cr-730 /
我开源了一个 Agent Skill：Agent System Prompt Architect。 它的用途是：让 Codex、Claude Code 这类代码 Agent，在为另一个 Agent 项目编写 system prompt 时，生成更清晰、更紧凑、更可部署的提示词。 我做这个项目的原因是，直接让 AI 写 system prompt 时，经常会出现一些问题： 根据项目名乱推角色，比如项目叫 xxx，就写成你是 xxx 的审计…
我开源了一个 Agent Skill：Agent System Prompt Architect。 它的用途是：让 Codex、Claude Code 这类代码 Agent，在为另一个 Agent 项目编写 system prompt 时，生成更清晰、更紧凑、更可部署的提示词。 我做这个项目的原因是，直接让 AI 写 system prompt 时，经常会出现一些问题： 根据项目名乱推角色，比如项目叫 xxx，就写成你是 xxx 的审计人 把可能有检索工具、保存工具写成不存在的 API 参数和返回字段 为了显得完整，把提示词写得很长，重复堆安全规则、工具规则和输出格式 把经验偏好写成固定执行路径，限制 Agent 自己选择更合适的方案 中文需求里混入英文 section tag，导致最终提示词风格不统一 生成的 prompt 不符合标准范式 这个 Skill 主要做了几件事： 1. 引导 Agent 先识别目标用户、任务边界、工具能力、资料来源、输出格式和安全边界。 2. 默认生成可以直接放进 system message 的系统提示词，而不是 JSON 包、schema 包或说明文档。 3. 区分语义工具能力和真实 runtime 工具规格，避免编造假工具名、假参数和假返回字段。 4. 给出标准的提示词工程需具备的原则，并且给出在什么情景下需要使用思维链、自洽等高阶技术 5. 鼓励少写抽象禁令，多写明确目标、判断标准、输出格式和替代行为。 6. 初稿完成后，用 evaluation 清单做一次内部检查、去重、压缩和修正。 仓库结构也比较简单： SKILL.md：主技能说明 references/prompt-engineering-principles.md：提示词编写原则 references/prompt-techniques.md：Few-shot、CoT、ReAct、RAG 等技术的选择参考 references/domain-adaptation.md：领域适配清单 references/evaluation.md：生成后的检查清单 这个项目更适合经常写 AI Agent、系统提示词、工具调用策略、多步骤工作流的人使用。 欢迎试用，也欢迎在 issues 里提建议，我会继续跟进改进。
Discuss this product