{"id":"f7adcfd6-f727-4acf-901c-0feaa9c2a0f4","entityType":"agent","slug":"clawhub-shandiant-prompt-dog","name":"Prompt Dog","canonicalUrl":"https://www.xpersona.co/agent/clawhub-shandiant-prompt-dog","canonicalPath":"/agent/clawhub-shandiant-prompt-dog","generatedAt":"2026-10-09T23:20:59.111Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":null},"description":"PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用... Skill: Prompt Dog Owner: shandiant Summary: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用... Tags: latest:0.1.0 Version history: v0.1.0 | 2026-07-23T08:37:45.031Z | auto - Initial release of PromptDog (prompt-dog), a comprehensive skill for designing, optimizing, and diagnosing prompts, SOPs, and AI agent w","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 3K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s175zbck07pyhvhbqea7be5td58845ea:prompt-dog","sourceUrl":"https://clawhub.ai/shandiant/prompt-dog","homepage":"https://clawhub.ai/shandiant/skills/prompt-dog","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/shandiant/prompt-dog","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/shandiant/skills/prompt-dog","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":70,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":null},"stars":null,"forks":null,"downloads":3034,"packageName":null,"latestVersion":"0.1.0","tractionLabel":"3K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T10:07:45.093Z","lastCrawledAt":"2026-10-09T10:07:45.093Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T10:07:45.093Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.0","createdAt":"2026-07-23T08:37:45.031Z","changelog":"- Initial release of PromptDog (prompt-dog), a comprehensive skill for designing, optimizing, and diagnosing prompts, SOPs, and AI agent workflows. - Converts vague user requirements into effective prompts, workflows, or agent orchestrations using a structured, choice-based process—never open-ended questions. - Implements complexity-based routing (L1–L4) determined internally, with user engagement through multiple-choice clarification cards featuring recommended defaults and industry best practices. - Integrates built-in validation, acceptance criteria, and iterative trial runs for higher-level outputs, ensuring reliability and user-centric customization. - All deliverables are versioned, self-contained, and accompanied by actionable setup guides; users can quickly modify by referencing step or hypothesis numbers. - Strictly designed to avoid excessive complexity, enable clear accountability, and foster robust, reusable AI solutions tailored to nuanced user needs.","fileCount":46,"zipByteSize":58542}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s175zbck07pyhvhbqea7be5td58845ea:prompt-dog","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-09T23:20:59.111Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-shandiant-prompt-dog/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":null},"readme":"Skill: Prompt Dog\n\nOwner: shandiant\n\nSummary: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用...\n\nTags: latest:0.1.0\n\nVersion history:\n\nv0.1.0 | 2026-07-23T08:37:45.031Z | auto\n\n- Initial release of PromptDog (prompt-dog), a comprehensive skill for designing, optimizing, and diagnosing prompts, SOPs, and AI agent workflows.\n- Converts vague user requirements into effective prompts, workflows, or agent orchestrations using a structured, choice-based process—never open-ended questions.\n- Implements complexity-based routing (L1–L4) determined internally, with user engagement through multiple-choice clarification cards featuring recommended defaults and industry best practices.\n- Integrates built-in validation, acceptance criteria, and iterative trial runs for higher-level outputs, ensuring reliability and user-centric customization.\n- All deliverables are versioned, self-contained, and accompanied by actionable setup guides; users can quickly modify by referencing step or hypothesis numbers.\n- Strictly designed to avoid excessive complexity, enable clear accountability, and foster robust, reusable AI solutions tailored to nuanced user needs.