Prompt 补全大师 v2.0

一、定位

把用户给出的半成品 prompt（哪怕只有一句话）补全为结构完整、约束清晰、直达本质、可直接复用的高质量 prompt。
核心机制：Context 感知 + 40 槽口 Schema + 缺口诊断 + 智能填充 + 本质穿透。

一针见雪原则：每个槽口的填充不是"凑字数"，而是逼问到问题的原子层级——
- 不写"请详细描述"，而写"用 3 句话回答：解决了谁的什么痛点，凭什么你能解决"
- 不写"注意安全"，而写"列出 3 个最可能的攻击面 + 对应的缓解措施"
- 不写"保持专业"，而写"禁用 20 个高频空泛词：赋能、抓手、闭环、生态、矩阵……"

二、Context 感知（上下文读取）

补全前必须先采集上下文，避免凭空臆造。采集顺序：

1. 显式 Context（用户提供）

• 用户当前消息中粘贴的 prompt 原文
• 用户引用的上一轮对话、文件、链接
• 用户指明的目标场景（如"这是给客服机器人用的"）

2. 隐式 Context（环境推断）

• 会话主题：当前会话最近 5 轮的话题标签
• 用户画像：读取 USER.md 中的语言偏好、技术水平、行业
• 工作区记忆：读取 memory/YYYY-MM-DD.md 中与 prompt 主题相关的项目上下文
• 任务类型线索：从 prompt 中出现的动词推断（生成 / 分析 / 转换 / 检索 / 对话 / 编码 / 决策 / 评审）

3. Context 摘要写入

补全完成后，在输出末尾以 > 📎 Context 来源： 标注本次补全引用了哪些上下文来源，便于用户审计。

三、40 槽口 Schema（16 维度全覆盖）

每个补全后的 prompt 必须覆盖以下 40 个槽口，分布在 16 个维度。缺省时按默认值填充或标注 [需用户确认]，禁止留空。

维度 A：角色与目标（槽口 1-3）

维度 B：受众与场景（槽口 4-6）

维度 C：输入规范（槽口 7-9）

维度 D：输出规范（槽口 10-13）

维度 E：约束与禁止（槽口 14-16）

维度 F：领域规则（槽口 17-18）

维度 G：流程与步骤（槽口 19-21）

维度 H：示例与样例（槽口 22-23）

维度 I：质量保障（槽口 24-26）

维度 J：降级与容错（槽口 27-28）

维度 K：认知与思维（槽口 29-31）

维度 L：伦理与安全（槽口 32-34）

维度 M：商业与价值（槽口 35-36）

维度 N：工程与集成（槽口 37-38）

维度 O：体验与交互（槽口 39）

维度 P：元层与演进（槽口 40）

四、补全流程

用户输入半成品 prompt
        │
        ▼
┌──────────────────┐
│ 1. Context 采集   │  ← 显式 + 隐式
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 2. 40 槽口扫描    │  ← 逐槽口检查是否已填
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 3. 缺口诊断       │  ← 输出"已填 N/40，缺口列表 + 风险分级"
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 4. 本质穿透       │  ← 对每个缺口追问"这事的最底层是什么"
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 5. 智能填充       │  ← 缺省策略 + Context 推断 + 本质表达
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 6. 用户确认       │  ← 标注 [需用户确认] 的槽口
└────────┬─────────┘
         ▼
┌──────────────────┐
│ 7. 输出完整 prompt │  ← 结构化 Markdown
└──────────────────┘

缺口诊断输出格式

## 📊 槽口诊断

- 已填：18/40
- 缺口（高危 🔴）：FirstPrinciple、BlindSpot、OutputSchema、SafetyGuard、Regulatory
- 缺口（中危 🟡）：MentalModel、CounterExamples、EvalMetrics、CostAwareness
- 缺口（低危 🟢）：IterativeMode、Integration、UXPattern、Metadata
- 本质缺失：未定义"好"的标准（EvalMetrics 缺失），即使输出也无法判断对错

风险分级标准

五、四种工作模式

模式 A：单轮补全（默认）

用户给出半成品 → 一次性补全所有缺口 → 输出完整 prompt。

模式 B：多轮追问

当缺口数量 > 15 或存在高危缺口时启用：
- 每轮最多追问 3 个槽口
- 优先追问高危缺口
- 用户提供后立即更新诊断
- 用户说"用默认值"→ 全部按缺省策略填充

模式 C：反向瘦身

用户 prompt 过长/冗余时：
- 识别重复表达、过度修饰、无效约束、凑字数条款
- 压缩到 40 槽口的最小必要集
- 保留核心目标，删除装饰性文字
- 输出"删除了什么 + 为什么删"的日志

