# Role：Prompt Optimization Specialist / 提示词优化专家 ## Background 你是一名提示词优化专家，负责将用户提供的原始 Prompt 优化为结构清晰、目标明确、约束可执行、输出稳定的高质量 Prompt。 你需要参考 PromptAgent 的思想：将 Prompt 优化视为“状态—动作—反馈—奖励”的战略规划过程，通过分析、搜索、比较和迭代，提升 Prompt 的稳定性和任务适配度。 ## Profile - Author: pp - Version: 1.1 - Language: 中文 - Description: 专注于 Prompt 分析、诊断、重构与优化的专家。 ## Skills 你具备以下能力： 1. 分析 Prompt 的角色、目标、约束、流程和输出格式。 2. 识别 Prompt 中的结构缺陷、逻辑冲突、格式缺失和执行风险。 3. 使用 Greedy、Beam Search、Monte Carlo / MCTS、APE 等思路优化 Prompt。 4. 根据业务场景重构 Prompt，使其可复用、可执行、可迭代。 5. 在信息不足时明确指出缺失项，不编造事实。 ## Goals 你的目标是： 1. 分析用户输入的原始 Prompt。 2. 提取关键信息和任务意图。 3. 诊断原 Prompt 的问题。 4. 设计优化策略。 5. 生成一个高质量的新 Prompt。 6. 输出 5 条具体优化建议。 7. 最终 Prompt 必须用 `<START>` 和 `<END>` 包裹。 ## Constraints 1. 使用中文输出。 2. 保持 Prompt Optimization Specialist 角色。 3. 不输出无意义寒暄。 4. 不编造事实，不虚构外部链接内容。 5. 若未提供外部链接，仅基于当前文本优化。 6. 若未提供 `<OutputFormat>`，使用默认输出格式。 7. MC、Beam、Greedy、APE 必须转化为具体优化动作，不得只作为术语罗列。 8. 在不违反更高优先级规则的前提下保持角色一致。 9. 输出必须结构化、清晰、可直接使用。 ## Workflow ### Step 1：解析输入 提取原始 Prompt 中的： - Role - Background - Skills - Goals - Constraints - Workflow - OutputFormat - Initialization - 外部资料或链接 - 缺失信息 ### Step 2：诊断问题 从以下角度分析： - 目标是否清晰 - 角色是否稳定 - 技能是否可执行 - 约束是否合理 - 流程是否完整 - 输出格式是否明确 - 是否存在信息缺失 - 是否存在逻辑冲突 ### Step 3：选择优化策略 使用以下方法： - **Greedy**：快速修复明显问题，如结构混乱、语句重复、格式缺失。 - **Beam Search**：生成多个候选 Prompt 框架，并选择最优方向。 - **Monte Carlo / MCTS**：模拟不同场景下 Prompt 的稳定性和抗跑偏能力。 - **APE**：自动改写、评分、比较并迭代候选 Prompt。 ### Step 4：生成优化 Prompt 优化后的 Prompt 应包含： - Role - Background - Profile - Skills - Goals - Constraints - Workflow - OutputFormat - Initialization ### Step 5：输出建议 输出 5 条针对原 Prompt 的优化建议，每条包括： - 当前问题 - 优化原因 - 优化方式 ## OutputFormat 如果用户未提供其他格式，按以下格式输出： ```markdown # Prompt 优化分析 ## {input_format} - 原始结构： - 任务意图： - 缺失信息： ## {error_string} - 主要问题 1： - 主要问题 2： - 主要问题 3： - 主要问题 4： - 主要问题 5： ## {state_transit} - Greedy 优化： - Beam Search 候选比较： - Monte Carlo / MCTS 稳定性模拟： - APE 自动优化： - 最终优化结果： # 优化后的 Prompt <START> 这里输出优化后的完整 Prompt <END> # 5 个优化建议 1. 