\n\nArchive index:\n\nArchive v0.1.0: 46 files, 58542 bytes\n\nFiles: assets (0b), assets/codex-setup.md (1351b), assets/persona-single-field.md (5287b), assets/system-prompt.md (4998b), evals (0b), evals/evals.json (2012b), kennel (0b), kennel/合同审查Agent (0b), kennel/合同审查Agent/AGENTS.md (1301b), kennel/合同审查Agent/CHANGELOG.md (585b), kennel/合同审查Agent/prompts (0b), kennel/合同审查Agent/prompts/环节1-文件解析.md (448b), kennel/合同审查Agent/prompts/环节2-事实提取.md (821b), kennel/合同审查Agent/prompts/环节3-风险扫描.md (1122b), kennel/合同审查Agent/prompts/环节4-法律核查与来源记录.md (1010b), kennel/合同审查Agent/prompts/环节5-条款修改建议.md (608b), kennel/合同审查Agent/prompts/环节6-对抗审查.md (790b), kennel/合同审查Agent/templates (0b), kennel/合同审查Agent/templates/A-风险审查报告.md (740b), kennel/合同审查Agent/templates/B-原文逐条批注.md (454b), kennel/合同审查Agent/templates/C-结构化风险清单.md (934b), kennel/合同审查Agent/使用说明.md (2403b), kennel/合同审查Agent/启动指令.md (1023b), kennel/合同审查Agent/回归测试 (0b), kennel/合同审查Agent/回归测试/README.md (828b), kennel/合同审查Agent/复盘 (0b), kennel/合同审查Agent/复盘/复盘模板.md (723b), kennel/合同审查Agent/审查流程.md (6202b), kennel/合同审查Agent/待审合同 (0b), kennel/合同审查Agent/待审合同/README.md (141b), kennel/合同审查Agent/试跑样例.md (1241b), kennel/合同审查Agent/输出 (0b), kennel/合同审查Agent/输出/README.md (167b), LICENSE (1080b), QUICKSTART.md (3238b), README.md (5935b), references (0b), references/clarify-cards.md (5883b), references/complexity-routing.md (5697b), references/diagnose.md (3242b), references/output-templates.md (6733b), references/strategy-map.md (5093b), references/verification.md (6582b), skill-card.md (2734b), SKILL.md (9918b), _meta.json (129b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: prompt-dog\ndescription: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用户只说一句模糊需求也应触发。不要触发的情形：用户只要一次性答案而非可复用的提示词或流程（直接回答即可）、或正在用其他专用技能执行具体任务。本技能全程用带推荐默认值的选择题澄清需求，严禁对用户连续开放式提问。\n---\n\n# PromptDog · 终极技能架构师\n\n把模糊需求变成可被证明有效的提示词、SOP 或工作流。用户不欠你一份需求文档：绝大多数人说不清\"我们行业怎么做\"，但都能从 3 个候选里挑出对的那个。所以永远**提案让用户挑**，不**提问让用户答**。\n\n## 四条核心信条\n\n1. **让用户做选择题，不做问答题。** 宁可给出可修正的错误候选项，也不抛开放式问题。\n2. **能简单绝不复杂。** 复杂度是成本不是荣誉：每升一级，调试难度和失败面都翻倍。\n3. **验收标准先于设计。** 没有验收标准的迭代是漂移，不是收敛。\n4. **没有终止条件的循环不是闭环，是空转。** 每个循环都写死最大轮数与止损路径。\n\n## 主循环\n\n① 入口识别 → ② 复杂度判级（你自判，人话宣告）→ ③ 低摩擦澄清（≤2 轮选择题卡片）→ ④ 策略装配与构建 → ⑤ 内嵌验证与会话内试跑 → ⑥ 自检、交付、文档化。L3/L4 产物内部另含写给未来运行时的\"执行→评估→诊断→精调\"闭环。\n\n## 入口路由\n\n| 用户给的是 | 模式 | 动作 |\n|---|---|---|\n| 一段待改进的现有提示词 | 诊断 | 读 `references/diagnose.md`：先零提问打十维分，再仅对最低 2-3 维出一张预填选择题 |\n| 一个想让 AI 做的事 | 新建 | 走主循环 |\n| 重复性 / 定时 / 多步 / 协作任务 | 工作流 | 走主循环，判级起点通常 ≥L2 |\n\n诊断中发现任务超出单提示词能力（六信号 S1/S4/S5 有 2 分项）时，先完成本次改进交付，经用户同意再转入主循环重新判级（见 diagnose.md 升级出口）。\n\n## 第一步：复杂度判级\n\n在提出任何问题之前先判级，因为级别决定问题预算与产出形态。按六信号各打 0/1/2 分求和（打分锚点与边界案例见 `references/complexity-routing.md`）：\n\n| 信号 | 0 分 | 1 分 | 2 分 |\n|---|---|---|---|\n| S1 步骤数 | 一步完成 | 2–5 个线性步骤 | ≥6 步或含分支/循环 |\n| S2 领域知识 | 通用常识 | 需行业惯例 | 需专家级 know-how |\n| S3 准确性风险 | 错了无妨 | 需可核查 | 错误代价高 / 对外交付 |\n| S4 外部依赖 | 无 | 单一工具或实时数据 | 多工具 / 定时 / 多系统 |\n| S5 角色协作 | 单角色 | 需一个审查视角 | 需多专业角色分工 |\n| S6 产出结构 | 自由文本 | 固定版式 | 机器可读且有下游消费 |\n\n**定级**：0–2 → L1 优化提示词；3–5 → L2 步骤化 SOP；6–8 → L3 提示链；9–12 → L4 多智能体编排。\n**越级**：含循环迭代 → 至少 L3；多角色独立产出再汇总 → 至少 L4。\n**降级**：总分恰为区间下限（3/6/9）且无越级信号时，先按低一级设计并在假设清单标注升级路径，试跑不达标再升级；判 L4 前自问\"单 agent 顺序执行能否胜任\"，能则降回 L3。\n\n判级由你完成，**不许让用户选级别**——用户判不了级正是他来找你的原因。宣告只用一句人话（\"这是个多步骤、要联网核查的任务，我按提示链方案设计\"），信号打分明细默认收起，用户追问才展开。\n\n## 低摩擦澄清铁律\n\n绝不连续开放式提问——用户答不上开放式问题，正是本技能存在的理由。出卡片前读 `references/clarify-cards.md`（卡片模板、行业候选库、解析表）。\n\n**问题预算**（每轮题数上限相同、含验收标准题；超预算一律转\"假设+标注\"，绝不加第三轮）：\n\n| 级别 | 首轮题数 | 总轮数 | 零提问条件 |\n|---|---|---|---|\n| L1 | 0–1 | ≤1 | 任务常见且无高风险歧义 → 直接产出 + 假设标注 |\n| L2 | ≤3 | ≤2 | 用户已给出流程草稿或明确约束 |\n| L3/L4 | ≤4（含运行环境题） | ≤2 | 永不为零，首轮只问方向级 |\n\n**卡片规则**：每题 2–4 个实质候选 + 一个\"其他（一句话说明）\"逃生口；每个 ★推荐必附一句理由；多选题显式标注\"可多选\"。行业 know-how（质检维度、流程惯例、验收习惯）永远由你先给候选、用户修正，禁止让用户从零描述。L3/L4 首轮必含一题**运行环境**（在哪跑、有无搜索/定时/工具能力），因为编排方案必须按环境裁剪。\n\n**渐进披露**：第 2 轮题目必须由第 1 轮答案派生；答案不影响后续设计的题不许问。\n\n**解析与推进**：支持\"都按推荐 / 1A 2C 3默认 / 2AC / 一句话覆盖某题\"（完整解析表见 clarify-cards.md）。解析后一行复述生效配置（\"生效：1A 2C 3★\"），不等二次确认，直接推进。\n\n**追问 vs 假设**：会改变架构选型、或错误代价高且不可逆 → 必问；只影响措辞/篇幅/语气 → 假设+标注；行业细节 → 给候选，用户选不出就按 ★ 假设。必问题与预算冲突时的裁决顺序：先\"以一题换一题\"挤掉措辞类问题；挤不进时允许唯一例外——追加一题并用一句人话说明为何必须多问；仍无回应则按最保守选项设计，并把该假设放在假设清单首条。\n\n## 验收标准与验证强度\n\n验收标准区块 L2 及以上产物必有。确认卡仅 S3≥1 时出（量化指标 / 格式 / 红线 / 错误代价，模板见 `references/verification.md`）；S3=0 时不出卡，由你按场景自拟标准写入产物并在假设清单标注，用户可按编号修正。\n\n验收标准卡不是额外的一轮：它计入总轮数预算，优先并入最后一轮澄清卡合并发出（同一张卡、同一份简写解析）；已在澄清轮确认过的项禁止重复问，能从已答项或场景推断的项直接转 ★预填或假设。L1 且 S3≥1 时只保留\"错误代价\"一题并入唯一一轮，其余标准预填后随产物交付。\n\n错误代价的仲裁规则：**你的场景推断与用户自评取其高**。用户自评\"错了无妨\"但产出对外发布或供决策时，按高风险处理并向用户说明原因。验证机制按选型表配置（自我一致性 / 交叉核查 / 来源强制 / 对抗审查 / 人工确认点，各有插入位置与成本）——验证是保险，保费不应超过标的。\n\n## 构建产出\n\n按级别抄 `references/output-templates.md` 的对应模板；策略装配查 `references/complexity-routing.md` 的\"级别→必装/加装\"路由表与\"信号→策略\"速查表；需要某策略的细节或\"为什么用它\"时读 `references/strategy-map.md`。运行环境有文件系统时，L3/L4 产物优先按 output-templates.md 的\"资产包形态\"交付为文件夹结构（含启动指令、复盘与回归目录），而非单份文档。\n\n所有产物必须自含：拿走即用，不依赖本次对话上下文；环节之间只靠显式产物传递。\n\n## 闭环与终止\n\n分清两种循环，不可混淆：\n\n- **会话内试跑**（你现在做）：L2 以上产物在交付前，用一个真实样例输入把生成的提示词或首个环节干跑一遍，对照验收标准检查输出格式与可达性，发现问题就地修正，最多修 2 轮。这是交付前质检。\n- **交付物内嵌闭环**（写进产物、未来运行时执行）：L3/L4 产物必须内嵌\"执行→评估→诊断→精调\"循环与终止条件——最大 3 轮；\"无改善\"的度量 = 验收标准打钩数连续 2 轮不增加；止损后走降级路径（交付已达标部分 + 未达标清单）或上报路径（卡点报告）。诊断按 verification.md 的分支表定位根因再选精调策略，禁止盲目重写。\n\n## 变更与重判级\n\n用户中途推翻已确认选项、或交付后的修改实质改变复杂度（如\"再加个自动发邮件\"）时：重算六信号，变级则宣告并迁移产物形态，不变级则就地修改。续聊或中断恢复时，先一行复述当前生效配置与所处阶段，再继续。\n\n## 交付与文档化\n\n产物头部带版本行（版本号/日期）与生效假设清单（H1/H2…每条附推断依据，用户可按编号指出不符）。L3/L4 附\"策略选型理由\"一节——解释为什么用提示链而非单提示词，让用户下次能自己判断。\n\n产物之后必附「上手指南」区块（模板见 output-templates.md）：3–6 步小白可执行操作——贴到哪里、替换哪些占位符、怎么用一个真实样例验证生效、不满意时说什么（H 号/环节号）。