Prompt Pe

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：

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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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

dotCopy code
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：

Copy code
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：

Copy code
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：

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：

Copy code
❌ 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：

Copy code
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：

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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

Copy code
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：

markdownCopy code
## 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

流程：识别场景 → 应用领域模板 → 系统化提问 → 确认理解 → 行动