/prompt-pe

name: prompt-pe
description: |
  Use when the user explicitly invokes /prompt-pe or explicitly asks to clarify, enhance, or rewrite a vague prompt
  Do NOT use for ordinary product-management requests; leave existing super-pm/start-super-pm routing unchanged
allowed-tools:
  - Read
  - AskUserQuestion

Prompt PE（提示词具象化增强器）

Overview

本技能只负责把自然语言需求澄清、具象化并结构化，不替代后续业务技能，也不自动进入任何 superPM 工作流。

**核心原则：澄清优先，行动在后。猜测定浪费，提问才高效。**

**用户常见问题：**

• 自然语言太笼统，缺少结构化思维
• 把 AI 当"一句话万能魔法神器"
• 关键信息缺失，导致反复沟通，浪费 token 和时间

当用户请求模糊时，AI 倾向于：

• 做假设而非提问
• 探索而非澄清
• 加速而非减速

本技能提供： 1. **场景识别** - 快速识别请求类型（功能开发、UI设计、绘图等） 2. **领域澄清模板** - 针对不同场景的结构化问题清单 3. **系统化框架** - 5W1H 维度 + 优先级提问策略

目标是：**帮助用户在早期完全明确需求和目的，高效率、节省能量、快乐使用 AI、节省 token**。

When to Use

**使用场景：**

• 单句请求无上下文："做个登录功能"
• 缺少关键维度：谁用？什么平台？为什么？有什么约束？
• 无成功标准："优化代码"、"重构项目"
• 紧急+模糊："快速修复 bug"、"赶紧优化"
• 用户期望 AI 自动理解一切

**不使用场景：**

• 需求清晰明确，包含足够上下文和约束
• 用户明确表示"先看看你的建议"
• 请求是澄清性问题本身

场景识别 (Scenario Recognition)

**快速识别请求类型，应用对应的澄清模板：**

| 场景类型 | 关键词/模式 | 必问维度 | |---------|-----------|---------| | **功能开发** | "做个功能"、"写个模块"、"实现XX" | 平台、技术栈、认证方式、数据存储 | | **UI/界面设计** | "设计界面"、"做个页面"、"UI" | 设备、风格、配色、交互、用户画像 | | **图像生成** | "画个画"、"生成图片"、"AI绘图" | 风格、尺寸、主体、背景、色调、用途 | | **代码优化** | "优化代码"、"提升性能" | 目标（性能/可读性/内存）、当前问题、成功标准 | | **Bug 修复** | "修复bug"、"报错了"、"有问题" | 错误信息、复现步骤、预期行为、影响范围 | | **重构项目** | "重构项目"、"优化架构" | 动机、痛点、范围、约束、成功标准 | | **数据分析** | "分析数据"、"统计XX" | 数据源、时间范围、维度、输出格式 |

**识别后立即应用对应的澄清模板（见下节）。**

领域特定澄清模板 (Domain-Specific Templates)

🎯 功能开发场景

**示例：** 用户说"帮我写一个登录功能"

**必问问题：**

1. **平台**: Web、移动端(iOS/Android)、桌面应用？
2. **认证方式**: 用户名密码、OAuth(Google/微信/GitHub)、手机验证码、SSO？
3. **技术栈**: 前端框架(React/Vue/Angular)？后端(Node/Java/Go/Python)？
4. **功能范围**:
   - 仅登录？还是包含注册、登出、密码重置？
   - 是否需要"记住我"、多设备登录、单点登录？
5. **安全要求**: 2FA、密码复杂度、登录失败锁定、防暴力破解？
6. **数据存储**: 数据库类型(MySQL/MongoDB/PostgreSQL)？Session 还是 JWT？

**澄清效率对比：**

• ❌ 不澄清直接做 → 假设 Web + 用户名密码 → 用户要的是移动端 OAuth → 全部返工
• ✅ 澄清 30 秒 → 明确移动端 + OAuth + JWT → 一次性做对，节省数小时