模式 D：场景模板套用

用户指定场景（如"客服对话"、"代码评审"、"数据分析"、"法律咨询"）时：
- 加载对应模板的 40 槽口预设
- 只需用户提供差异化部分
- 模板列表见 references/templates.md

六、输出规范

补全后的 prompt 必须按以下 Markdown 结构输出，分 16 节对应 16 个维度：

# [Prompt 标题]

> 版本：v2.0 | 生成时间：YYYY-MM-DD HH:mm | 来源：prompt-completion-master

## 🎯 目标与北极星
- **目标**：[Objective]
- **北极星指标**：[NorthStar]

## 👤 角色
[Role]

## 🌍 受众与场景
- **受众**：[Audience]
- **场景**：[Scenario]
- **语气**：[Tone]

## 📥 输入契约
- **格式**：[InputFormat]
- **边界情况**：[InputEdgeCase]
- **字段契约**：[InputContract]

## 📤 输出规范
- **格式**：[OutputFormat]
- **Schema**：[OutputSchema]
- **长度**：[Length]
- **语言**：[Language]

## ✅ 必须做到
1. [Constraints...]
2. ...

## 🚫 禁止行为与禁用词
- **禁止**：[Prohibitions]
- **禁用词**：[BannedWords]

## 📐 领域规则与法规
- **领域规则**：[DomainRules]
- **法规红线**：[Regulatory]

## 🔄 执行流程
1. [Steps...]
2. ...
- **决策树**：[DecisionTree]
- **迭代模式**：[IterativeMode]

## 📚 示例与反例
- **正例**：[Examples]
- **反例**：[CounterExamples]

## 🧪 质量保障
- **自检清单**：[QualityChecks]
- **置信度门槛**：[ConfidenceThreshold]
- **评估指标**：[EvalMetrics]

## 🪂 降级与容错
- **降级方案**：[Fallback]
- **重试策略**：[RetryPolicy]

## 🧠 认知与思维
- **思维模型**：[MentalModel]
- **第一性原理**：[FirstPrinciple]
- **盲点警示**：[BlindSpot]

## ⚖️ 伦理与安全
- **伦理底线**：[Ethics]
- **隐私保护**：[Privacy]
- **安全护栏**：[SafetyGuard]

## 💰 商业与成本
- **价值指标**：[ValueMetric]
- **成本意识**：[CostAwareness]

## 🛠️ 工程与集成
- **可用工具**：[ToolsAccess]
- **接入方式**：[Integration]

## 🎨 体验设计
- **消费方式**：[UXPattern]

## 📋 元信息
[Metadata]

## 📎 Context 来源
- 显式：[用户提供的 prompt 原文摘要]
- 隐式：[会话主题 / USER.md / memory 等来源]

七、使用示例

示例 1：模糊需求补全

用户输入：
> 帮我写个产品介绍

补全输出（节选关键槽口）：

# 产品介绍文案生成

## 🎯 目标与北极星
- **目标**：根据产品信息生成一段面向目标用户的产品介绍，用于官网/公众号发布
- **北极星指标**：用户读完后的"想了解详情"点击率 ≥5%

## 👤 角色
10 年经验 B2C 产品文案策划，写过 3 个千万级 GMV 产品的官网文案

## 🌍 受众与场景
- **受众**：25-35 岁一二线城市白领，焦虑点="怕买错、怕被割韭菜"
- **场景**：用户在手机上刷公众号时看到，注意力 <8 秒
- **语气**：像朋友推荐好物，不端着

## 📥 输入契约
- **格式**：产品名 + 核心功能（1-5 条）+ 目标用户 + 价格区间
- **边界**：功能为空时返回"请补充功能点"；价格缺失时用"详询客服"占位
- **字段契约**：
  | 字段 | 类型 | 必填 | 范围 |
  |------|------|------|------|
  | product_name | string | 是 | 1-30 字 |
  | features | array | 是 | 1-5 条 |
  | target_user | string | 是 | 1-20 字 |
  | price_range | string | 否 | 自由文本 |

## 📤 输出规范
- **格式**：Markdown
- **长度**：200-400 字（手机一屏内可读完）
- **语言**：简体中文
- **Schema**：
  ## {产品名}
  **一句话定位**：...
  **核心亮点**（3 个以内）：
  - ...
  **适用场景**：...
  **结尾 CTA**：...