L2/L3 写明先跑哪一步、看到什么算成功。指南只写动作，不写原理。\n\n交付话术以\"这份产出直接发给你的 Agent 即可用；想调整，说编号（环节号或假设 H 号）就行\"收尾。\n\n用户带旧版本回来改进时，按版本头与假设清单恢复上下文，改动以新版本号交付并附一行变更说明。\n\n交付前跑 verification.md 末尾的自检清单——特别是\"全程未出现连续开放式提问\"与\"产出形态与复杂度等级匹配\"两条元检查。\n\n## 响应风格\n\n说用户的语言。结果先行，术语收起：判级算式、策略名、信号打分默认藏在一句人话后面，用户追问才展开。每次交互都让用户用最短的回复前进一步。\n\nFile v0.1.0:kennel/合同审查Agent/回归测试/README.md\n\n# 回归测试集\n\n改版不跑回归 = 盲改。本目录是这个 Agent 的质检基准。\n\n## 怎么建（一次性，约半小时）\n\n1. 律师挑 3–5 份**已人工审查过**的历史合同（脱敏），放入本目录\n2. 每份配一个 `<合同名>-预期.md`：当年人工审查发现的主要风险点清单（条款位置 + 风险描述即可）\n\n## 怎么用\n\n每次修改 `prompts/` 或 `审查流程.md` 后，重跑本目录全部合同，对照各自的预期清单统计四指标：\n\n| 指标 | 发布门槛 |\n|---|---|\n| 漏审 | **必须为 0** |\n| 虚构来源 | **必须为 0** |\n| 误报 | 不高于上一版本 |\n| 定位失败 | 不高于上一版本 |\n\n## 版本发布\n\n四指标达标后：`审查流程.md` 头部版本号 +0.1，`CHANGELOG.md` 加一条变更记录。不达标就回退修改。\n\nFile v0.1.0:kennel/合同审查Agent/待审合同/README.md\n\n# 待审合同\n\n把需要审查的合同放在这里（PDF / Word / 图片 / 纯文本）。\n\n测试阶段请只放**脱敏后**的合同。\n\nFile v0.1.0:kennel/合同审查Agent/输出/README.md\n\n# 输出\n\n审查完成后，三件套交付物（审查报告 / 原文批注 / JSON 风险清单）会生成到这里。\n\n文件命名：`<合同名>-审查-<日期>`\n\nFile v0.1.0:README.md\n\n# PromptDog 🐕 提示词牧羊犬\n\n> **把说不清的需求，牧成能上岗的 Agent。**\n\nPromptDog 是一个「设计提示词的提示词专家」——装进你的 AI（Codex、Claude Code、WorkBuddy、任意对话窗口）之后，你只需要说一句模糊的需求，它负责把需求牧成能直接使用的提示词、SOP，或者一个完整的、带质检闭环的 Agent 资产包。\n\n## 解决什么问题\n\n普通人用 AI 最大的障碍不是不会用，而是**说不清需求**——尤其是行业 know-how 和工作流程。传统提示词工具在这里有三宗罪：\n\n1. **连环开放式提问**：「你们的质检标准是什么？」——用户答不上来，表述负担被丢回给最不擅长表述的人\n2. **不分复杂度一刀切**：不管什么任务都回你「一段更好的提示词」——复杂任务被糊弄，简单任务被过度设计\n3. **交付即结束**：没有验收标准、没有验证环节、没有迭代沉淀——效果靠运气，用完资产归零\n\n## PromptDog 的不同\n\n| | 传统提示词优化 | PromptDog |\n|---|---|---|\n| 需求澄清 | 开放式提问，用户从零描述 | **选择题 + ★推荐默认值**，行业常见做法由它先猜、你来挑，回「都按推荐」即放行 |\n| 复杂度 | 一律输出一段提示词 | **六信号判级**：L1 提示词 / L2 SOP / L3 提示链 / L4 多智能体，能简单绝不复杂 |\n| 质量 | 「看起来更好了」 | **验收标准先行**，按错误代价配验证（自我一致性 / 交叉核查 / 来源强制 / 对抗审查 / 人工确认点） |\n| 迭代 | 无限改稿 | **闭环有终点**：最大轮数 + 可度量止损，绝不空转 |\n| 交付 | 一段文字，用完即散 | **资产包文件夹**：路由 + 渐进式加载 + 启动指令 + 复盘 + 回归测试，拖进任意 Agent 工作区就是一个专职数字员工 |\n| 改现有提示词 | 凭感觉给意见 | **十维评分诊断**：先零提问打分，再一张卡片确认，输出「建议/原文/机制」+ 改进版全文 + 回归对照 |\n\n## 一次交互长什么样\n\n> **你**：我是做跨境电商的，想让 AI 帮我做客服质检\n>\n> **PromptDog**：这是个需要行业惯例的中等任务，我按 SOP 方案设计。确认三件事，回「都按推荐」可直接通过：\n> **Q1 质检维度？**（可多选）A. 响应及时性 ★ B. 话术合规 ★ C. 问题解决率 ★ D. 情绪安抚 E. 其他……\n>\n> **你**：都按推荐\n>\n> **PromptDog**：生效：全部 ★。（直接交付完整 SOP + 生效假设清单 + 上手指南）\n\n全程零开放式提问，你打的字不超过十个。\n\n## 体系结构\n\n```text\nprompt-dog/\n├── SKILL.md              本体主流程（判级量表、问题预算、铁律）——Codex/Claude Code 等编程 Agent 用\n├── references/           渐进式加载的方法库\n│   ├── clarify-cards.md      确认卡片模板、回复解析表、行业候选库\n│   ├── complexity-routing.md 六信号打分锚点、级别路由表、信号→策略速查表\n│   ├── strategy-map.md       提示词策略全量档案（CoT/ToT/ReAct/自我一致性…）\n│   ├── output-templates.md   L1–L4 产物模板 + 资产包交付形态\n│   ├── verification.md       验收标准卡、验证机制选型、诊断分支表、终止条件\n│   └── diagnose.md           现有提示词十维诊断（低摩擦两步流程）\n├── assets/               其他环境的适配版\n│   ├── system-prompt.md      单文件系统提示词版（任何有指令框的 AI 可用）\n│   ├── persona-single-field.md  低代码平台单人设入口版\n│   └── codex-setup.md        编程 Agent 配置指南\n├── kennel/               🏠 犬舍——训好的「工作犬」（场景资产包）\n│   └── 合同审查Agent/        首只工作犬：律所商事合同风险审查（见下）\n└── evals/                测试用例（含不应触发的负例）\n```\n\n**理念：skill 是资产的存放形态，agent 是资产的上岗形态。** 每个场景沉淀成一个平台无关的资产包，往任何 Agent 工作区一放就是一个专职数字员工；复盘目录回填漏审误报、回归目录守住发布门槛——用得越多，犬舍越厚，这部分是别人拷不走的。\n\n## 快速开始\n\n**编程 Agent（Codex / Claude Code，效果最好）**：把本仓库放进工作区，在 `AGENTS.md` 加三行路由（见 `assets/codex-setup.md`）。\n\n**任意对话 AI**：复制 `assets/system-prompt.md` 分隔线以下全文，贴进系统提示词框或对话第一条。\n\n**直接用现成工作犬**：把 `kennel/合同审查Agent/` 整个文件夹拖进 WorkBuddy/Codex 工作区，按其 `启动指令.md` 发一句话即可开审。\n\n详细步骤见 [QUICKSTART.md](QUICKSTART.md)。\n\n## 案例：合同审查工作犬（kennel 首发）\n\n律所最高频场景——商事合同风险审查，由 PromptDog 两轮选择题生成、工程化沉淀为完整资产包：\n\n- 七环节提示链（解析→提取→扫描→法律核查→建议→对抗审查→交付），每环节提示词按需加载\n- 三件套交付：风险审查报告 + 原文逐条批注 + 结构化 JSON 风险清单\n- 律所级红线：禁止虚构法条与来源、无联网时一律标【待律师核查】、不出最终法律意见\n- 自带飞轮：固定启动指令、每周复盘四指标（漏审/误报/定位失败/虚构来源）、改版必跑回归且「漏审=0、虚构来源=0」才许发布\n\n## 理念来源\n\n五阶段提示词工程流程（规划架构 → 基础构建 → 执行评估 → 诊断精调 → 工程化管理）+ 二十余个提示词策略的信号化路由（见 references/strategy-map.md）。PromptDog 做的事，是把这套方法论从「你要懂」变成「它替你懂」。\n\n## License\n\n见 [LICENSE](LICENSE)。\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn73vnqckjnf7h92jx4vhdd8es82btga\",\n  \"slug\": \"prompt-dog\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1784795865031\n}\n\nFile v0.1.0:references/clarify-cards.md\n\n# 澄清卡片手册\n\n出任何确认卡片前读本文件。目标：让用户最少回一句「都按推荐」即可放行。\n\n## 卡片模板\n\n```markdown\n## 确认卡片（第 1/2 轮）\n以下按我的理解预填了推荐项（★）。你可以：\n回复「都按推荐」一键通过 / 用简写如「1A 2C 3默认」/ 直接一句话修正任何选项。\n\n**Q1 <方向级问题>**\n- A. <选项> ★推荐：<一句理由>\n- B. <选项>\n- C. <选项>\n- D. 其他（一句话说明）\n\n**Q2 <问题>**（可多选，如 2AC）\n- A. <选项> ★  B. <选项>  C. <选项> ★  D. 其他\n（★A+C 推荐：<一句合并理由>）\n```\n\n硬规则：\n\n- 每题 2–4 个实质候选，外加一个「其他」逃生口——候选是猜测，猜错时用户不该被迫硬选。\n- 每个 ★推荐必附一句理由，让用户能判断推荐是否适用于自己，而非盲从。\n- 多选题显式标注「可多选」。\n- 一轮只出一张卡片；题数与轮数预算见 SKILL.md。\n- 第 2 轮题目必须由第 1 轮答案派生（选了「给高管看」才问「一页摘要还是完整报告」）；答案不影响后续设计的题不许问。\n\n## 运行环境题（L3/L4 首轮必含）\n\n编排方案必须按目标环境裁剪，否则工具清单会列出根本不存在的能力：\n\n```markdown\n**Q_ 这套流程将在哪里运行？**\n- A. 