prompt-pe

Use when the user explicitly invokes /prompt-pe or explicitly asks to clarify, enhance, or rewrite a vague prompt Do NOT use for ordinary product-management requests; leave existing super-pm/start-sup

SKILL.md

GitHub

Prompt PE(提示词具象化增强器)

Overview

本技能只负责把自然语言需求澄清、具象化并结构化,不替代后续业务技能,也不自动进入任何 superPM 工作流。

核心原则:澄清优先,行动在后。猜测定浪费,提问才高效。

用户常见问题:

  • 自然语言太笼统,缺少结构化思维
  • 把 AI 当"一句话万能魔法神器"
  • 关键信息缺失,导致反复沟通,浪费 token 和时间

当用户请求模糊时,AI 倾向于:

  • 做假设而非提问
  • 探索而非澄清
  • 加速而非减速

本技能提供:

  1. 场景识别 - 快速识别请求类型(功能开发、UI设计、绘图等)
  2. 领域澄清模板 - 针对不同场景的结构化问题清单
  3. 系统化框架 - 5W1H 维度 + 优先级提问策略

目标是:帮助用户在早期完全明确需求和目的,高效率、节省能量、快乐使用 AI、节省 token。

When to Use

使用场景:

  • 单句请求无上下文:"做个登录功能"
  • 缺少关键维度:谁用?什么平台?为什么?有什么约束?
  • 无成功标准:"优化代码"、"重构项目"
  • 紧急+模糊:"快速修复 bug"、"赶紧优化"
  • 用户期望 AI 自动理解一切

不使用场景:

  • 需求清晰明确,包含足够上下文和约束
  • 用户明确表示"先看看你的建议"
  • 请求是澄清性问题本身

场景识别 (Scenario Recognition)

快速识别请求类型,应用对应的澄清模板:

场景类型 关键词/模式 必问维度
功能开发 "做个功能"、"写个模块"、"实现XX" 平台、技术栈、认证方式、数据存储
UI/界面设计 "设计界面"、"做个页面"、"UI" 设备、风格、配色、交互、用户画像
图像生成 "画个画"、"生成图片"、"AI绘图" 风格、尺寸、主体、背景、色调、用途
代码优化 "优化代码"、"提升性能" 目标(性能/可读性/内存)、当前问题、成功标准
Bug 修复 "修复bug"、"报错了"、"有问题" 错误信息、复现步骤、预期行为、影响范围
重构项目 "重构项目"、"优化架构" 动机、痛点、范围、约束、成功标准
数据分析 "分析数据"、"统计XX" 数据源、时间范围、维度、输出格式

识别后立即应用对应的澄清模板(见下节)。

领域特定澄清模板 (Domain-Specific Templates)

🎯 功能开发场景

示例: 用户说"帮我写一个登录功能"

必问问题:

1. **平台**: Web、移动端(iOS/Android)、桌面应用?
2. **认证方式**: 用户名密码、OAuth(Google/微信/GitHub)、手机验证码、SSO?
3. **技术栈**: 前端框架(React/Vue/Angular)?后端(Node/Java/Go/Python)?
4. **功能范围**:
   - 仅登录?还是包含注册、登出、密码重置?
   - 是否需要"记住我"、多设备登录、单点登录?
5. **安全要求**: 2FA、密码复杂度、登录失败锁定、防暴力破解?
6. **数据存储**: 数据库类型(MySQL/MongoDB/PostgreSQL)?Session 还是 JWT?

澄清效率对比:

  • ❌ 不澄清直接做 → 假设 Web + 用户名密码 → 用户要的是移动端 OAuth → 全部返工
  • ✅ 澄清 30 秒 → 明确移动端 + OAuth + JWT → 一次性做对,节省数小时

🎨 图像生成场景

示例: 用户说"帮我画一个画画"

必问问题:

1. **主体内容**: 画什么?人物、风景、物品、抽象艺术?
2. **画面风格**: 写实、卡通、油画、水彩、赛博朋克、日系动漫、像素风?
3. **尺寸比例**: 竖版(9:16)、横版(16:9)、方形(1:1)?具体像素?
4. **色调配色**: 暖色调、冷色调、黑白、高饱和、莫兰迪色?
5. **背景**: 纯色、渐变、具体场景(海边/城市/森林)?
6. **细节要求**: 光线(日光/夕阳/霓虹)、视角(正面/侧面/俯视)?
7. **用途**: 头像、海报、插画、产品图?(影响风格和质量要求)

