提示词优化在优化什么
提示词优化是对已有提示词做结构化改造的过程：把目标、约束、输出格式、变量从一段散文里拆出来，变成模型可以稳定执行的指令，再用测试和评估验证改进是否真实存在。本文的方法论来自开源项目 Prompt Optimizer（GitHub 约 3.5 万 Star，2026 年 9 月，官方 README）的功能设计与两个官方演示案例。工具的定位与形态见提示词优化器是什么一篇。
一次性提示词为什么是浪费
判断标准很朴素：一段提示词描述的任务会重复出现，它就值得被优化、测试、存档。每周写周报、批量回复同类咨询、反复调 agent 角色定义，这些任务的提示词每次从头写，付的是三种隐性成本：重写税（同样的问题每次重新措辞）、质量波动（没有固定版本，输出时好时坏还说不清原因）、不可交接（好版本躺在个人聊天记录里，团队别人用不上）。官方 README 对产品定位的表述是：提示词可以来自手写、模板、本地导入或 Prompt Garden 提示词库等来源，在 Optimizer 里完成优化、测试、评估，并沉淀为可复用的提示词资产。
优化闭环：写、优化、测试、评估、沉淀
单点”一键优化”只是入口，跑通闭环才有复利。对应到 Prompt Optimizer 的功能（功能清单出自官方 README），五步是：
- 写：手写，或从模板、本地文件、Prompt Garden 提示词库导入，有来源信息时连同元数据一起保存。
- 优化：一键优化加多轮迭代改进；系统提示词和用户提示词分双模式处理——system prompt 要的是约束、结构和输出格式，用户提示词要的是任务描述完整度，优化策略分开。
- 测试：高级测试模式提供上下文变量管理（自定义变量、批量替换、变量预览）、多轮会话测试（模拟真实对话场景）、Function Calling 工具调用支持（兼容 OpenAI 和 Gemini）。
- 评估：分析、单结果评估、多结果对比评估，回答”这一版是否真的比上一版好”，改动要有依据，不靠感觉。
- 沉淀：智能收藏把稳定版本存为可复用资产，带版本历史、可复现示例、来源绑定，支持完整备份导出导入。
闭环里最容易被跳过的是第 3、4 步——把”我觉得好了”变成”数据说好了”的部分。部署命令见安装指南；要在编码工具里自动跑这套流程，可以走 MCP 服务器模式。
模板加变量：把场景抽成槽位
可复用的提示词模板等于固定结构加变量槽位，槽位怎么设计决定复用上限。官方 README 的”闲鱼砍价回复”演示案例：提示词模板里商品、报价、底线、语气是变量，换一组变量值就能复用到另一笔交易；优化后的版本明显减少”助手腔”和多余解释，让小模型围绕价格分歧、商品情况、成交底线组织回复。
槽位设计有三条经验（通用工程实践，标注为建议）。第一，槽位粒度对齐决策点，变量应该是每次使用时真正会变的东西。第二，变量命名用业务词，商品、报价、底线、语气，不是 var1、var2——命名即文档。第三，一次只动一个变量观察输出变化，批量替换功能（官方高级测试模式里的变量管理）配合变量预览，能让你在改之前看清替换结果。
角色提示词的优化方向：从人设到输出结构
角色提示词最常见的失败方式是只有人设、没有输出结构。官方”红队审稿人”演示案例（英文版叫 Hard-Nosed Reviewer）是典型对照：起点是一个极简的英文角色提示词，小模型的反应是附和式回答；经过系统提示词优化，同一个模型给出更有立场、更有结构的批判式审查——明确指出论点里的漏洞、风险与隐含假设。变化发生在哪：优化补的是评审要产出什么、按什么标准挑毛病（漏洞、风险、隐含假设），形容词的堆量从头到尾没变。
往这个方向改角色提示词，清单是三件事（建议）：定义产出物格式（评审查什么、怎么分点）；定义评判标准（什么算漏洞、什么算风险）；定义边界（哪些不评）。
优化前后对照表怎么写
对照表是让优化可信的最小证据：同一组输入、两版提示词、可核对的输出差异。结构示意如下（差异类型取自官方演示案例的对比方向，数值结论要用你自己的测试集跑出来）：
| 对照项 | 优化前 | 优化后 |
|---|---|---|
| 提示词版本 | v1 手写角色描述 | v2 优化后版本 |
| 测试输入 | 同一组固定问题 | 同一组固定问题 |
| 输出结构 | 泛泛附和，无结构 | 有立场，分点指出漏洞与隐含假设 |
| 语言风格 | 助手腔、复述输入 | 减少多余解释，围绕目标组织回复 |
| 评估结论 | 基线 | 对比评估确认改进 |
评估用工具的对比评估功能跑，比肉眼可靠；表里只放可核对的差异，“感觉更好”这类结论不上表。
团队沉淀的三个约定
提示词资产在团队里能不能真的被复用，取决于三条工程约定（以下为通用工程实践建议）。命名：提示词像代码一样有名字和一句话用途描述。版本：保留版本历史，改坏了能回退，Prompt Optimizer 的智能收藏自带版本历史和完整备份导出，团队定期归档一份。评测口径：约定什么算”变好”——固定测试集、固定评估维度、换人评估结论一致，否则收益没法跨人比较。
常见误区
三个误区覆盖了大部分失败案例。堆形容词：“你是一个非常专业的资深专家”改不了行为，官方两个演示案例证明的是同一件事：结构和标准有用，形容词没用。一次改多个变量：改完说不清哪个改动起效，回到单变量原则。没有测试集：没有固定输入就无法判断”更好”，先固定三五个测试输入，再谈优化。
常见问题
提示词优化技巧有哪些？
最有效的四条：把目标、约束、输出格式显式写出来；角色提示词定义产出结构和评判标准，少堆形容词；用变量槽位把可复用场景做成模板；固定测试集加对比评估验证每轮改动。这些技巧在 Prompt Optimizer 里都有对应功能支撑——双模式优化、高级测试模式、对比评估、版本历史（官方 README）。
prompt engineering 方法怎么入门？
从”优化闭环”入门最快：写、优化、测试、评估、沉淀五步里，先补齐测试和评估两步，其余三步你已经在做。工具上可以用 Prompt Optimizer 在线版练手，评估链路（分析、单结果评估、多结果对比评估）能直观看到每轮改动的实际效果。
提示词模板怎么设计变量？
变量槽位对齐真实决策点：问自己”每次使用时到底哪些内容在变”，变的就是槽位。官方闲鱼砍价案例的槽位是商品、报价、底线、语气，都是逐单变化的字段。命名用业务词，配变量预览和批量替换，一次只改一个变量验证输出变化。设计好后在工具里存成带版本历史的收藏。