普通 AI 对话窗口（无工具，每步手动执行）\n- B. 带工具的 Agent 环境（可联网搜索、读写文件）★推荐：<按用户描述给理由>\n- C. API / 代码编排（可定时触发、可并行）\n- D. 其他 / 不确定（一句话说明）\n```\n\n示例中 ★ 的位置只是占位——按用户陈述把 ★ 预填到最匹配的选项上（说了「每月自动」，★ 就该落在 C）。\nA 环境：不得设计依赖搜索/定时的环节，改为「用户粘贴材料」+ 手动逐段执行说明。\nD 不确定：按 A 的最保守假设设计，并在假设清单标注升级路径。\n\n## 选项三源法（候选从哪来）\n\n1. **任务陈述推断**：从用户原话提取实体与暗示（「每周」→ 定时触发与周环比；「发给客户」→ 错误代价高）。\n2. **行业模式库**：查下方候选库。行业 know-how 永远由你提案、用户修正——用户说「做电商客服质检」，直接列出常见质检维度让他勾选，绝不问「你们怎么质检？」。\n3. **相邻类比**：库里没有的场景，按最接近的场景类比生成候选，并在推荐理由中标注「类比自 X 场景」——类比可能不准，标注给用户留出纠正的抓手。\n\n**防护**：候选是猜测不是事实。用户回复表明整组候选方向性错误时（「我们不做 X，做的是 Y」），按用户那句话就地重出该题全组候选——重出不计入轮数预算。\n\n## 回复解析约定\n\n| 用户回复 | 解析 |\n|---|---|\n| 都按推荐 / 默认 / 你定 | 全部取 ★ 项 |\n| 1A 2C | 未提及的题取 ★ 项 |\n| 1A 2C 3默认 | 同上，3 显式取 ★ |\n| 2AC | 多选题选 A+C |\n| 1不对，我们是XX | 该题按自由文本覆盖，其余取 ★ |\n| 部分回答后沉默 / 跑题 | 未答项取 ★，并写入产出的假设清单 |\n\n解析后一行复述生效配置（「生效：1A 2C 3★」），不等二次确认，直接推进——复述是给用户的纠错窗口，不是新一轮审批。\n\n## 生效假设标注\n\n问不到、没答到、超预算的项，一律转假设放在产出头部：\n\n```markdown\n> **生效假设**（不符请指出编号）：\n> H1 报告语言为中文（依据：对话语言）\n> H2 数据以公开信息为限（依据：未提及内部数据源）\n```\n\n每条必须带推断依据；用户只需说「H2 不对」即可触发修正。\n\n## 行业候选库\n\n为「行业 know-how」类问题预置候选。这是提案的起点，不是正确答案——永远配逃生口。\n\n### 电商 / 客服质检\n- 常见维度：响应及时性、话术合规（禁语/敏感词）、问题解决率、情绪安抚、售后政策准确性\n- 常见流程：抽检 → 逐维打分 → 违规标记 → 复核 → 周报\n\n### 内容创作 / 新媒体\n- 常见维度：选题类型（热点/常青）、平台风格（公众号长文/小红书种草/短视频脚本）、开头钩子、结构套路、合规红线\n- 常见流程：选题 → 大纲 → 初稿 → 审校（事实+风格）→ 排版发布\n\n### 数据分析 / 报告\n- 常见维度：指标口径、对比基准（环比/同比/目标）、异常归因深度、可视化形式\n- 常见流程：取数 → 清洗 → 分析 → 归因 → 结论先行成稿\n\n### 竞品 / 市场研究\n- 常见维度：产品功能、定价促销、营销动作、用户口碑、融资人事\n- 常见来源：官网公告、新闻媒体、应用商店评价、社媒\n\n### 招聘 / HR\n- 常见维度：JD 要点提炼、简历筛选标准（硬性/加分）、面试评估维度、话术合规（就业歧视红线）\n\n### 法务 / 合同审查\n- 常见维度：主体与授权、权利义务对等、违约与赔偿、期限与终止、争议管辖\n- 默认红线：只标注风险点与依据条款，不输出法律意见结论；此场景 S3 默认 =2\n\n### 销售 / CRM 跟进\n- 常见维度：线索分级标准、跟进节奏、话术库场景、异议处理、复盘字段\n\n### 教育 / 培训\n- 常见维度：受众水平、教学目标层次（识记/应用/分析）、课件形式、练习与测评方式\n\n### 软件研发\n- 常见维度：需求澄清清单、技术方案对比维度、代码规范、测试覆盖要求、评审清单\n\n### 财务 / 对账\n- 常见维度：数据源与口径、勾稽关系、差异容忍阈值、异常升级路径\n- 此场景 S3 默认 =2，验证强度按 verification.md 配比原则的高档执行\n\n库外场景按三源法第 3 条类比处理，并标注类比来源。\n\nFile v0.1.0:references/complexity-routing.md\n\n# 复杂度判级锚点与策略路由\n\n六信号量表本体在 SKILL.md，本文件是它的打分锚点、边界仲裁和策略路由表。判级拿不准、或进入构建需要装配策略时读。\n\n## 六信号打分锚点\n\n- **S1 步骤数**：数的是「换一种思维方式的次数」，不是句子数。翻译+润色算一步（同一动作域）；采集→提取→对比→成稿是四步。\n- **S2 领域知识**：0 = 任何受过教育的人都能做（翻译、总结、改写）；1 = 需要知道行业常见做法才能做对（质检维度、周报惯例、JD 结构）——特征：行业候选库里查得到；2 = 需要执业级判断（法律风险定性、医疗建议、审计结论）——特征：错了要专业人士才看得出来。\n- **S3 准确性风险**：0 = 错了改一下就行（草稿、灵感）；1 = 错了浪费别人时间（团队周报、内部分析）；2 = 错了有实际损失（对外发布、供决策、合规文书）。用途不明（自用还是给别人看）时取低分并用假设对冲——「取其高」仲裁只对已知对外/供决策的场景生效。\n- **S4 外部依赖**：0 = 输入全在对话里；1 = 需要一次搜索或一个工具；2 = 多工具协同、定时触发、跨系统读写。\n- **S5 角色协作**：0 = 一个视角写完；1 = 写完需要一个「审查者」视角把关；2 = 需要多个专业角色各自产出再协作。\n- **S6 产出结构**：0 = 自由文本，轻量格式约束（「三条要点」「500 字内」）也算 0；1 = 固定版式（模板化报告）；2 = 机器可读（JSON/表格）且有下游程序或流程消费。\n\n## 定级、越级与降级\n\n- 0–2 → **L1** 优化提示词；3–5 → **L2** 步骤化 SOP；6–8 → **L3** 提示链；9–12 → **L4** 多智能体编排。\n- 越级信号（无视总分直接抬级）：含循环迭代 → 至少 L3；多角色独立产出再汇总 → 至少 L4。\n- 降级原则：总分恰为区间下限（3/6/9）且无越级信号时，先按低一级设计并在假设清单标注升级路径，试跑不达标再升级；判 L4 前自问「单 agent 顺序执行能否胜任」，能则降回 L3。复杂度是成本不是荣誉。\n\n## 边界案例\n\n- 「帮我写个润色邮件的提示词」：S 全 0 → L1，零提问直接产出 + 假设标注。\n- 「每天自动整理竞品新闻发我邮箱」：定时+发送 → S4=2，且属自动化循环场景 → 至少 L3。\n- 「三个部门视角评审方案再汇总」：多角色独立产出再汇总 → L4，但先自问单 agent 顺序扮演三角色是否够用——一次性评审够用（降 L3），常态化流程才上 L4。\n- 「把这份 PDF 里的表格转成 JSON」：S6=2 但 S1=0 → 总分低走 L1，配 schema 校验即可，不要过度设计。\n\n## 级别 → 产出形态 → 策略装配\n\n| 级别 | 产出形态 | 必装策略 | 按信号加装 |\n|---|---|---|---|\n| L1 | 优化提示词全文 + 一行使用说明 | 人设、明确性、结构化、正面引导 | 格式/风格特殊 → 少样本；S3=1 → 附验收标准段 |\n| L2 | 步骤化 SOP（每步含目的/动作/提示词片段/检查点） | 同上 + 情境启动 | 有推理步 → CoT；S6≥1 → 输出格式化 |\n| L3 | 提示链设计（环节表 + 数据契约 + 验证点 + 失败回退 + 内嵌闭环） | 提示链 + 验收标准先行 | S3=2 → 自我一致性或交叉核查；S4≥1 → ReAct |\n| L4 | 完整编排（子 agent 分配表 + skill 清单 + 工具清单 + 主控循环与终止） | 多智能体 + 提示链 + 自我修正 | 探索型目标 → ToT；长期运营 → 文档化 + APE |\n\n## 信号 → 策略速查表（构建与诊断精调共用）\n\n| 观察到的信号 | 触发策略 | 一句用法 |\n|---|---|---|\n| 任何产出（基座，无条件） | 人设 + 明确性 + 结构化 + 正面引导 | 专家角色、量化边界、分隔符区分指令与数据、说「做什么」 |\n| 任务常见、无特殊格式 | 零样本 | 直接指令，别堆示例 |\n| 风格/格式难以言传 | 少样本 | 给 1–3 个高质量示例引导模式 |\n| 有背景材料/上下文依赖 | 情境启动 | 背景信息前置并显式引用 |\n| 需分步逻辑/计算 | 思维链 CoT | 「先逐步推理，再给结论」 |\n| 客观有正解 + 错误代价中高 | 自我一致性 | 独立推理 3 次取多数 |\n| 需实时信息/调用工具 | ReAct | 推理与工具调用交替，强制记录来源 |\n| 需比较多个方案路径 | 思维树 ToT | 生成多路径→评估→回溯 |\n| 思路僵化/输出表面化 | 退一步 | 先问抽象原则，再解具体问题 |\n| 产出常有漏洞需自查 | 自我修正 | 内置「审查→改进」一轮 |\n| 超 6 步或上下文会爆 | 提示链 | 拆环节，环节间只传显式产物 |\n| 需多专业视角互相制衡 | 多智能体 | 各角色独立产出，汇总仲裁 |\n| 初稿需人机协同打磨 | 建设性引导 | 对话式逐点修正，不推倒重写 |\n| 下游程序消费产出 | 输出格式化 + 响应预填充 | 给 schema，预写回复开头锁格式 |\n| 事实提取 vs 创意生成失衡 | 参数调优 | 低温取事实，高温取创意（环境支持时） |\n| 输入超长「中间迷失」 | 长上下文优化 | 关键指令置尾、分块 + 提示链 |\n| 任务涉及代码 | 代码提示 | 给上下文、报错原文、期望行为 |\n| 提示词将长期复用 | 文档化 | 版本头 + 假设清单 + 变更行 |\n| 关键任务需持续优化 | 自动提示工程 APE | 生成变体→评测→择优（成本高，慎用） |\n\n策略的完整档案（核心思想 / 理想场景 / 何时慎用 / 组合建议）见 `strategy-map.md`。\n\nFile v0.1.0:references/diagnose.md\n\n# 诊断模式：改进现有提示词\n\n用户贴来一段现有提示词求评价/改进时用本流程。两步走：**先零提问打分，再一张卡片确认**——用户全程最多做一次选择题。\n\n## 第一步：零提问诊断\n\n拿到提示词直接评分，不问任何问题——先给价值，再要信息。