澄清示例:

用户:帮我画一个画画

AI:我需要澄清几个关键点来精准创作:

1. **主体**: 人物、风景、还是抽象艺术?
2. **风格**: 写实、卡通、油画、赛博朋克、日系动漫?
3. **尺寸**: 竖版、横版、还是方形?
4. **色调**: 暖色、冷色、黑白、还是鲜艳色彩?
5. **用途**: 头像、海报、插画?(影响细节程度)

只需要回答这 5 个问题,我就能生成符合你期望的图像。

💻 UI/界面设计场景

示例: 用户说"设计一个登录界面"

必问问题:

1. **设备平台**: 桌面端、移动端、还是响应式?
2. **设计风格**: 极简风、Material Design、拟物化、扁平化、暗黑模式?
3. **配色方案**: 品牌色是什么?冷暖色调?用户群偏好?
4. **目标用户**: 年龄段、职业、技术水平?(影响界面复杂度)
5. **交互要求**: 表单验证实时反馈、Loading 动画、错误提示方式?
6. **品牌元素**: Logo、品牌字体、品牌色是否有规范?

⚡ 代码优化场景

示例: 用户说"帮我优化这段代码"

必问问题:

1. **优化目标**:
   - 性能(响应速度)?
   - 内存占用?
   - 可读性/可维护性?
   - 代码体积?
   - 错误处理?
2. **当前问题**: 代码遇到了什么具体问题?性能瓶颈在哪?
3. **数据规模**: 处理的数据量级?并发量?
4. **成功标准**: 从多少秒优化到多少秒?内存降低多少?
5. **约束条件**: 是否允许重构?是否需要保持向后兼容?

🐛 Bug 修复场景

示例: 用户说"这个 bug 很严重,赶紧修复"

必问问题:

1. **症状**: 错误信息是什么?用户看到什么?
2. **复现步骤**: 如何触发这个 bug?
3. **发生时间**: 什么时候开始的?最近有改动吗?
4. **影响范围**: 所有用户还是部分用户?生产环境还是测试环境?
5. **预期行为**: 正确的行为应该是什么?
6. **环境信息**: 浏览器版本、操作系统、服务器环境?

🔄 重构项目场景

示例: 用户说"帮我重构这个项目"

必问问题:

1. **重构动机**: 为什么想重构?有什么具体痛点?
   - 性能问题?
   - 可维护性差?
   - 技术债务?
   - 架构不合理?
2. **重构范围**: 整个项目还是特定模块?
3. **约束条件**:
   - 时间限制?
   - 是否允许破坏性变更?
   - 是否需要保持 API 兼容?
4. **成功标准**: 重构后应该达到什么状态?

📊 数据分析场景

示例: 用户说"帮我分析一下用户数据"

必问问题:

1. **数据源**: 数据从哪来?数据库、API、CSV文件?
2. **时间范围**: 分析哪个时间段的数据?
3. **分析维度**: 用户增长、活跃度、转化率、留存率?
4. **输出格式**: 报告、图表、CSV、还是自然语言总结?
5. **目标**: 分析的目的是什么?支持什么决策?

The Process

digraph clarification_process {
    rankdir=TB;
    node [shape=box, style=filled];

    "收到用户请求" [shape=ellipse, fillcolor="#c8e6c9"];
    "识别场景类型" [fillcolor="#e1bee7"];
    "识别模糊点" [fillcolor="#bbdefb"];
    "应用领域模板" [fillcolor="#e1bee7"];
    "系统化提问" [fillcolor="#bbdefb"];
    "用户回应?" [shape=diamond, fillcolor="#fff9c4"];
    "确认理解" [fillcolor="#bbdefb"];
    "开始行动" [shape=ellipse, fillcolor="#c8e6c9"];

    "收到用户请求" -> "识别场景类型";
    "识别场景类型" -> "识别模糊点";
    "识别模糊点" -> "应用领域模板";
    "应用领域模板" -> "系统化提问";
    "系统化提问" -> "用户回应?";
    "用户回应?" -> "确认理解" [label="是"];
    "用户回应?" -> "提供选项" [label="否/不完整" style=dashed];
    "提供选项" -> "用户回应?";
    "确认理解" -> "开始行动";
}

Step 0: 识别场景类型(新增)

快速分类请求类型:

  1. 检查关键词 - 功能开发?图像生成?UI设计?代码优化?
  2. 匹配领域模板 - 查找对应的澄清问题清单
  3. 应用模板 - 使用领域特定问题而非通用 5W1H

示例:

用户:帮我写一个登录需求

AI 内部识别:功能开发场景 → 认证类功能 → 应用"功能开发模板"
立即问:平台?认证方式?技术栈?
(而非泛泛地问"什么功能?")

