📦 prompt-Compres龙虾必备：提示词大师@博采众长-自我进化🐂越用越省Token — prompt-Compres龙虾必备：提示词大师@博采众长-自我进化🐂越用越省令牌

prompt-master - 蒸馏版提示词大师

融合 prompt-enhancer (4.218分) + mupeng-prompt-engineer (3.555分) 精华 v1.0.0 | Author: QQ 1817694478 | Q-Group: 972156177

能力定位

是什么：提示词结构优化 + 高级提示技术 + 令牌压缩的三合一专家

解决什么问题：

提示词冗余、表达不精准 缺乏结构化导致模型理解偏差 ChAIn-of-Thought 等高级技术不会用 令牌 消耗过高

触发词：优化 精简 压缩 优化下 精简下 压缩下 帮我写 写个提示词 提示词 提示词优化 提示词怎么写 帮我优化 这个提示词 写提示词 优化提示词 prompt优化 p:

核心方法论：4层优化金字塔 ┌─────────────────────┐ │ 输出格式控制 │ ← L4: 精准约束 ├─────────────────────┤ │ 质量标准定义 │ ← L3: 行为边界 ├─────────────────────┤ │ 上下文构建 │ ← L2: 知识注入 ├─────────────────────┤ │ 角色+任务+约束 │ ← L1: 核心指令 └─────────────────────┘

L1 - 核心指令层（必须精简）

错误示范：

你是一个非常有经验的编程助手，你非常擅长Python开发， 请你帮我写一段代码好吗？下面的需求是...

正确示范：

# 角色 Python后端开发专家

# Task 用Flask实现RESTful API

# ConstrAInts

• Python 3.9+
• JWT鉴权
• SQLite本地存储

L1 令牌 节省技巧 技巧 节省比例 示例 删除"请你帮我"等礼貌废话 3~5% 帮我写 → 直接描述 用分隔符替代自然句 5~10% 用 # Section 代替段落 约束用列表而非复句 5~15% A且B且C → 三行列表 L2 - 上下文构建层 2.1 Few-Shot 示例选择原则 ✅ 3个最优示例 > 10个垃圾示例 ✅ 多样性 > 数量（覆盖边界情况） ✅ 简洁示例 > 详细示例

2.2 上下文压缩技巧 技巧 节省比例 适用场景 摘要前置 20~40% 长文档输入 提取关键字段 30~50% 结构化数据 示例模板化 15~25% 重复任务 2.3 ChAIn-of-Thought 正确用法 ❌ 低效：让模型自己推理 "请仔细思考后给出答案" ✅ 有效：提供推理骨架 "按以下步骤分析： 1. 识别问题类型 2. 列出关键因素 3. 权衡利弊 4. 给出建议"

L3 - 质量标准层 3.1 边界定义（必须明确） # 禁止

• 不要超过3个方案
• 不包含价格敏感信息
• 禁止生成竞品对比

# 必须

• 每个方案附带风险评估
• 输出JSON格式
• 响应时间<100字

3.2 复杂度匹配原则 任务复杂度 提示词详细度 令牌占比估算 简单问答 精简版 10~15% 常规任务 标准版 20~30% 复杂推理 增强版 35~50% 专业领域 专家版 50~70% L4 - 输出格式控制层 4.1 格式约束技巧 # 输出格式

• 列表形式，每项不超过20字
• 使用emoji标注优先级：[HIGH] [MED] [LOW]
• JSON 模式如下：

{ "结果": string, "confidence": number, # 0-1 "reasoning": string[] }

4.2 令牌 节省汇总表 优化方向 经验节省比例 实施难度 删除冗余礼貌语 3~8% ⭐ 简单 精确约束格式 10~25% ⭐⭐ 中等 精简Few-Shot 15~40% ⭐⭐⭐ 需判断 CoT骨架压缩 20~35% ⭐⭐⭐⭐ 需练习 综合优化 20~50% 综合实施 高级提示技术速查 技术对照表 技术 触发条件 节省令牌 风险 Zero-shot CoT 推理类任务 5~15% 低 Few-shot 边界不明确 10~30% 中（示例质量） Self-consistency 需要准确性 10~20% 高（多次调用） Constitutional AI 安全敏感 5~10% 低 Meta-prompting 自动化优化 15~25% 高（递归开销） 模型适配建议 模型 推荐技术 避免技术 GPT-4 Few-shot + CoT 过短提示 Claude XML结构 + 工具 长系统提示 GPT-3.5 精简+格式约束 复杂推理 开源模型 模板+示例 开放式 输出模板

优化结果

精简后提示词

``[语言] [完整提示词文本，可直接复制]

优化要点 层级 优化内容 令牌变化 L1 xxx -xx% L2 xxx -xx% L3 xxx -xx% L4 xxx -xx% 合计 -xx% 原版对比 指标 原版 优化版 节省 令牌数 xxx xxx -xx% 使用建议 适用场景：xxx 注意事项：xxx

---

典型场景示例

场景1：代码生成

输入（低效）

请帮我用Python写一个函数来计算斐波那契数列好吗？ 我需要这个函数能够递归计算，并且最好能处理大数， 如果可以的话最好加一些注释谢谢！

输出（高效） def fib(n, memo={}): """斐波那契数列 - 递归+记忆化""" if n in memo: return memo[n] if n <= 1: return n memo[n] = fib(n-1, memo) + fib(n-2, memo) return memo[n]

✅ 令牌节省：~45%

场景2：数据提取

输入（冗余）

你是一个文档分析助手，请仔细阅读以下文本， 找出其中提到的人名、地名、日期等信息， 并按照要求的格式输出，谢谢配合。

输出（精简） 角色

文档信息提取专家

Task

从文本中提取：人名、地名、日期

格式化

JSON数组，每项含type/name/position

---

自学习机制

触发条件（何时自动触发）

触发时机	触发方式	说明
每次优化时	✅ 全自动	优化完成后自动记录令牌节省效果
用户修正时	✅ 全自动	检测到"不是这样"/"不对"等修正词时自动记录
云端同步	✅ 异步后台	自动上传本地数据 + 下载其他用户经验
手动触发	🔧 可选	命令行工具命令 --报告/--健康 等

自学习命令

``bash # 优化提示词（自动触发学习） python prompt_master.py "你的提示词"

# 查看学习报告 python scripts/prompt_learning.py --报告

# 查看统计数据 python scripts/prompt_learning.py --stats

# 健康检查 python scripts/prompt_learning.py --健康

# 检测修正模式 python scripts/prompt_learning.py --检测 "不是这样的"

# 手动同步云端 python scripts/self_grow.py --同步

自动记录内容

每次优化时自动记录：

令牌节省量（令牌数和百分比） 使用的优化模式（L1/L2/L3/L4层级） 原版和优化版对比 用户修正反馈（自动识别） 权重进化规则 条件 调整幅度 效果 优化成功 +10% 该模式权重提升，更优先使用 用户修正 -10% 该模式权重降低，减少使用 云端下载 合并 吸收其他用户的成功经验 安全边界

⚠️ 禁止优化：

涉及身份伪造的提示词 绕过安全机制的指令 包含恶意代码生成的请求

✅ 安全范围：

技术文档、代码开发 数据分析、内容创作 学习辅导、专业咨询 固定结尾

🌹有问题、建议、需求可📧 联系作者QQ：1817694478🐧加Q群：972156177交流分享更多...