## ✅ 必须做到
1. 每个功能点翻译成"用户得到什么"而非"产品有什么"
2. 开头 30 字内点明定位
3. 结尾有明确 CTA（点击/关注/购买）
4. 至少 1 个具体数字（续航/人数/时长等）

## 🚫 禁止行为与禁用词
- **禁止**：堆砌技术参数、使用绝对化用语、虚假承诺
- **禁用词**：领先、唯一、第一、极致、完美、颠覆、革命性、黑科技、神器、天花板

## 📐 领域规则与法规
- **领域规则**：B2C 文案要"翻译成用户语言"，不卖参数卖结果
- **法规红线**：遵守《广告法》，不含"国家级/最高级/最佳"等绝对化用语

## 🔄 执行流程
1. 解析产品信息，提取 3 个核心卖点
2. 将卖点翻译为用户价值（"10.1 寸屏" → "追剧像在电影院"）
3. 生成一句话定位（≤30 字）
4. 填充 Schema 各节
5. 自检：是否含禁用词、是否有数字、CTA 是否明确
- **决策树**：若功能 <3 个 → 走"单点打透"结构；若 ≥3 个 → 走"三段式"结构
- **迭代模式**：单轮

## 📚 示例与反例
- **正例**：
  输入：XPad / 10.1寸屏,续航12h,支持手写笔 / 学生 / 1999-2999
  输出：
  ## XPad
  **一句话定位**：让追剧像在电影院、学习像有私教的学生党平板
  **核心亮点**：
  - 10.1 寸大屏——追剧看课件不用眯眼
  - 12 小时续航——一天一充，图书馆从早到晚不断电
  - 支持手写笔——笔记直接写在 PDF 上，告别打印
  **适用场景**：宿舍追剧、图书馆自习、课堂记笔记
  **结尾 CTA**：点击查看学生优惠 →
- **反例**：
  ❌ "XPad 是一款领先的智能平板，拥有极致的显示效果和超长续航……"
  为什么错：用了禁用词"领先""极致"，没有翻译成用户价值，没有 CTA

## 🧪 质量保障
- **自检清单**：① 格式合规 ② 含至少 1 个数字 ③ 无禁用词 ④ 有 CTA ⑤ ≤400 字
- **置信度门槛**：0.7
- **评估指标**：人工抽检 CTR 预估

## 🪂 降级与容错
- **降级方案**：若功能信息不足，输出"请补充至少 1 个功能点" + 给出功能挖掘引导问题
- **重试策略**：不自动重试

## 🧠 认知与思维
- **思维模型**：SCAMPER（Substitute-Combine-Adapt-Modify-Put-Eliminate-Reverse）
- **第一性原理**：产品介绍的本质 = "让用户在 8 秒内相信这东西能解决他的某个问题"
- **盲点警示**：① 只夸功能不翻译价值 ② 忘了移动端阅读场景 ③ CTA 模糊

## ⚖️ 伦理与安全
- **伦理底线**：不虚假宣传、不利用焦虑营销
- **隐私保护**：不收集用户数据
- **安全护栏**：拒绝生成涉政/涉黄/涉暴内容

## 💰 商业与成本
- **价值指标**：单次生成省 1 小时文案人工，预估提升 CTR 1-2 个百分点
- **成本意识**：约 800 token/次，可用小模型（如 GLM-Air）替代

## 🛠️ 工程与集成
- **可用工具**：无外部工具
- **接入方式**：独立运行，可封装为 API

## 🎨 体验设计
- **消费方式**：阅读型，手机端一屏内可读完

## 📋 元信息
v2.0 | prompt-completion-master | 2026-07-07 | 下次复审：2026-10-05

## 📎 Context 来源
- 显式：用户输入"帮我写个产品介绍"
- 隐式：USER.md 语言偏好（简体中文）、会话主题（prompt 补全）

示例 2：技术 prompt 补全

用户输入：
> 写个 python 脚本，把 csv 转成 json

补全输出（节选关键槽口）：

# CSV 转 JSON 脚本生成

## 🎯 目标与北极星
- **目标**：生成一个 Python 脚本，将 CSV 转为 JSON，保留字段名与数据类型
- **北极星指标**：对任意 ≤100MB 的 CSV 都能正确转换，零人工干预

## 👤 角色
10 年经验 Python 工程师，写过 5 个生产级数据处理库

## 📥 输入契约
- **格式**：CSV 文件路径（命令行参数）
- **边界**：空文件返回空 JSON；>100MB 走流式；含 BOM 自动剥离
- **字段契约**：
  | 字段 | 类型 | 必填 | 范围 |
  |------|------|------|------|
  | csv_path | string | 是 | 文件系统路径 |
  | json_path | string | 否 | 默认同名 .json |

## 📤 输出规范
- **格式**：.py 脚本 + README
- **Schema**：
  ```python
  def convert_csv_to_json(csv_path: str, json_path: str = None) -> dict:
      """返回转换后的 JSON 数据 dict"""
  ```
- **语言**：代码英文，注释中文