效率提升:

  • 通用 5W1H:随机问题,可能遗漏关键维度
  • 场景识别 + 领域模板:精准问题,覆盖该场景的所有关键点

Step 1: 识别模糊点

立即暂停,不要行动。 问自己:

  1. Who(谁) - 用户?最终用户?团队?
  2. What(什么) - 具体要做什么?技术栈?平台?
  3. Why(为什么) - 目标?痛点?背景?
  4. Where(哪里) - 哪个模块?哪个文件?哪个环境?
  5. When(何时) - 时间线?优先级?
  6. How(如何) - 成功标准?约束?偏好?

缺失任何关键维度 = 需要澄清。

Step 2: 系统化提问

优先级顺序提问:

  1. 目标和约束(Why, What) - 最关键,决定方向
  2. 上下文和范围(Where, Who) - 缩小探索范围
  3. 时间和优先级(When) - 影响实施策略
  4. 方法和偏好(How) - 细节选项

提问模板:

为了更好地帮助你,我需要澄清几个关键点:

1. [目标] - 你希望通过这个实现什么?/ 主要痛点是什么?
2. [约束] - 有什么技术栈/平台/时间限制吗?
3. [范围] - 这是针对 [具体范围] 吗?
4. [成功标准] - 什么样的结果算成功?

不要一次性问所有问题。 2-3 个关键问题即可,根据回答再深入。

Step 3: 抵抗压力

压力信号:

  • 用户说"快速"、"赶紧"、"马上"
  • 用户表现出不耐烦
  • 时间紧迫

错误反应:

  • ❌ 加速探索,跳过澄清
  • ❌ 用紧急语言回应:"立即开始!🔥"
  • ❌ 做假设:"我猜是..."

正确反应:

  • ✅ 慢下来:"正因为紧急,我更需要确认方向,避免做错"
  • ✅ 用冷静语言:"我需要快速确认几个关键点,确保一次性做对"
  • ✅ 强调效率:"澄清问题能节省后续返工时间"

紧急 = 更需要系统化,而非更少。

Step 4: 避免假设

常见假设陷阱:

模糊请求 AI 常见假设 应该问的问题
"优化代码" 性能优化 优化目标?性能/可读性/内存/错误处理?
"重构项目" 代码重构/修复问题 重构动机?痛点是什么?目标?
"做个登录" Web 登录页面 平台?认证方式?技术栈?
"修复 bug" 猜测 bug 位置 错误信息?复现步骤?预期行为?

自检问题:

  • 我是否在猜测用户意图?
  • 我是否假设了技术栈/平台/约束?
  • 我是否基于"常识"做决定?

如果不确定,就问。不要猜。

Step 5: 时间效率

澄清优先原则:

❌ 错误流程:探索代码 → 猜测意图 → 做假设 → 行动
✅ 正确流程:澄清需求 → 定向探索 → 确认理解 → 行动

时间对比:

  • 场景 3 基线:528 秒探索后才问"重构目标是什么?"
  • 正确做法:先问"重构的目标和痛点是什么?"(10 秒)→ 根据回答定向探索(30 秒)= 总共 40 秒

澄清 10 秒,省去 500 秒盲目探索。

Clarification Framework

5W1H 问题清单

Why(为什么)- 最高优先级

  • 目标是什么?
  • 痛点是什么?
  • 为什么要做这个?

What(什么)

  • 具体要做什么?
  • 技术栈/平台是什么?
  • 功能范围是什么?

Who(谁)

  • 谁使用?
  • 谁维护?
  • 谁决策?

Where(哪里)

  • 哪个模块/文件?
  • 哪个环境(开发/测试/生产)?
  • 哪个平台(Web/移动端/桌面)?

When(何时)

  • 时间线?
  • 优先级?
  • 截止时间?

How(如何)

  • 成功标准是什么?
  • 有什么约束?
  • 有什么偏好?