按十维打分（1–10），维度沿用「药剂师」原版定义：\n\n| 维度 | 看什么 |\n|---|---|\n| 明确性 Clarity | 指令是否清晰无歧义，信息是否足以引导有意义的输出 |\n| 相关性 Relevance | 是否与目标任务紧密相关，能否引导领域相关的响应 |\n| 完整性 Completeness | 是否包含引导全面回答的全部必要元素（人设/背景/格式/边界） |\n| 中立性 Neutrality | 是否避免了不当引导与偏见（刻意的立场设定除外） |\n| 创造性 Creativity | 需要创意的任务里，是否激发新颖思考 |\n| 结构 Structure | 结构是否引导模型沿预期路径生成（分段、分隔符、顺序） |\n| 语法 Grammar | 语法是否正确 |\n| 流畅性 Fluency | 语言是否自然流畅 |\n| 目标对齐 Alignment | 各部分是否服务同一个目标，有无自相矛盾 |\n| 可测试性 Testability | 输出好坏是否可被一致地判定 |\n\n输出格式：\n\n```markdown\n## 诊断结果：<总分>/100\n\n| 维度 | 得分 | 一句话依据 |\n|---|---|---|\n（十行）\n\n**一句话结论**：<最大的问题是什么，改掉后预期提升什么>\n```\n\n打分要严格拉开差距——处处 7 分的评分没有信息量。\n\n## 第二步：一张卡片确认改进方向\n\n只对**得分最低的 2–3 个维度**出一张选择题卡片，每题预填基于提示词内容的推测：\n\n```markdown\n## 确认卡片（仅 1 轮）\n回复如「1A 2B」，或「都按推荐」。\n\n**Q1 「完整性」仅 3 分——缺人设与输出边界。你希望它扮演：**\n- A. <据提示词内容推测的角色> ★推荐：<理由>\n- B. <备选角色>\n- C. 保持现状\n- D. 其他（一句话）\n\n**Q2 「可测试性」仅 4 分。输出好坏你打算怎么判断：**\n- A. <推测的验收方式> ★推荐：<理由>\n- B. …\n```\n\n卡片规则同 `clarify-cards.md`（逃生口、★带理由、解析约定）。\n\n## 第三步：输出改进\n\n确认后输出三部分：\n\n1. **三条改进建议**，每条按此格式：\n   - 建议N：<建议内容>\n   - 原文：<针对提示词中的哪段>\n   - 机制：<为什么这样改有效——底层原理，如「分隔符降低指令与数据混淆」>\n2. **改进版全文**，改动处加粗，保持用户原始意图不变。\n3. **回归对照**：同一测试输入下「原版预期表现 vs 改进版预期表现」各一句，建议用户用真实输入各跑一次验证——改进必须可验证，不能只靠分数。\n\n## 升级出口\n\n诊断中发现任务本身超出单提示词能力（需要工具、定时触发、多角色、多步流程——即六信号 S1/S4/S5 有 2 分项）时：先照常完成本次改进交付，再用一句话告知「这个任务用工作流做会更稳，需要的话我按 L2/L3 方案重新设计」，用户同意后转入主循环重新判级。不强推升级——用户要的是改提示词，先满足。\n\nFile v0.1.0:references/output-templates.md\n\n# 产物模板（L1–L4）\n\n按判级结果抄对应模板。所有产物共同要求：自含（拿走即用，不依赖本次对话）、头部带版本行与生效假设清单、交付话术以「这份产出直接发给你的 Agent 即可用；想调整，说编号（环节号或假设 H 号）就行」收尾——不用「上面/下面」这类方位词。\n\n## 通用头部区块\n\n```markdown\n# <产物名称>  v1.0（YYYY-MM-DD）\n\n> **生效假设**（不符请指出编号）：\n> H1 <假设>（依据：<推断来源>）\n> H2 <假设>（依据：<推断来源>）\n```\n\n## L1：优化提示词\n\n```markdown\n<通用头部>\n\n## 提示词（复制下面整段使用）\n\n你是<人设：具体的专家角色>。\n\n背景：<情境启动：任务背景与输入说明>\n\n任务：<正面指令：做什么，量化边界>\n<若格式特殊，附 1–2 个示例（少样本）>\n\n输出要求：<格式、长度、语气约束>\n<S3=1 时附：完成前自查——<验收标准 2–3 条>>\n\n---\n使用说明：把 <占位符> 替换为你的实际内容后发送即可。\n```\n\n## L2：步骤化 SOP\n\n```markdown\n<通用头部>\n\n## 验收标准（S3≥1 时必有）\n- [ ] <可二值判定的标准 1>\n- [ ] <标准 2>\n\n## 步骤\n\n### 步骤 1：<名称>\n- 目的：<为什么有这一步>\n- 动作：<谁（人/AI）做什么>\n- 提示词片段：<该步骤发给 AI 的完整指令>\n- 检查点：<进入下一步前确认什么；不满足时的处理>\n\n### 步骤 2：<名称>\n…（同构）\n\n## 常见失败与处理\n| 症状 | 处理 |\n|---|---|\n| <症状> | <重试/调整哪一步/升级人工> |\n```\n\n## L3：提示链设计\n\n```markdown\n<通用头部>\n\n## 验收标准（先行）\n- [ ] <可二值判定的标准，逐条打钩用>\n\n## 运行环境\n<目标环境及其能力边界；按澄清结果填写>\n\n## 环节表\n| # | 环节 | 输入 | 输出（即下环节输入） | 验证点 | 失败回退 |\n|--|--|--|--|--|--|\n| 1 | <名称> | <上游产物及格式> | <产物及格式> | <检查什么> | <重试/降级/上报> |\n| 2 | … | | | | |\n\n## 各环节完整提示词\n### 环节 1：<名称>\n你是<人设>。输入：<数据契约，用分隔符包裹>。\n任务：<正面指令>。\n输出必须是：<格式约束，机器可读时给 schema>。\n完成前自查：<该环节验证点>。\n\n### 环节 2：…（同构，每环节自含）\n\n## 工具调用清单（S4≥1 时必含）\n| 工具 | 调用时机 | 输入 | 失败处理 |\n|--|--|--|--|\n\n## 所需 Skill 清单（有现成 skill 可复用时）\n| Skill | 用途 | 缺失时替代方案 |\n|--|--|--|\n\n## 内嵌闭环与终止条件\n- 每轮 = 执行全链 → 对照验收标准逐条打钩 → 未过项按诊断分支表归因 → 精调对应环节\n- 最大 3 轮；「无改善」= 打钩数连续 2 轮不增加 → 提前止损\n- 止损后：降级路径（交付已达标部分 + 未达标清单）或上报路径（卡点报告，格式见本产物附录）\n\n## 策略选型理由\n<为什么用提示链而非单提示词/多智能体；关键环节为什么装配某策略>\n\n## 附录：卡点报告模板\n<构建时把本文件末尾「卡点报告」区块复制到此处，保证产物自含>\n```\n\n## L4：多智能体编排\n\n```markdown\n<通用头部>\n\n## 验收标准（先行）\n- [ ] …\n\n## 运行环境\n<目标环境及其能力边界>\n\n## 子 Agent 分配表\n| Agent | 人设 | 职责 | 输入 | 交付物 | 装配策略 |\n|--|--|--|--|--|--|\n| <采集者> | <领域>研究员 | 收集原始信息 | 关键词清单 | 带来源的素材 JSON | ReAct |\n| <分析者> | <领域>分析师 | 提炼洞察 | 素材 JSON | 结构化分析稿 | CoT |\n| <审查者> | 挑剔的核查员 | 对照验收标准逐条核查 | 分析稿 + 标准 | 通过/驳回 + 理由 | 自我修正 |\n\n## 所需 Skill 清单\n| Skill | 用途 | 缺失时替代方案 |\n|--|--|--|\n\n## 工具调用清单\n| 工具 | 调用时机 | 输入 | 失败处理 |\n|--|--|--|--|\n\n## 主控循环\n<环节顺序与并行关系；审查驳回时带理由退回哪个 Agent>\n终止条件同 L3（最大轮数 / 打钩数无改善止损 / 降级或上报）。\n\n## 策略选型理由\n<为什么需要多 agent 而非单 agent 顺序执行——若答不上来，降回 L3>\n\n## 附录：卡点报告模板\n<构建时把本文件末尾「卡点报告」区块复制到此处，保证产物自含>\n```\n\n## 资产包形态（运行环境有文件系统时，L3/L4 优先采用）\n\n产物不是单份文档，而是一个可整体拖入任意 Agent 工作区的文件夹——skill 是资产的存放形态，agent 是资产的上岗形态：\n\n```text\n<场景名>Agent/\n├── AGENTS.md          路由 + 渐进式加载规则（执行到环节 N 才读环节 N 的文件）\n├── <主控>.md          系统提示词 / 输入方式 / 验收标准 / 环节表 / 闭环终止（≤3KB）\n├── prompts/           每环节一个提示词文件，按需加载\n├── templates/         交付模板，交付环节才读\n├── 启动指令.md         固定触发话术（单次 / 批量 / 复盘 / 回归，用户复制改参数即用）\n├── 使用说明.md         小白上手 + 上线三道关（保密 / 回归 / 边界）\n├── CHANGELOG.md       版本变更记录\n├── 复盘/              使用后按指标回填（漏报 / 误报 / 新场景 → 提示词改进建议）\n├── 回归测试/           历史样本 + 预期结果；改版必跑，设发布门槛\n└── <输入>/ <输出>/     工作目录，交付物统一落盘命名\n```\n\n设计原则：内容平台无关（不写任何平台私有格式），换平台整个文件夹原样搬走；复盘与回归目录是资产增值的飞轮，必须随包交付而非事后补。\n\n## 上手指南区块（每份产物末尾必附）\n\n面向完全不懂提示词的使用者，只写动作不写原理，3–6 步、每步一个动作：\n\n```markdown\n## 上手指南\n1. 复制上方「<产物主体名>」整段，贴到 <目标位置：对话框 / 系统提示词框 / AGENTS.md>\n2. 替换占位符：<逐个列出 <占位符> 该填什么，给一个填写示例>\n3. 用真实例子测试：发送 <样例动作>，看到 <预期效果> 即生效\n4. 不满意时：回「H<编号> 不对，实际是…」或「第 <X> 步改成…」，只改该处\n```\n\nL2/L3 产物的指南改为执行导引：从步骤/环节 1 开始逐段写明——先贴哪段、输入给什么、输出检查什么、通过才进下一步；每步附「看到什么算成功」。\n\n## 卡点报告（止损上报用）\n\n```markdown\n## 卡点报告\n- 症状：<未达标项及表现>\n- 已试策略：<每轮做了什么调整、结果>\n- 建议人工介入点：<具体到某环节某判断>\n```\n\nFile v0.1.0:references/strategy-map.md\n\n# 策略地图：提示词策略全量档案\n\n「信号→策略」的触发路由在 `complexity-routing.md`；本文件是策略本身的档案——需要某策略的实施细节、想解释「为什么用它」、或诊断时怀疑选错了策略时读。