提示词怎么自动优化？多轮改写并基于历史检索持续学习-Claw龙虾部署大师-有用科技官网

「状态化提示词优化」是「龙虾部署大师」技能市场中的提示词改写技能：作用是自动识别并改进复杂、技术、可复用、需求含糊或精度关键的提示词。它结合 APE、OPRO、DSPy 等模式做多轮优化，冷启动模式可直接套用研究驱动的改写策略，状态化模式则借助嵌入索引的历史样本、相似提示检索、反馈记录和质量评分持续学习，输出优化后的提示词、改进依据、迭代次数和收敛判断。

技能效果

丢给它一句含糊的「把用户反馈整理一下」，它改写成可复用的结构化提示词，补上分类维度、优先级标注、成功标准和后续动作。

状态化提示词优化技能对话示例：模糊任务改可复用结构化提示词

提示词写得不稳，问题出在哪

同一个任务，提示词措辞稍有不同，输出就忽好忽坏：需求写得含糊，模型自由发挥太多；约束堆得太满，又变得脆弱、一改就崩。更麻烦的是缺少积累——每次都从头调，调好的版本没沉淀下来，下次遇到类似任务又得重来。对于代码生成、分析报告这类需要稳定结构和验收标准的任务，提示词不稳定，直接拖累产出的可靠性。

这个技能能帮你优化什么

它把"凭手感调提示词"变成"有方法、可积累的优化过程"。核心能力有四块：一是识别复杂、多步骤、技术输出、模板和精度关键型的提示词，判断哪些值得优化；二是调用优化流程，生成改写版本、改进说明和迭代建议，并控制迭代次数与收敛条件，避免过度优化反而变脆；三是在状态化模式下，基于历史向量检索、相似提示、反馈记录和成功率持续学习，让后续改写越用越准；四是结合 APE、OPRO、DSPy 等研究驱动的策略，把含糊需求改写成清晰、可测量、可复用的指令。优化结果会附上改进依据和迭代次数，让你看清"为什么这样改"。