提问策略

不要一次性轰炸用户。 分阶段:

  1. 首轮澄清(2-3 个关键问题):

    • Why:目标/痛点
    • What:核心需求
    • 关键约束:时间/技术栈
  2. 根据回答深入:

    • 用户回答后,针对性追问
    • 逐步细化理解
  3. 确认理解:

    • 复述需求:"所以你的需求是..."
    • 列出要点确认
    • 明确下一步

示例:

用户:做个登录功能

AI:我需要澄清几个关键点:
1. 平台:Web、移动端还是桌面应用?
2. 认证方式:用户名密码、OAuth、手机验证码?
3. 技术栈:有偏好的框架吗?

用户:Web,React,用户名密码就行

AI:明白了,你需要一个 React Web 应用的用户名密码登录功能。是否需要:
- 记住我功能?
- 密码重置?
- 第三方登录集成?

用户:先做基础登录就行

AI:好的,我将创建一个基础的 React 登录组件,包含:
- 用户名密码输入
- 表单验证
- 登录接口调用
开始实现。

Common Mistakes

❌ 错误 1:探索优先,澄清在后

基线案例: 用户说"重构项目",代理花了 528 秒探索代码,发现文档超标,然后问"是要修复文档长度问题吗?"

问题: 浪费时间探索,假设了重构目标。

正确做法: 先问"重构的目标是什么?有什么痛点?"(10 秒),根据回答定向探索。


❌ 错误 2:用紧急语言回应紧急请求

基线案例: 用户说"赶紧修复",代理回应"立即开始紧急修复!🔥"

问题: 强化用户的压力,而非缓解。

正确做法: "正因为紧急,我更需要确认问题,避免改错地方。请告诉我:错误信息是什么?什么时候开始的?"


❌ 错误 3:假设"优化"的含义

基线案例: 用户说"优化代码",代理假设需要性能优化。

问题: "优化"可能是可读性、内存占用、错误处理、代码量...

正确做法: "优化目标是什么?性能、可读性、还是其他方面?"


❌ 错误 4:问随机问题,而非系统化

基线案例: 代理问"是要添加认证功能还是创建新的 web 应用?"

问题: 做了假设(web 应用),而非系统化探索所有维度。

正确做法: 先问平台和场景,再问技术细节。


❌ 错误 5:只问不确认

基线案例: 代理问了问题,用户回答后直接开始行动。

问题: 没有复述确认,可能理解偏差。

正确做法: 用户回答后,复述:"所以你需要的是...,对吗?"然后再行动。

Real-World Impact

澄清框架的时间价值:

场景 无澄清(盲目行动) 有澄清(定向行动) 节省时间
重构项目 528s 探索 + 重新澄清 10s 澄清 + 30s 探索 488s (92%)
优化代码 假设性能优化 → 返工 澄清目标 → 一次性做对 避免返工
紧急修复 猜测 bug 位置 → 改错地方 快速澄清症状 → 精准修复 避免错改

投资 10-30 秒澄清,节省数小时返工。

Examples

Example 1: 优化请求

用户: "快速帮我优化这段代码,马上要用"

❌ 错误回应: "好的,我立即帮你优化性能!" [假设性能优化]

✅ 正确回应:

我理解时间紧迫。为了确保一次性做对,请快速告诉我:

1. 优化目标:性能(速度)、内存占用、还是可读性?
2. 当前问题:这段代码有什么具体痛点?

只需要 10 秒回答,我就能精准优化。

Example 2: 登录功能

用户: "做个登录功能"

❌ 错误回应: [开始写 Web 登录表单]

✅ 正确回应:

我需要澄清几个关键点:

1. 平台:Web、移动端(iOS/Android)、还是桌面应用?
2. 认证方式:用户名密码、OAuth(微信/Google)、手机验证码?
3. 技术栈:有偏好的框架吗(React/Vue/Angular 等)?

这些信息将决定实现方案。

Example 3: 重构项目

用户: "帮我重构这个项目"

❌ 错误回应: [开始探索整个代码库,寻找"重构机会"]

✅ 正确回应:

在开始重构前,我需要了解:

1. **重构动机**:为什么想重构?有什么具体的痛点吗?
   - 性能问题?
   - 可维护性差?
   - 技术债务?

2. **重构范围**:整个项目还是特定模块?

3. **约束条件**:时间、资源、是否允许破坏性变更?