当前问题： 优化原因： 优化方式： 2. 当前问题： 优化原因： 优化方式： 3. 当前问题： 优化原因： 优化方式： 4. 当前问题： 优化原因： 优化方式： 5. 当前问题： 优化原因： 优化方式： ``` ## Initialization 作为 Prompt Optimization Specialist，你需要先分析用户原始 Prompt，再诊断问题，随后使用 Greedy、Beam Search、Monte Carlo / MCTS、APE 等策略进行优化，最后输出结构化分析、优化后的 Prompt 和 5 条具体建议。 当信息不足时，明确指出缺失项，并采用合理默认方案继续完成任务。你的目标不是简单润色，而是提升 Prompt 的清晰度、稳定性、可执行性和复用性。 1 个帖子 - 1 位参与者 阅读完整话题
ralph loop通过不断开一个新的background agent 输入相同的doLoop提示词做检查。/goal本质上也是dev-review-stop_hooks循环，这二者存在根本上的不同吗？又或者仅是ralph-skills和slash_commands的不同 2 个帖子 - 2 位参与者 阅读完整话题
niri 26.04 现已发布, background blur 特性现已经支持 加入以下配置快速启用新特性 Blur niri-wm.github.io niri blog.snemc.cn niri 26.04 发布：久等的背景模糊终于来了 | Snemc Blocg niri 26.04 是 scrollable-tiling Wayland compositor 的一次重要更新。最引人注目的新特性是长期呼声最高的 background blur 。 新特性 background-effect 配置块 ：替代社区 fork 时代的旧语法，正式纳入 window-rule 和 lay... 1 个帖子 - 1 位参与者 阅读完整话题
在做什么 最近上线了一个很聚焦的小工具站： 用 AI 把照片背景扣成透明 PNG ，面向证件照/人像、电商白底图、社媒头图和快速出稿场景。不想先造账号再试用，所以主线是 免登录即可上传并看预览 ，需要高清再付费下载。 站点（落地页与上传入口）： EzRemove AI 在线去背景 域名就是： ezremoveai.org 我刻意做简单的地方 先预览、再决定要不要买高清 ，避免上来就锁死付费 支持常见格式，单张有大小上限；输出透明 PNG 这类信息在 首页说明 里都写清楚了 条款与隐私单页，上传前有勾选文案链到 服务条款 和 隐私政策 （和实际页面路径一致再微调） 技术 / 产品向（给 V2EX 同学看的） 前后端是常规 Web 技术栈，部署在 Cloudflare 一侧，图床与接口走自家 Worker/R2 思路（具体实现按你 comfort 填一句即可） 抠图能力对接外部 API ，更关心 稳定性、超时与防滥用 而不是模型自研——诚实交代即可 想征集的反馈 去背景在 头发丝 / 商品边缘 上翻车案例 定价是否直观（例如你们是否接受「低价按张买高清」） 若你有 产品自荐 / 独立开发 同类经验，也欢迎指条路（节点、标题怎么写不被喷广告） 不指望一夜爆量，能有几条真实使用反馈就很有用。若你路过 https://ezremoveai.org 顺手试一张，评论区甩图或说体验都行，先谢。 利益相关：作者即站长，接喷不接软文腔。
周五Codex发布Background Computer Use的能力，Software.Inc原班人马做了一些产品力的支持，整体非常惊艳，花了一天的时间分析复刻开源，下面这篇文章是整个过程的分享，或许可以给各位佬提供一点AI时代我们应该如何继续保持热爱去解决问题的思路 项目在： GitHub - iFurySt/open-codex-computer-use: 👾 Open Computer Use – Open-Source Alternative to Codex Computer Use · GitHub AI时代改变的只是解决问题的方法，但是Geek或者说解决问题的人，依然是不变的。 今天就借助这两天做 Open Computer Use 的经历来聊聊这个。 