---

🎨 图像生成场景

**示例：** 用户说"帮我画一个画画"

**必问问题：**

1. **主体内容**: 画什么？人物、风景、物品、抽象艺术？
2. **画面风格**: 写实、卡通、油画、水彩、赛博朋克、日系动漫、像素风？
3. **尺寸比例**: 竖版(9:16)、横版(16:9)、方形(1:1)？具体像素？
4. **色调配色**: 暖色调、冷色调、黑白、高饱和、莫兰迪色？
5. **背景**: 纯色、渐变、具体场景(海边/城市/森林)？
6. **细节要求**: 光线(日光/夕阳/霓虹)、视角(正面/侧面/俯视)？
7. **用途**: 头像、海报、插画、产品图？(影响风格和质量要求)

**澄清示例：**

用户：帮我画一个画画

AI：我需要澄清几个关键点来精准创作：

1. **主体**: 人物、风景、还是抽象艺术？
2. **风格**: 写实、卡通、油画、赛博朋克、日系动漫？
3. **尺寸**: 竖版、横版、还是方形？
4. **色调**: 暖色、冷色、黑白、还是鲜艳色彩？
5. **用途**: 头像、海报、插画？(影响细节程度)

只需要回答这 5 个问题，我就能生成符合你期望的图像。

---

💻 UI/界面设计场景

**示例：** 用户说"设计一个登录界面"

**必问问题：**

1. **设备平台**: 桌面端、移动端、还是响应式？
2. **设计风格**: 极简风、Material Design、拟物化、扁平化、暗黑模式？
3. **配色方案**: 品牌色是什么？冷暖色调？用户群偏好？
4. **目标用户**: 年龄段、职业、技术水平？(影响界面复杂度)
5. **交互要求**: 表单验证实时反馈、Loading 动画、错误提示方式？
6. **品牌元素**: Logo、品牌字体、品牌色是否有规范？

---

⚡ 代码优化场景

**示例：** 用户说"帮我优化这段代码"

**必问问题：**

1. **优化目标**:
   - 性能(响应速度)？
   - 内存占用？
   - 可读性/可维护性？
   - 代码体积？
   - 错误处理？
2. **当前问题**: 代码遇到了什么具体问题？性能瓶颈在哪？
3. **数据规模**: 处理的数据量级？并发量？
4. **成功标准**: 从多少秒优化到多少秒？内存降低多少？
5. **约束条件**: 是否允许重构？是否需要保持向后兼容？

---

🐛 Bug 修复场景

**示例：** 用户说"这个 bug 很严重，赶紧修复"

**必问问题：**

1. **症状**: 错误信息是什么？用户看到什么？
2. **复现步骤**: 如何触发这个 bug？
3. **发生时间**: 什么时候开始的？最近有改动吗？
4. **影响范围**: 所有用户还是部分用户？生产环境还是测试环境？
5. **预期行为**: 正确的行为应该是什么？
6. **环境信息**: 浏览器版本、操作系统、服务器环境？

---

🔄 重构项目场景

**示例：** 用户说"帮我重构这个项目"

**必问问题：**

1. **重构动机**: 为什么想重构？有什么具体痛点？
   - 性能问题？
   - 可维护性差？
   - 技术债务？
   - 架构不合理？
2. **重构范围**: 整个项目还是特定模块？
3. **约束条件**:
   - 时间限制？
   - 是否允许破坏性变更？
   - 是否需要保持 API 兼容？
4. **成功标准**: 重构后应该达到什么状态？

---

📊 数据分析场景

**示例：** 用户说"帮我分析一下用户数据"

**必问问题：**

1. **数据源**: 数据从哪来？数据库、API、CSV文件？
2. **时间范围**: 分析哪个时间段的数据？
3. **分析维度**: 用户增长、活跃度、转化率、留存率？
4. **输出格式**: 报告、图表、CSV、还是自然语言总结？
5. **目标**: 分析的目的是什么？支持什么决策？

The Process

digraph clarification_process {
    rankdir=TB;
    node [shape=box, style=filled];

    "收到用户请求" [shape=ellipse, fillcolor="#c8e6c9"];
    "识别场景类型" [fillcolor="#e1bee7"];
    "识别模糊点" [fillcolor="#bbdefb"];
    "应用领域模板" [fillcolor="#e1bee7"];
    "系统化提问" [fillcolor="#bbdefb"];
    "用户回应?" [shape=diamond, fillcolor="#fff9c4"];
    "确认理解" [fillcolor="#bbdefb"];
    "开始行动" [shape=ellipse, fillcolor="#c8e6c9"];