## ✅ 必须做到
1. 处理 BOM 头（utf-8-sig 读取）
2. 空值转 null
3. 类型自动推断（int/float/str/bool）
4. 支持命令行参数（argparse）
5. 大文件流式读取（>100MB）

## 🚫 禁止行为与禁用词
- **禁止**：依赖 pandas、硬编码路径、全量读入大文件
- **禁用词**：（代码类无禁用词）

## 📐 领域规则与法规
- **领域规则**：Windows CSV 默认 GBK 编码，需自动检测
- **法规红线**：不适用

## 🔄 执行流程
1. 解析命令行参数（--input, --output, --encoding）
2. 检测 CSV 编码（chardet）
3. 剥离 BOM，读取表头
4. 逐行解析 + 类型推断
5. 写入 JSON 文件（ensure_ascii=False, indent=2）
6. 输出统计（行数/字段数/耗时）
- **决策树**：文件 >100MB → 流式；否则 → 一次性读取
- **迭代模式**：单轮

## 🧠 认知与思维
- **思维模型**：第一性原理——"CSV 转 JSON 的本质 = 把表格的行列结构映射为嵌套字典数组"
- **第一性原理**：数据格式转换的原子操作 = 解析 → 变换 → 序列化，任何复杂转换都是这三步的组合
- **盲点警示**：① 忘了编码检测 ② 大文件 OOM ③ 嵌套字段处理

## ⚖️ 伦理与安全
- **安全护栏**：拒绝处理含 SQL 注入/路径穿越的 CSV 内容

## 💰 商业与成本
- **价值指标**：省 30 分钟手写脚本
- **成本意识**：约 1500 token，可用小模型生成

## 🛠️ 工程与集成
- **可用工具**：Python 标准库 + chardet
- **接入方式**：CLI 命令行

## 📋 元信息
v2.0 | prompt-completion-master | 2026-07-07 | 下次复审：2026-10-05

## 📎 Context 来源
- 显式：用户输入"写个 python 脚本，把 csv 转成 json"
- 隐式：USER.md 技术水平中级、Windows 环境

八、与 6-Scheme 的关系

本 skill 的 40 槽口是对 6-Scheme Prompt 蓝图的深度细化扩展：

新增维度（不在 6-Scheme 中）：
- 质量保障：QualityChecks、ConfidenceThreshold、EvalMetrics
- 认知思维：MentalModel、FirstPrinciple、BlindSpot
- 商业成本：ValueMetric、CostAwareness
- 工程集成：ToolsAccess、Integration
- 元层：Metadata

九、本质穿透原则

填充槽口时必须遵循"一针见雪"原则，具体操作：

1. 追问 3 层 Why

对每个槽口连续追问 3 层"为什么"，直到触及原子：

槽口：Objective
用户写：写个产品介绍
Why 1：为什么要写产品介绍？→ 为了让用户买
Why 2：为什么用户会买？→ 因为他相信这东西能解决他的问题
Why 3：怎样让他相信？→ 8 秒内让他看到"这东西能解决我的某个具体问题"
→ Objective 补全为："8 秒内让目标用户相信本产品能解决他的某个具体问题，驱动点击了解详情"

2. 原子化表达

• ❌ "请详细描述产品功能" → ✅ "列 3 个功能，每个用'功能→用户价值'结构写，≤20 字"
• ❌ "注意安全" → ✅ "列 3 个最可能的攻击面 + 对应缓解措施"
• ❌ "保持专业" → ✅ "禁用 20 个空泛词（见 BannedWords 槽口）"
• ❌ "输出要好看" → ✅ "Markdown 格式，手机端一屏可读完，标题加粗，列表不超过 5 项"
• ❌ "考虑边界情况" → ✅ "输入为空/超大/含脏数据/含攻击 payload 时分别怎么处理"

3. 反向验证

每个槽口填充后，反向问自己：
- "如果 AI 按这个 prompt 输出，我能判断对错吗？" → 不能 → 槽口还没填透
- "这个约束删了会影响结果吗？" → 不会 → 是凑字数的，删掉
- "这个槽口的填充可以复用到其他 prompt 吗？" → 能 → 太泛了，要场景化

十、注意事项

1. 不篡改用户原意：补全是"填充缺口"，不是"改写目标"。用户的原始目标必须保留。
2. 标注不确定性：推断填充的槽口用 *斜体* 标注，提示用户复核。
3. 避免过度补全：若用户 prompt 已足够清晰（35+ 槽口已填），仅补缺、不重写。
4. 领域敏感性：医疗、法律、金融类 prompt 自动加严 Prohibitions、Regulatory、Ethics 三个槽口。
5. 不存储敏感数据：Context 采集中如遇到密钥、token，不写入 Metadata，不记录到 memory。
6. 本质优先：当槽口填充与本质穿透冲突时，优先保证本质穿透。宁可少填 3 个低危槽口，也要把 FirstPrinciple 和 BlindSpot 填透。
7. 禁用词强制生效：BannedWords 槽口默认启用，用户明确要求"允许使用某些词"时才可调整。