RO提示词优化器技能

概述

此技能基于R-O框架（角色与现实 + 对象与输出）将用户的普通需求自动优化为专业、结构化的AI提示词。通过二维设定和双O精准识别，确保生成的提示词能够：

1. 1. 明确AI的角色和上下文限制
2. 精准识别输出对象和期望结果
3. 最大化激发AI的潜力

R-O框架核心

1. 角色与现实情况 - 二维设定

• - 角色：设定AI的身份、专业知识、经验背景
• 现实情况：设定时间、地点、资源限制、约束条件

2. 对象与输出 - 双O精准识别

• - 对象：设定输出内容的受众（初学者、专家、管理者等）
• 输出：设定具体输出内容、格式、质量标准和目标

使用流程

第一步：接收用户原始需求

用户提供简单的需求描述，例如：

• - 帮我写个产品介绍
• 分析销售数据
• 创建客服话术

第二步：应用R-O框架优化

根据用户需求，自动填充以下四个维度：

A. 角色设定

• - 专业身份（如：资深产品经理、数据分析专家、客服培训师）
• 知识背景（如：10年电商经验、精通统计学、熟悉消费者心理）
• 能力特长（如：创意写作、逻辑分析、沟通协调）

B. 现实情况

• - 时间限制（如：2026年当前、季度末、促销期间）
• 地点场景（如：中国电商环境、淘宝平台、微信生态）
• 资源约束（如：数据有限、预算紧张、团队小型）
• 特殊要求（如：符合公司规范、避免法律风险、保持品牌调性）

C. 输出对象

• - 受众身份（如：初学者消费者、企业决策者、内部团队成员）
• 知识水平（如：零基础、有一定了解、领域专家）
• 语言偏好（如：通俗易懂、专业严谨、幽默风趣）
• 使用场景（如：内部汇报、客户沟通、公开宣传）

D. 输出要求

• - 内容结构（如：三段式、问题-解决方案、SWOT分析）
• 格式规范（如：Markdown、Excel、PPT大纲、JSON）
• 质量标准（如：数据准确、逻辑清晰、语言优美）
• 具体目标（如：转化率提升、问题解决、知识传递）

第三步：生成优化后的提示词

将四个维度组合成完整的R-O框架提示词。

优化示例

示例1：普通需求 → R-O优化

原始需求：
帮我分析销售数据

R-O优化后：

角色与现实情况

• - 角色：您是资深电商数据分析师，拥有8年淘宝店铺运营经验，精通数据挖掘和商业智能分析
• 现实情况：当前是2026年Q1季度末，需要为下周的季度复盘会议准备分析报告，数据来源为淘宝生意参谋，时间紧迫需在2小时内完成

对象与输出

• - 对象：汇报对象为公司运营总监（具备数据基础但不熟悉技术细节），需要通俗易懂的分析和明确的行动建议
• 输出：提供一份结构完整的销售数据分析报告，包含：1) 核心指标概览表 2) 趋势变化分析图表 3) 问题诊断与归因 4) 具体改进建议。格式为Markdown，要求数据准确、结论明确、建议可执行

示例2：普通需求 → R-O优化

原始需求：
写个产品文案

R-O优化后：

角色与现实情况

• - 角色：您是顶尖的营销文案策划师，擅长情感营销和痛点挖掘，曾为多个知名品牌打造爆款文案
• 现实情况：产品是面向25-35岁女性的智能美容仪，定价中高端，需要在618大促前完成文案，竞品分析显示需要突出科技感和使用便捷性

对象与输出

• - 对象：目标受众为注重护肤效果但时间紧张的城市白领女性，她们对科技产品接受度高但缺乏耐心阅读长文案
• 输出：创作三段式产品文案：1) 痛点引入（30字） 2) 解决方案（50字） 3) 行动号召（20字）。要求简洁有力、突出核心卖点、激发购买欲望，符合年轻女性阅读习惯