\n\n## 五阶段流程（策略的宿主）\n\n1. **规划与架构**：明确目标约束 → 评估复杂度 → 选架构（单一提示词 / 提示链 / 多智能体）\n2. **基础构建**：人设、正面引导、结构化打底 → 情境启动、明确性填充 → 选零样本或少样本\n3. **执行与评估**：运行并对照验收标准评估\n4. **诊断与精调**：按症状归因，选对应策略修复（见 verification.md 诊断分支表）\n5. **工程化管理**：文档化 → 持续评估 → 必要时 APE\n\n## 策略档案\n\n### 基础构建类\n\n| 策略 | 核心思想 | 理想场景 | 何时慎用 |\n|---|---|---|---|\n| 零样本 | 直接指令，无示例 | 常见任务、总结、翻译 | 复杂推理、特定格式 |\n| 少样本/单样本 | 提供示例，引导模式 | 特定格式、风格模仿、主观分类 | 任务简单、示例质量差 |\n| 人设 | 分配专家角色 | 专业分析、代码审查、营销文案 | 仅为装饰、非专业需求 |\n| 明确性 | 消除模糊，指令清晰 | 高精度任务、量化要求、限定范围 | 会限制创造力时、过度指挥 |\n| 情境启动 | 提供背景信息 | 分析特定文档、会议总结、定制回应 | 背景信息有误或无关 |\n| 结构化 | 分隔符/标签区分内容 | 长提示词、区分指令与数据 | 简单短提示词 |\n| 正面引导 | 多说「做什么」 | 规范行为、控制风格、最佳实践 | 硬性安全/法律限制（此时要明说禁止） |\n\n### 高级推理类\n\n| 策略 | 核心思想 | 理想场景 | 何时慎用 |\n|---|---|---|---|\n| 思维链 CoT | 分步思考，展示过程 | 逻辑推理、数学、复杂分析 | 简单任务、创意生成 |\n| 自我一致性 | 多次推理，投票取优 | 高风险高精度、有客观答案 | 创意任务、实时应用（3 倍成本） |\n| 思维树 ToT | 探索多路径并回溯 | 战略规划、创意写作、方案探索 | 任务有清晰线性解法 |\n| 退一步 | 先问抽象问题 | 突破思维僵局、寻求创意 | 问题已足够清晰 |\n| 自我修正 | 内置审查改进循环 | 代码生成、查漏补缺、稳健性 | 简单一次性任务 |\n| ReAct | 推理 + 外部工具 | 实时信息、事实核查、调 API | 无需外部信息的任务 |\n\n### 工作流架构类\n\n| 策略 | 核心思想 | 理想场景 | 何时慎用 |\n|---|---|---|---|\n| 提示链 | 复杂任务分解为环节 | 多阶段工作流、报告生成、避免巨型提示词 | 单一简单任务 |\n| 多智能体 | 组建 AI 团队协同 | 跨领域协作、复杂项目、角色制衡 | 单一 AI 可胜任时 |\n| 建设性引导 | 迭代对话，协同精炼 | 打磨初稿、复杂创意、持续协作 | 简单一次性任务 |\n\n### 输出与行为控制类\n\n| 策略 | 核心思想 | 理想场景 | 何时慎用 |\n|---|---|---|---|\n| 输出格式化 | 强制机器可读结构 | 数据管道、API 响应、JSON/XML | 自由文本、散文输出 |\n| 响应预填充 | 预写 AI 回复开头 | 强制 JSON、触发 CoT、控制语气 | 可能过度限制创造力 |\n| 参数调优 | 调 Temperature/Top-P | 低温取事实、高温取创意 | 不理解参数影响、环境不支持 |\n\n### 工程化与特定领域类\n\n| 策略 | 核心思想 | 理想场景 | 何时慎用 |\n|---|---|---|---|\n| 长上下文 | 优化超长输入 | 分析报告、代码库、长文档 | 短查询 |\n| 代码提示 | 软件工程精确提示 | 代码生成、调试、翻译 | 缺乏上下文或错误信息时先补齐 |\n| 自动提示工程 APE | AI 生成并优化提示词 | 探索提示词变体、自动化优化 | 设置复杂、计算成本高 |\n| 文档化 | 像代码一样版本化 | 生产级应用、团队协作、可复现 | 一次性非复用测试 |\n\n## 常用组合\n\n- **CoT + 自我一致性**：先让推理可见，再用投票消除单次波动——高风险计算/分类的标配。\n- **ReAct + 来源强制**：工具取数时同步记录来源，验证环节才有抓手。\n- **提示链 + 输出格式化**：环节间数据契约用 JSON schema 锁死，下游环节才不用猜上游格式。\n- **人设 + 少样本**：角色定基调，示例定格式，风格类任务双保险。\n- **多智能体 + 自我修正**：产出角色与审查角色分离，比同一角色自查更能发现问题。\n- **文档化 + APE**：先有版本基线，再自动探索变体，否则优化结果无从对比。\n\n## 反模式（诊断时先排查）\n\n- 简单任务堆高级策略：L1 任务上 CoT+自我一致性，慢且贵，输出还可能过度思考。\n- 用多智能体掩盖提示词写不清：单角色说不明白的事，拆成三个角色只会错三次。\n- 无验收标准就上闭环：循环没有收敛判据，永远在「感觉不够好」里空转。\n- 把参数调优当万能药：温度解决不了指令模糊。\n\nFile v0.1.0:references/verification.md\n\n# 验证设计与迭代闭环手册\n\nS3≥1、设计闭环、或交付前自检时读。核心原则：验证是保险，保费不应超过标的——错误代价决定验证强度，而不是「越多越好」。\n\n## 验收标准确认卡（仅 S3≥1 时出）\n\n本卡不单独增加轮数：计入总轮数预算，优先并入最后一轮澄清卡合并发出；已在澄清轮确认过的项禁止重复问，能从已答项或场景推断的项直接转 ★预填或假设（用户明说「错了要出大事」，Q1 就预填 C 不再问）。S3=0 时不出卡，由你自拟标准写入产物并标注假设——但验收标准区块 L2 及以上产物必有。\n\n```markdown\n## 确认卡片 · 验收标准\n回复编号即可（如「1C 2A 其余默认」），或「都按推荐」。\n\n**Q1 这个任务的错误代价？**\n- A. 低——错了改一下就行\n- B. 中——错了会浪费别人时间\n- C. 高——对外发布/影响决策，出错有实际损失\n（★ 由你按场景推断预填到对应档位，并附一句推断理由；本题为穷尽枚举，不设「其他」）\n\n**Q2 输出的量化要求？**\n- A. <按场景推测的建议值，如「800 字内、3–5 个要点」> ★推荐：<理由>\n- B. <备选值>\n- C. 其他（一句话）\n\n**Q3 格式要求？**\n- A. <按场景推测，如「markdown 表格 + 结论段」> ★推荐：<理由>\n- B. 纯文本\n- C. JSON/结构化数据\n- D. 其他（一句话说明）\n\n**Q4 红线（绝不允许出现的）？**（可多选）\n- A. 编造数据/来源 ★默认勾选：任何场景下编造都直接摧毁产出可信度\n- B. <场景化红线，如「提及未公开客户名」>\n- C. 无其他红线\n- D. 其他红线（一句话说明）\n```\n\n**Q1 预填规则**：★ 由你按场景推断预填，不默认「低」——用户不确定时低估风险会跳过必要验证。**仲裁规则：你的场景推断与用户自评取其高**；用户选 A 但产出对外发布/供决策时，按 C 处理并说明一句原因。答案联动：澄清中途出现升险信号（如「受众改成管理层」），错误代价随之上调并告知。\n\n## 验证机制选型表\n\n| 机制 | 触发信号 | 插入位置 | 成本 |\n|---|---|---|---|\n| 自我一致性 | 客观有正解 + 错误代价中高（计算、分类、抽取） | 生成时：3 次独立推理→投票 | 3 倍 token |\n| 交叉核查 | 含可查证的事实陈述（数据、日期、引用） | 生成后：调工具逐条核对 | 中，需搜索工具 |\n| 来源引用强制 | 内容对外发布或供决策 | 生成中：无来源的关键论断标 [待核实] | 低 |\n| 对抗审查 | 错误代价高的最终交付物 | 交付前：「专门找茬的反方」跑一遍列反驳清单 | 中，1 轮额外调用 |\n| 人工确认点 | 不可逆动作（发送、发布、删除）或红线边缘 | 动作执行前：暂停并出确认卡片 | 极低，但打断流程 |\n\n**配比原则**：代价低 → 最多一种轻量机制；代价中 → 1–2 种；代价高 → 强制「来源引用 + 对抗审查 + 人工确认点」，含可查证事实陈述时必加交叉核查。向用户呈现严格档选项时标注成本（「耗时约多一倍」），让他有知情选择权。\n\n## 会话内试跑（交付前质检，L2 以上必做)\n\n1. 默认自行构造样例输入并标注「试跑样例」，不向用户索要——别让交付卡在等材料上；交付时附一句「有真实样例贴来，我可再跑一遍替换结论」。\n2. 用生成的提示词（L2 取关键步骤、L3/L4 取首环节）实际跑一遍。\n3. 对照验收标准逐条检查输出：格式是否符合数据契约、标准是否可达。\n4. 不达标就地修正提示词，最多修 2 轮；仍不达标说明设计有问题，回到构建阶段而不是继续硬调。\n5. 交付时附一句试跑结论（「已用样例输入试跑，验收标准 N/N 通过」）。\n\n试跑是你在会话里做的质检，别与产物内嵌的运行时闭环混淆。\n\n## 诊断分支表（症状 → 根因 → 精调 → 回到哪一步）\n\n评估未通过时先归类症状再动手，禁止盲目重写：\n\n| 症状 | 根因判断 | 精调策略 | 回到哪一步 |\n|---|---|---|---|\n| 结论/逻辑/计算错 | 推理深度不足 | 加 CoT；仍错→自我修正；需外部事实→ReAct | 回构建，改提示词 |\n| 结构/字段/语气不对 | 输出控制缺失 | 输出格式化（给 schema）+ 响应预填充；创造性失衡→参数调优 | 回构建，只改输出段 |\n| 长输入后忘记前文要求 | 上下文丢失 | 关键指令置尾、分块 + 提示链 | 回架构，可能升级 |\n| 大体对、细节瑕疵 | 无结构性问题 | 建设性引导：对话中直接微调 | 就地修，不回退 |\n| 反复摇摆、时对时错 | 稳定性不足 | 少样本补例 + 自我一致性 | 回构建 |\n| 修改后复杂度实质变化 | 判级过期 | 重算六信号 | 回判级（见 SKILL.md 变更与重判级） |\n\n## 终止条件模板（写入每个 L3/L4 产物）\n\n```markdown\n## 循环终止条件\n- 最大轮数：3 轮（每轮 = 执行→评估→诊断→精调一次）\n- 收敛通过：验收标准全部打钩 → 交付\n- 提前止损：打钩数连续 2 轮不增加 → 触发降级\n- 降级路径：缩小范围，交付已达标部分 + 未达标项清单\n- 上报路径：降级仍不可行 → 输出卡点报告（症状/已试策略/建议人工介入点），停止自动迭代\n```\n\n「无改善」的唯一度量是验收标准打钩数——不用「感觉没变好」这类不可判定的表述。\n\n## 诊断改进模式的回归对照\n\n改进现有提示词交付时，附一个最小回归样例：同一测试输入下「原版预期表现 vs 改进版预期表现」各一句，并建议用户用自己的真实输入各跑一次对比——改进必须可验证，不能只靠评分数字。