并针对移动设备进行响应式优化。
使用场景
- 从产品经理或利益干系人那里接收模糊的需求。
- 需要更详细的提示来为代码生成获得良好的 AI 输出。
- 为文档或用户故事优化提示。
- 希望结构化的输入以减少重复澄清和编辑迭代。
注意事项
- 不要添加超出原始意图的无关功能。
- 在你认为合适的地方添加具体约束（例如语言、框架、样式）。
- 如果输入已经结构良好，只需轻微优化或保持原样。
- 始终保留或指出用户可能有的任何隐含约束。