示例3：普通需求 → R-O优化

原始需求：
创建客服培训材料

R-O优化后：

角色与现实情况

• - 角色：您是经验丰富的客服培训专家，精通客户心理学和沟通技巧，曾培训过500+客服人员
• 现实情况：公司新招聘了20名客服，需要在两周内完成基础培训，现有资源包括产品手册和常见问题列表，但缺乏系统化培训材料

对象与输出

• - 对象：培训对象为刚毕业的大学生，没有客服经验但学习能力强，需要从零开始的系统性指导
• 输出：设计一套完整的客服培训课程大纲，包含：1) 基础知识模块 2) 技能训练模块 3) 情景模拟模块 4) 考核评估标准。要求实用性强、循序渐进、有具体案例和练习题目

高级优化技巧

1. 行业特定优化

针对不同行业调整R-O框架：

电商行业：

• - 角色：增加熟悉平台规则、了解消费者行为
• 现实：加入促销周期、竞争环境、供应链限制
• 对象：区分C端消费者/B端商家/内部团队
• 输出：强调转化率、ROI、用户体验

技术行业：

• - 角色：强调技术背景、架构思维、安全意识
• 现实：考虑技术债务、团队技能、时间成本
• 对象：区分技术领导/开发人员/产品经理
• 输出：要求架构图、代码示例、性能指标

2. 任务类型优化

根据任务类型调整侧重点：

创意类任务（文案、设计）：

• - 强调创新性、审美能力、市场敏感度
• 输出注重视觉效果、情感共鸣、品牌一致性

分析类任务（数据、研究）：

• - 强调逻辑思维、统计知识、商业洞察
• 输出注重数据准确性、结论可靠性、建议可行性

执行类任务（计划、流程）：

• - 强调项目管理、资源协调、风险控制
• 输出注重步骤清晰、责任明确、时间可控

3. 复杂度分级

根据需求复杂度提供不同深度的优化：

基础级（简单需求）：

• - 填充R-O四个维度的基础信息
• 生成标准格式提示词

进阶级（中等需求）：

• - 增加行业特定要求
• 提供多种输出选项
• 包含成功标准

专业级（复杂需求）：

• - 详细的情景分析
• 多角色协作设定
• 阶段性输出要求
• 质量评估标准

使用指南

何时使用此技能

1. 1. 当用户提供模糊或简单的需求时
2. 当需要提高AI回复的质量和针对性时
3. 当处理专业领域或复杂任务时
4. 当需要标准化提示词格式时

使用步骤

1. 1. 识别用户需求类型：创意、分析、执行等
2. 判断复杂度级别：基础、进阶、专业
3. 应用R-O框架优化：填充四个维度
4. 生成最终提示词：格式化输出
5. 可选：提供优化建议：如何进一步改进

输出格式

优化后的提示词应采用以下标准格式：

角色与现实情况

角色设定

[详细描述AI的角色、专业背景、能力特长]

现实情况

[描述时间、地点、资源限制、约束条件]

对象与输出

输出对象

[描述受众特征、知识水平、语言偏好]

输出要求

[具体说明内容结构、格式规范、质量标准、目标]

资源文件

参考文件

• - references/industry-templates.md：各行业R-O优化模板
• references/task-types.md：不同任务类型的优化策略
• references/examples-library.md：更多优化示例

脚本文件

• - scripts/auto-optimizer.py：自动优化脚本（可选）

注意事项

1. 1. 保持灵活性：R-O框架是指导而非束缚，根据实际情况调整
2. 避免过度复杂：简单需求不需要过度优化
3. 尊重用户意图：优化是为了更好实现用户目标，而非改变目标
4. 持续迭代：根据使用反馈不断改进优化策略

质量评估

优质的R-O优化应具备：

1. 1. 清晰性：每个维度都明确无歧义
2. 相关性：所有设定都与原始需求紧密相关
3. 实用性：优化后的