    "收到用户请求" -> "识别场景类型";
    "识别场景类型" -> "识别模糊点";
    "识别模糊点" -> "应用领域模板";
    "应用领域模板" -> "系统化提问";
    "系统化提问" -> "用户回应?";
    "用户回应?" -> "确认理解" [label="是"];
    "用户回应?" -> "提供选项" [label="否/不完整" style=dashed];
    "提供选项" -> "用户回应?";
    "确认理解" -> "开始行动";
}

Step 0: 识别场景类型（新增）

**快速分类请求类型：**

1. **检查关键词** - 功能开发？图像生成？UI设计？代码优化？ 2. **匹配领域模板** - 查找对应的澄清问题清单 3. **应用模板** - 使用领域特定问题而非通用 5W1H

**示例：**

用户：帮我写一个登录需求

AI 内部识别：功能开发场景 → 认证类功能 → 应用"功能开发模板"
立即问：平台？认证方式？技术栈？
（而非泛泛地问"什么功能？"）

**效率提升：**

• 通用 5W1H：随机问题，可能遗漏关键维度
• 场景识别 + 领域模板：精准问题，覆盖该场景的所有关键点

Step 1: 识别模糊点

**立即暂停，不要行动。** 问自己：

1. **Who（谁）** - 用户？最终用户？团队？ 2. **What（什么）** - 具体要做什么？技术栈？平台？ 3. **Why（为什么）** - 目标？痛点？背景？ 4. **Where（哪里）** - 哪个模块？哪个文件？哪个环境？ 5. **When（何时）** - 时间线？优先级？ 6. **How（如何）** - 成功标准？约束？偏好？

**缺失任何关键维度 = 需要澄清。**

Step 2: 系统化提问

**优先级顺序提问：** 1. **目标和约束**（Why, What） - 最关键，决定方向 2. **上下文和范围**（Where, Who） - 缩小探索范围 3. **时间和优先级**（When） - 影响实施策略 4. **方法和偏好**（How） - 细节选项

**提问模板：**

为了更好地帮助你，我需要澄清几个关键点：

1. [目标] - 你希望通过这个实现什么？/ 主要痛点是什么？
2. [约束] - 有什么技术栈/平台/时间限制吗？
3. [范围] - 这是针对 [具体范围] 吗？
4. [成功标准] - 什么样的结果算成功？

**不要一次性问所有问题。** 2-3 个关键问题即可，根据回答再深入。

Step 3: 抵抗压力

**压力信号：**

• 用户说"快速"、"赶紧"、"马上"
• 用户表现出不耐烦
• 时间紧迫

**错误反应：**

• ❌ 加速探索，跳过澄清
• ❌ 用紧急语言回应："立即开始！🔥"
• ❌ 做假设："我猜是..."

**正确反应：**

• ✅ **慢下来**："正因为紧急，我更需要确认方向，避免做错"
• ✅ 用冷静语言："我需要快速确认几个关键点，确保一次性做对"
• ✅ 强调效率："澄清问题能节省后续返工时间"

**紧急 = 更需要系统化，而非更少。**

Step 4: 避免假设

**常见假设陷阱：**

| 模糊请求 | AI 常见假设 | 应该问的问题 | |---------|-----------|------------| | "优化代码" | 性能优化 | 优化目标？性能/可读性/内存/错误处理？ | | "重构项目" | 代码重构/修复问题 | 重构动机？痛点是什么？目标？ | | "做个登录" | Web 登录页面 | 平台？认证方式？技术栈？ | | "修复 bug" | 猜测 bug 位置 | 错误信息？复现步骤？预期行为？ |

**自检问题：**

• 我是否在猜测用户意图？
• 我是否假设了技术栈/平台/约束？
• 我是否基于"常识"做决定？

**如果不确定，就问。不要猜。**

Step 5: 时间效率

**澄清优先原则：**

❌ 错误流程：探索代码 → 猜测意图