这些信息将帮助我制定最合适的重构策略。

Example 4: 图像生成(新增场景)

用户: "帮我画一个画画"

❌ 错误回应: [生成一个默认风格的图像] → 用户不满意 → 反复尝试 → 浪费 token

✅ 正确回应:

我需要澄清几个关键点来精准创作:

1. **主体内容**:人物、风景、还是抽象艺术?
2. **画面风格**:写实、卡通、油画、赛博朋克、日系动漫?
3. **尺寸比例**:竖版(9:16)、横版(16:9)、还是方形(1:1)?
4. **色调配色**:暖色调、冷色调、黑白、高饱和?
5. **用途**:头像、海报、插画?(影响细节程度)

只需要回答这 5 个问题,我就能生成完全符合你期望的图像,避免反复尝试浪费 token。

效率对比:

  • ❌ 不澄清 → 生成 5-10 次 → 用户才满意 → 浪费 50-100k tokens
  • ✅ 澄清 20 秒 → 生成 1 次 → 完全符合需求 → 仅消耗 5-10k tokens

Example 5: Bug 修复(紧急)

用户: "这个 bug 很严重,用户在投诉了,赶紧修复"

❌ 错误回应: "立即开始紧急修复!🔥" [盲目搜索代码]

✅ 正确回应:

我理解严重性。正因为紧急,我更需要快速确认几个关键信息,避免改错地方:

1. **症状**:错误信息是什么?用户看到什么?
2. **发生时间**:什么时候开始的?最近有改动吗?
3. **影响范围**:所有用户还是部分用户?

只需要 30 秒回答,我就能精准定位问题。

Prompt PE 输出契约

完成澄清后,优先输出一份可以直接交给后续 AI 或业务 skill 执行的增强提示词,而不是只复述用户原话。

信息不足时

  • 先判断缺失信息是否会改变方案、实现或验收结果。
  • 只提问当前价值最高的 3~5 个问题,按影响优先级排序。
  • 已经明确的信息不要重复询问;不要为了完整而收集无关背景。
  • 如果存在多个合理方向,提供简短选项,并说明每个选项会影响什么。
  • 不要擅自补齐会改变业务含义的关键事实;可以提出“待确认假设”。

信息足够时

使用下面的结构输出增强后的提示词:

## 角色
执行任务时需要具备的专业角色或能力。

## 目标
需要解决的问题,以及期望达到的结果。

## 背景
业务背景、用户背景、当前现状和已有材料。

## 具体任务
需要执行的明确动作、处理范围和优先级。

## 关键实体与术语
涉及的用户、对象、模块、系统、平台、指标、专业术语及其定义。

## 约束条件
时间、技术栈、预算、兼容性、风格、范围、禁用事项和其他限制。

## 输出要求
语言、格式、结构、详细程度,以及是否需要表格、代码、图表或文件。

## 验收标准
什么结果算完成,如何验证质量合格。

## 非目标
本次明确不处理的事项,防止范围膨胀。

随后补充:

  1. 已补充的实体和术语:列出从原始需求中识别或经用户确认的关键对象。
  2. 采用的假设:明确哪些内容是为了推进任务而暂时假设的。
  3. 待确认风险:列出仍可能影响执行结果的未决问题。

增强提示词应忠实保留用户原意;如果无法确认关键目标,不得把猜测写成确定事实。

Red Flags - STOP and Clarify

当出现以下信号时,立即暂停并澄清:

  • ✋ 用户说"快速"、"赶紧"、"马上" → 更慢,更系统化
  • ✋ 单句请求无上下文 → 问 5W1H
  • ✋ 你发现自己"猜测"用户意图 → 停下来,直接问
  • ✋ 你准备"探索代码看看" → 先问目标,再探索
  • ✋ 你假设了技术栈/平台/约束 → 验证假设
  • ✋ 用户回答不完整 → 继续追问,不要假设

记住:澄清不是浪费时间,盲目行动才是。

Quick Reference

场景 关键澄清问题
"做个功能" 平台?技术栈?认证方式?功能范围?
"画个画" 主体?风格?尺寸?色调?用途?
"设计界面" 设备?风格?配色?目标用户?
"优化代码" 目标?当前问题?成功标准?
"重构项目" 动机?痛点?范围?约束?
"修复 bug" 症状?错误信息?复现步骤?影响范围?
"分析数据" 数据源?时间范围?维度?输出格式?
"快速/赶紧" 为什么紧急?最关键的是什么?

流程:识别场景 → 应用领域模板 → 系统化提问 → 确认理解 → 行动