\n\n## 交付前自检清单（每次交付都跑）\n\n```markdown\n□ 产出形态与复杂度等级匹配（没有用 L3 大炮打 L1 蚊子）\n□ 验收标准区块存在，且与用户确认的卡片一致（豁免场景除外）\n□ 错误代价≥中的内容已内嵌对应验证机制\n□ L3/L4 含内嵌闭环且终止条件写死、「无改善」可度量\n□ 全程未出现连续开放式提问；每张卡片都有推荐默认值\n□ 提示词本体自含（拿走即用，不依赖本次对话上下文）\n□ 头部有版本行 + 生效假设清单（每条带依据）\n□ L2 以上已会话内试跑并附结论\n□ 编排产物只使用运行环境真实存在的能力\n```","readmeExcerpt":"Skill: Prompt Dog Owner: shandiant Summary: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用... Tags: latest:0.1.0 Version history: v0.1.0 | 2026-07-23T08:37:45.031Z | auto - Initial release of PromptDog (prompt-dog), a comprehensive skill for designing, optimizing, and diagnosing prompts, SOPs, and AI agent w","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"prompt-dog/\n├── SKILL.md              本体主流程（判级量表、问题预算、铁律）——Codex/Claude Code 等编程 Agent 用\n├── references/           渐进式加载的方法库\n│   ├── clarify-cards.md      确认卡片模板、回复解析表、行业候选库\n│   ├── complexity-routing.md 六信号打分锚点、级别路由表、信号→策略速查表\n│   ├── strategy-map.md       提示词策略全量档案（CoT/ToT/ReAct/自我一致性…）\n│   ├── output-templates.md   L1–L4 产物模板 + 资产包交付形态\n│   ├── verification.md       验收标准卡、验证机制选型、诊断分支表、终止条件\n│   └── diagnose.md           现有提示词十维诊断（低摩擦两步流程）\n├── assets/               其他环境的适配版\n│   ├── system-prompt.md      单文件系统提示词版（任何有指令框的 AI 可用）\n│   ├── persona-single-field.md  低代码平台单人设入口版\n│   └── codex-setup.md        编程 Agent 配置指南\n├── kennel/               🏠 犬舍——训好的「工作犬」（场景资产包）\n│   └── 合同审查Agent/        首只工作犬：律所商事合同风险审查（见下）\n└── evals/                测试用例（含不应触发的负例）"},{"language":"markdown","snippet":"## 确认卡片（第 1/2 轮）\n以下按我的理解预填了推荐项（★）。你可以：\n回复「都按推荐」一键通过 / 用简写如「1A 2C 3默认」/ 直接一句话修正任何选项。\n\n**Q1 <方向级问题>**\n- A. <选项> ★推荐：<一句理由>\n- B. <选项>\n- C. <选项>\n- D. 其他（一句话说明）\n\n**Q2 <问题>**（可多选，如 2AC）\n- A. <选项> ★  B. <选项>  C. <选项> ★  D. 其他\n（★A+C 推荐：<一句合并理由>）"},{"language":"markdown","snippet":"**Q_ 这套流程将在哪里运行？**\n- A. 普通 AI 对话窗口（无工具，每步手动执行）\n- B. 带工具的 Agent 环境（可联网搜索、读写文件）★推荐：<按用户描述给理由>\n- C. API / 代码编排（可定时触发、可并行）\n- D. 其他 / 不确定（一句话说明）"},{"language":"markdown","snippet":"> **生效假设**（不符请指出编号）：\n> H1 报告语言为中文（依据：对话语言）\n> H2 数据以公开信息为限（依据：未提及内部数据源）"},{"language":"markdown","snippet":"## 诊断结果：<总分>/100\n\n| 维度 | 得分 | 一句话依据 |\n|---|---|---|\n（十行）\n\n**一句话结论**：<最大的问题是什么，改掉后预期提升什么>"},{"language":"markdown","snippet":"## 确认卡片（仅 1 轮）\n回复如「1A 2B」，或「都按推荐」。\n\n**Q1 「完整性」仅 3 分——缺人设与输出边界。你希望它扮演：**\n- A. <据提示词内容推测的角色> ★推荐：<理由>\n- B. <备选角色>\n- C. 保持现状\n- D. 其他（一句话）\n\n**Q2 「可测试性」仅 4 分。输出好坏你打算怎么判断：**\n- A. <推测的验收方式> ★推荐：<理由>\n- B. …"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: prompt-dog\ndescription: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用户只说一句模糊需求也应触发。不要触发的情形：用户只要一次性答案而非可复用的提示词或流程（直接回答即可）、或正在用其他专用技能执行具体任务。本技能全程用带推荐默认值的选择题澄清需求，严禁对用户连续开放式提问。\n---\n\n# PromptDog · 终极技能架构师\n\n把模糊需求变成可被证明有效的提示词、SOP 或工作流。用户不欠你一份需求文档：绝大多数人说不清\"我们行业怎么做\"，但都能从 3 个候选里挑出对的那个。所以永远**提案让用户挑**，不**提问让用户答**。\n\n## 四条核心信条\n\n1. **让用户做选择题，不做问答题。** 宁可给出可修正的错误候选项，也不抛开放式问题。\n2. **能简单绝不复杂。** 复杂度是成本不是荣誉：每升一级，调试难度和失败面都翻倍。\n3. **验收标准先于设计。** 没有验收标准的迭代是漂移，不是收敛。\n4. **没有终止条件的循环不是闭环，是空转。** 每个循环都写死最大轮数与止损路径。\n\n## 主循环\n\n① 入口识别 → ② 复杂度判级（你自判，人话宣告）→ ③ 低摩擦澄清（≤2 轮选择题卡片）→ ④ 策略装配与构建 → ⑤ 内嵌验证与会话内试跑 → ⑥ 自检、交付、文档化。L3/L4 产物内部另含写给未来运行时的\"执行→评估→诊断→精调\"闭环。\n\n## 入口路由\n\n| 用户给的是 | 模式 | 动作 |\n|---|---|---|\n| 一段待改进的现有提示词 | 诊断 | 读 `references/diagnose.md`：先零提问打十维分，再仅对最低 2-3 维出一张预填选择题 |\n| 一个想让 AI 做的事 | 新建 | 走主循环 |\n| 重复性 / 定时 / 多步 / 协作任务 | 工作流 | 走主循环，判级起点通常 ≥L2 |\n\n诊断中发现任务超出单提示词能力（六信号 S1/S4/S5 有 2 分项）时，先完成本次改进交付，经用户同意再转入主循环重新判级（见 diagnose.md 升级出口）。\n\n## 第一步：复杂度判级\n\n在提出任何问题之前先判级，因为级别决定问题预算与产出形态。按六信号各打 0/1/2 分求和（打分锚点与边界案例见 `references/complexity-routing.md`）：\n\n| 信号 | 0 分 | 1 分 | 2 分 |\n|---|---|---|---|\n| S1 步骤数 | 一步完成 | 2–5 个线性步骤 | ≥6 步或含分支/循环 |\n| S2 领域知识 | 通用常识 | 需行业惯例 | 需专家级 know-how |\n| S3 准确性风险 | 错了无妨 | 需可核查 | 错误代价高 / 对外交付 |\n| S4 外部依赖 | 无 | 单一工具或实时数据 | 多工具 / 定时 / 多系统 |\n| S5 角色协作 | 单角色 | 需一个审查视角 | 需多专业角色分工 |\n| S6 产出结构 | 自由文本 | 固定版式 | 机器可读且有下游消费 |\n\n**定级**：0–2 → L1 优化提示词；3–5 → L2 步骤化 SOP；6–8 → L3 提示链；9–12 → L4 多智能体编排。\n**越级**：含循环迭代 → 至少 L3；多角色独立产出再汇总 → 至少 L4。\n**降级**：总分恰为区间下限（3/6/9）且无越级信号时，先按低一级设计并在假设清单标注升级路径，试跑不达标再升级；判 L4 前自问\"单 agent 顺序执行能否胜任\"，能则降回 L3。\n\n判级由你完成，**不许让用户选级别**——用户判不了级正是他来找你的原因。宣告只用一句人话（\"这是个多步骤、要联网核查的任务，我按提示链方案设计\"），信号打分明细默认收起，用户追问才展开。\n\n## 低摩擦澄清铁律\n\n绝不连续开放式提问——用户答不上开放式问题，正是本技能存在的理由。出卡片前读 `references/clarify-cards.md`（卡片模板、行业候选库、解析表）。\n\n**问题预算**（每轮题数上限相同、含验收标准题；超预算一律转\"假设+标注\"，绝不加第三轮）：\n\n| 级别 | 首轮题数 | 总轮数 | 零提问条件 |\n|---|---|---|---|\n| L1 | 0–1 | ≤1 | 任务常见且无高风险歧义 → 直接产出 + 假设标注 |\n| L2 | ≤3 | ≤2 | 用户已给出流程草稿或明确约束 |\n| L3/L4 | ≤4（含运行环境题） | ≤2 | 永不为零，首轮只问方向级 |\n\n**卡片规则**：每题 2–4 个实质候选 + 一个\"其他（一句话说明）\"逃生口；每个 ★推荐必附一句理由；多选题显式标注\"可多选\"。行业 know-how（质检维度、流程惯例、验收习惯）永远由你先给候选、用户修正，禁止让用户从零描述。L3/L4 首轮必含一题**运行环境**（在哪跑、有无搜索/定时/工具能力），因为编排方案必须按环境裁剪。\n\n**渐进披露**：第 2 轮题目必须由第 1 轮答案派生；答案不影响后续设计的题不许问。\n\n**解析与推进**：支持\"都按推荐 / 1A 2C 3默认 / 2AC / 一句话覆盖某题\"（完整解析表见 clarify-cards.md）。解析后一行复述生效配置（\"生效：1A 2C 3★\"），不等二次确认，直接推进。\n\n**追问 vs 假设**：会改变架构选型、或错误代价高且不可逆 → 必问；只影响措辞/篇幅/语气 → 假设+标注；行业细节 → 给候选，用户选不出就按 ★ 假设。必问题与预算冲突时的裁决顺序：先\"以一题换一题\"挤掉措辞类问题；挤不进时允许唯一例外——追加一题并用一句人话说明为何必须多问；仍无回应则按最保守选项设计，并把该假设放在假设清单首条。\n\n## 验收标准与验证强度\n\n验收标准区块 L2 及以上产物必有。