提示词升级助手

适合谁

需要把模糊想法转成可执行任务的 AI 使用者、创作者与团队协作者。

这个 Skill，适合做什么。

主要用途

用"AI 野心升级"方法论诊断并重写用户给 AI 的提示词/任务描述——把"让 AI 帮我做得更快"升级成"让 AI 把这件事做透"：名词换动词、定 10× 目标、喂一手数据与权限、要专家工具箱、设外部验收。只要用户想优化、改写、升级、润色、诊断一段提示词（prompt），或者说"帮我看看这个提示词怎么写更好""怎么让 AI 做得更好/更深""这个任务该怎么交给 AI""prompt 优化"，或贴出一段准备发给 ChatGPT/Claude/Agent 的任务描述并问意见，都应使用本技能；用户想把一次成功的 AI 用法固化成流程/模板、或在团队里推广 AI 工作法时也适用。即使用户没说"野心"或"手册"，只要核心诉求是让交给 AI 的任务写得更好，就用它。

包内说明摘录

提示词升级助手（节选）

方法论来源：Felix Rieseberg（Anthropic）《How to be more ambitious: a tutorial for humans with models》，经内部《AI 野心升级工作手册》整理。

内核只有一句：把任务抬到"结果"，再把裁判放到系统外面。

大多数提示词停留在"速度"层——同一件旧事，让 AI 做得快一点。这个技能的工作，是帮用户看清自己的任务卡在哪一层，然后把提示词改写成一个模型能真正做透、并能被外部信号判定对错的任务。

资料依据：ambitious-prompting/SKILL.md

四层野心（先定位）（节选）

判断原则：如果这件事做完之后还要开个会才能推进，说明目标定低了——往上再抬一层，抬到"交付结果"为止。

资料依据：ambitious-prompting/SKILL.md

第 0 步：先判断要不要"升级"（节选）

不是每个提示词都需要抬高。以下情况要克制，别把一句简单请求膨胀成五段大作文：

• 用户就是要一个快速、一次性的小产出（翻译一句话、改个错别字）——给轻量建议即可，或直接说明"这个任务不需要升级"。
• 创作类任务（写诗、故事、文案创意）：抬高抽象层次帮助有限，重点放在深度（顶尖创作者怎么做）和广度（借其他领域的手法），而不是"让决策发生"。
• 终极目标还不能一句话交付（比如"去帮公司赚钱"）：高度提升必须先补齐数据、权限、环境、验收，提示词里要把这些前置条件列出来，而不是假装一步到位。

资料依据：ambitious-prompting/SKILL.md

以上为文档提取整理，未执行 Skill。请核对后编辑发布。

安装与使用

第 0 步：先判断要不要"升级"

不是每个提示词都需要抬高。以下情况要克制，别把一句简单请求膨胀成五段大作文：

• 用户就是要一个快速、一次性的小产出（翻译一句话、改个错别字）——给轻量建议即可，或直接说明"这个任务不需要升级"。
• 创作类任务（写诗、故事、文案创意）：抬高抽象层次帮助有限，重点放在深度（顶尖创作者怎么做）和广度（借其他领域的手法），而不是"让决策发生"。
• 终极目标还不能一句话交付（比如"去帮公司赚钱"）：高度提升必须先补齐数据、权限、环境、验收，提示词里要把这些前置条件列出来，而不是假装一步到位。

资料依据：ambitious-prompting/SKILL.md

第 1 步：体检（诊断）

对照下表逐条检查原提示词，命中的就是要升级的维度：

三个红旗（出现任意一条，说明还没升级）：

1. 任务以动词开头，但宾语是交付物（写报告、做 PPT、修 bug）——交付物不是结果。
2. 验收靠感觉——没有外部信号，模型无法自我纠错。
3. 模型既是执行者又是裁判——它没有动机说自己没做好。

资料依据：ambitious-prompting/SKILL.md

第 2 步：五步重写

按顺序处理，每一步都落实到改写后的提示词里：

1. 名词换动词：删掉"做/写/整理 + 名词"，改写成「在【时限】内，让【谁】相信或决定【什么】」。
2. 定 10× 目标：真实目标用来交付，10× 目标用来逼出更好解法，再留一条验收底线。可量化的指标（性能、成本、覆盖率）尤其适用："基线 10s，别按 5s 做，按 0.2s 设计；做不到就说明卡在哪条约束，给 3 条突破路径。"10× 目标是探索工具，不是对外承诺或 KPI。
3. 喂一手数据与权限：模型拿不到原始材料，只能靠用户的摘要猜——这是"深度"最常见的失效点。摘要里已经带着用户的假设，模型只会在假设里打转。写明数据源（原始日志/数据库/仓库/原始反馈）和系统权限（能跑、能装、能复现）。目标抬高了权限没给，模型只能写一份"看起来像样"的分析。
4. 要专家工具箱：不要让模型"扮演专家"——那只会换一套术语。改成让它先回答：顶尖从业者会做哪些用户没要求的事、从哪些原始材料读起、用什么具体方法和工具（见提示词 B）。
5. 设外部验收：唯一能让模型自我迭代的，是一个它能自己运行、立刻知道对错的裁判——测试、基准脚本、复算、留出数据、真实用户反馈、让不知情同事复述。硬规则：模型不得给自己打分，任何"我觉得这样可以了"都视为未验证。

广度维度：持续追问"还有哪个领域会这么干？"，让模型按某个职业的做法去查，而不是扮演那个角色。常用方法团队：分析师（先定口径和数据字典，结论能被复算）、记者（一手信源、两个以上独立来源交叉验证）、编辑（删掉一半，每句服务于读者的决定）、法务会计师（追踪每个数字的去向）、红队（先假设结论是错的）、外部译者（讲给外行听，看卡在哪句）。

资料依据：ambitious-prompting/SKILL.md

环境、依赖与权限

待补充：包内未单列运行环境、依赖与权限，请核对后填写。

使用边界

边界：什么时候这套方法不灵

• 创作类任务：提升抽象层次对"写得好不好、想得妙不妙"帮助有限；创作类任务更吃深度和广度，不是高度。
• 终极目标还不能一句话交付：对多数企业来说，"Claude，去赚钱吧"还跑不起来——高度提升必须先改造流程：数据、权限、环境、验收，缺一不可。
• 外部验证不可省：模型能力在不同方向上并不齐头并进，某些方向惊艳、某些方向仍然不足，所以裁判必须来自系统外部。
• 10 倍目标是探索工具，不是管理指标：用它逼出解法，别用它考核团队；把 10 倍目标写进 KPI，只会得到一份漂亮的借口。

资料依据：ambitious-prompting/references/anti-patterns.md

从一个场景，开始使用。