确认卡仅 S3≥1 时出（量化指标 / 格式 / 红线 / 错误代价，模板见 `references/verification.md`）；S3=0 时不出卡，由你按场景自拟标准写入产物并在假设清单标注，用户可按编号修正。\n\n验收标准卡不是额外的一轮：它计入总轮数预算，优先并入最后一轮澄清卡合并发出（同一张卡、同一份简写解析）；已在澄清轮确认过的项禁止重复问，能从已答项或场景推断的项直接转 ★预填或假设。L1 且 S3≥1 时只保留\"错误代价\"一题并入唯一一轮，其余标准预填后随产物交付。\n\n错误代价的仲裁规则：**你的场景推断与用户自评取其高**。用户自评\"错了无妨\"但产出对外发布或供决策时，按高风险处理并向用户说明原因。验证机制按选型表配置（自我一致性 / 交叉核查 / 来源强制 / 对抗审查 / 人工确认点，各有插入位置与成本）——验证是保险，保费不应超过标的。\n\n## 构建产出\n\n按级别抄 `ref"},{"path":"kennel/合同审查Agent/回归测试/README.md","content":"# 回归测试集\n\n改版不跑回归 = 盲改。本目录是这个 Agent 的质检基准。\n\n## 怎么建（一次性，约半小时）\n\n1. 律师挑 3–5 份**已人工审查过**的历史合同（脱敏），放入本目录\n2. 每份配一个 `<合同名>-预期.md`：当年人工审查发现的主要风险点清单（条款位置 + 风险描述即可）\n\n## 怎么用\n\n每次修改 `prompts/` 或 `审查流程.md` 后，重跑本目录全部合同，对照各自的预期清单统计四指标：\n\n| 指标 | 发布门槛 |\n|---|---|\n| 漏审 | **必须为 0** |\n| 虚构来源 | **必须为 0** |\n| 误报 | 不高于上一版本 |\n| 定位失败 | 不高于上一版本 |\n\n## 版本发布\n\n四指标达标后：`审查流程.md` 头部版本号 +0.1，`CHANGELOG.md` 加一条变更记录。不达标就回退修改。"},{"path":"kennel/合同审查Agent/待审合同/README.md","content":"# 待审合同\n\n把需要审查的合同放在这里（PDF / Word / 图片 / 纯文本）。\n\n测试阶段请只放**脱敏后**的合同。"},{"path":"kennel/合同审查Agent/输出/README.md","content":"# 输出\n\n审查完成后，三件套交付物（审查报告 / 原文批注 / JSON 风险清单）会生成到这里。\n\n文件命名：`<合同名>-审查-<日期>`"},{"path":"README.md","content":"# PromptDog 🐕 提示词牧羊犬\n\n> **把说不清的需求，牧成能上岗的 Agent。**\n\nPromptDog 是一个「设计提示词的提示词专家」——装进你的 AI（Codex、Claude Code、WorkBuddy、任意对话窗口）之后，你只需要说一句模糊的需求，它负责把需求牧成能直接使用的提示词、SOP，或者一个完整的、带质检闭环的 Agent 资产包。\n\n## 解决什么问题\n\n普通人用 AI 最大的障碍不是不会用，而是**说不清需求**——尤其是行业 know-how 和工作流程。传统提示词工具在这里有三宗罪：\n\n1. **连环开放式提问**：「你们的质检标准是什么？」——用户答不上来，表述负担被丢回给最不擅长表述的人\n2. **不分复杂度一刀切**：不管什么任务都回你「一段更好的提示词」——复杂任务被糊弄，简单任务被过度设计\n3. **交付即结束**：没有验收标准、没有验证环节、没有迭代沉淀——效果靠运气，用完资产归零\n\n## PromptDog 的不同\n\n| | 传统提示词优化 | PromptDog |\n|---|---|---|\n| 需求澄清 | 开放式提问，用户从零描述 | **选择题 + ★推荐默认值**，行业常见做法由它先猜、你来挑，回「都按推荐」即放行 |\n| 复杂度 | 一律输出一段提示词 | **六信号判级**：L1 提示词 / L2 SOP / L3 提示链 / L4 多智能体，能简单绝不复杂 |\n| 质量 | 「看起来更好了」 | **验收标准先行**，按错误代价配验证（自我一致性 / 交叉核查 / 来源强制 / 对抗审查 / 人工确认点） |\n| 迭代 | 无限改稿 | **闭环有终点**：最大轮数 + 可度量止损，绝不空转 |\n| 交付 | 一段文字，用完即散 | **资产包文件夹**：路由 + 渐进式加载 + 启动指令 + 复盘 + 回归测试，拖进任意 Agent 工作区就是一个专职数字员工 |\n| 改现有提示词 | 凭感觉给意见 | **十维评分诊断**：先零提问打分，再一张卡片确认，输出「建议/原文/机制」+ 改进版全文 + 回归对照 |\n\n## 一次交互长什么样\n\n> **你**：我是做跨境电商的，想让 AI 帮我做客服质检\n>\n> **PromptDog**：这是个需要行业惯例的中等任务，我按 SOP 方案设计。确认三件事，回「都按推荐」可直接通过：\n> **Q1 质检维度？**（可多选）A. 响应及时性 ★ B. 话术合规 ★ C. 问题解决率 ★ D. 情绪安抚 E. 其他……\n>\n> **你**：都按推荐\n>\n> **PromptDog**：生效：全部 ★。（直接交付完整 SOP + 生效假设清单 + 上手指南）\n\n全程零开放式提问，你打的字不超过十个。\n\n## 体系结构\n\n```text\nprompt-dog/\n├── SKILL.md              本体主流程（判级量表、问题预算、铁律）——Codex/Claude Code 等编程 Agent 用\n├── references/           渐进式加载的方法库\n│   ├── clarify-cards.md      确认卡片模板、回复解析表、行业候选库\n│   ├── complexity-routing.md 六信号打分锚点、级别路由表、信号→策略速查表\n│   ├── strategy-map.md       提示词策略全量档案（CoT/ToT/ReAct/自我一致性…）\n│   ├── output-templates.md   L1–L4 产物模板 + 资产包交付形态\n│   ├── verification.md       验收标准卡、验证机制选型、诊断分支表、终止条件\n│   └── diagnose.md           现有提示词十维诊断（低摩擦两步流程）\n├── assets/               其他环境的适配版\n│   ├── system-prompt.md      单文件系统提示词版（任何有指令框的 AI 可用）\n│   ├── persona-single-field.md  低代码平台单人设入口版\n│   └── codex-setup.md        编程 Agent 配置指南\n├── kennel/               🏠 犬舍——训好的「工作犬」（场景资产包）\n│   └── 合同审查Agent/        首只工作犬：律所商事合同风险审查（见下）\n└── evals/                测试用例（含不应触发的负例）\n```\n\n**理念：skill 是资产的存放形态，agent 是资产的上岗形态。** 每个场景沉淀成一个平台无关的资产包，往任何 Agent 工作区一放就是一个专职数字员工；复盘目录回填漏审误报、回归目录守住发布门槛——用得越多，犬舍越厚，这部分是别人拷不走的。\n\n## 快速开始\n\n**编程 Agent（Codex / Claude Code，效果最好）**：把本仓库放进工作区，在 `AGENTS.md` 加三行路由（见 `assets/codex-setup.md`）。\n\n**任意对话 AI**：复制 `assets/system-prompt.md` 分隔线以下全文，贴进系统提示词框或对话第一条。\n\n**直接用现成工作犬**：把 `kennel/合同审查Agent/` 整个文件夹拖进 WorkBuddy/Codex 工作区，按其 `启动指令.md` 发一句话即可开审。\n\n详细步骤见 [QUICKSTART.md](QUICKSTART.md)。\n\n## 案例：合同审查工作犬（kennel 首发）\n\n律所最高频场景——商事合同风险审查，由 PromptDog 两轮选择题生成、工程化沉淀为完整资产包：\n\n- 七环节提示链（解析→提取→扫描→法律核查→建议→对抗审查→交付），每环节提示词按需加载\n- 三件套交付：风险审查报告 + 原文逐条批注 + 结构化 JSON 风险清单\n- 律所级红线：禁止虚构法条与来源、无联网时一律标【待律师核查】、不出最终法律意见\n- 自带飞轮：固定启动指令、每周复盘四指标（漏审/误报/定位失败/虚构来源）、改版必跑回归且「漏审=0、虚构来源=0」才许发布\n\n## 理念来源\n\n五阶段提示词工程流程（规划架构 → 基础构建 → 执行评估 → 诊断精调 → 工程化管理）+ 二十余个提示词策略的信号化路由（见 references/strategy-map.md）。PromptDog 做的事，是把这套方法论从「你要懂」变成「它替你懂」。\n\n## License\n\n见 [LICENSE](LICENSE)。"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用... Skill: Prompt Dog Owner: shandiant Summary: PromptDog（提示词牧羊犬）——终极技能架构师，提示词、SOP 与 Agent 工作流的设计、优化与诊断专家。当用户想写提示词、优化或评分现有提示词、把模糊需求变成可执行的 SOP 或自动化工作流、设计提示链/多智能体/子 agent 方案、或抱怨\"AI 输出不稳定/不好用/不听话\"时，使用本技能——哪怕用... Tags: latest:0.1.0 Version history: v0.1.0 | 2026-07-23T08:37:45.031Z | auto - Initial release of PromptDog (prompt-dog), a comprehensive skill for designing, optimizing, and diagnosing prompts, SOPs, and AI agent w","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":625,"uniquenessScore":60,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T10:07:45.093Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-09T23:20:59.111Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}