背景是周五OpenAI发了一片文章 https://openai.com/index/codex-for-almost-everything/，然后Codex APP也更新了，其中Background Computer Use，着实让我和我的小伙伴震惊了，我们对于其带来的非抢占式Computer Use和那个灵动又自然的鼠标样式深深震撼了。在此之前我们的认知都是Connectors(比如Gmail之类的)+GUI（鼠标和键盘）去实现的Computer Use。但是OAI还是交出了一份牛逼的作业。 我们花了一天的时间分析和复刻，成功实现并开源了这个版本，对外通过MCP的方式可以给到所有的AI Agent去直接拥有非抢占式Computer Use的能力，录屏丢油管了： Open (Codex) Computer Use 这一版我们把功能性的都做掉了，也就是open-computer-use可以无缝的替换掉官方的computer-use，除了那个灵动的鼠标样式。我们先来说说这个过程，记得是早上11点开始处理，到凌晨2点正式发掉，差不多12个小时的时间，我们完成了这个曾经几乎不可能完成的。这背后的故事，我有话要说 解决问题的原始冲动 回顾ChatGPT发布前的年代，从学生时代起，捣鼓就成了主旋律，也是我一直在说的，just for fun，也正是这样，就算把自己的喜好玩成了自己的职业，内核一直没有变化过，就是发现问题，尝试解决，最后获得满足和喜悦。和玩游戏或者刷短视频在本质上没有太大的区别，都是人在满足自身的生化需求 但是过程还是有一定的差异的。我们会分析问题，收集信息，解决问题，验证结果并交付，整个过程可以按部就班，也可以充满了各种奇思妙想。 回到09年的时光，那时候除了灰鸽子、肉鸡之类的流行的东西以外，还有二进制逆向也很火，加密混淆脱壳这些字眼能勾起不少的回忆，还记得当时为了能逆向一个二进制，研究各种脱壳、汇编和OllyDbg等等，对着枯燥无味的界面津津有味的调试 回忆杀一波。再加上后来做安全，攻防更加对于解决（未知）问题的能力提出了新的视角。虽然我很菜，但是我学到了很多，不是工具使用技巧，而是那个思想。 现在仔细想想，其实也不是那个时间培养的所有的这些习惯和能力，我能回忆起更加老的经历，似乎从小就喜欢用自己感悟的野家拳去整活，不喜欢从寻常路，这个内核一直跟随着我，直到今天 就好像Logan昨天repost了他在前年Devin刚出来时写的文章附带的那个核心观点： It’s been two years since I wrote this article, and the premise is still true: software engineers are paid to solve problems. Coding is just a tool to do so. 如果有人觉得AI的Coding能力可以抬走自己，那其实只是把自己当作一个Coder。有2个方向可以聊： 从AI所有的角度思考，确实可以抬走自己，而不是因为Coding 把自己当作解决问题的人，或者提出解决方案的人，那AI的Coding能力，只是其中很小的一部分 这也是为什么我们会很兴奋的在一天内把这个东西搞定的原因，因为我们都保留了解决问题的原始冲动，而且AI为我们提供了更加强大的军火库，能阻碍我们的，只有我们的思维。 打破一切的墙 首先就是执行，也是一样的方法，在开始之前，我们需要足够的信息支撑我们（或者AI）的下一步行动。那我们就从我们想要的这个开始。 我依然选择从我们沉淀出来的 harness-template 开始，作为一个template开启一个新的repo，好处是不再需要额外写什么东西了，直接拉过来用，AI在分析和执行过程中会持续把一些内容沉淀到这个repo里的docs里，这何尝不是Karpathy提出的LLM Wiki呢？ 其实我已经不知道一开始是如何发掘的，就是自然而然的，我们分析出了Codex APP是靠着一个独立的MCP服务来实现Computer Use的，在这个位置 ~/.codex/plugins/cache/openai-bundled/computer-use/1.0.750/Codex Computer Use.app 小小的26.5MB，承载了这个牛逼的功能，不仅感到欣喜，因为分析它的工作量不会特别大。后来我们进一步分析出其中有个Client服务 SkyComputerUseClient ，然后我们就打算开始了，我已经不记得了，但是好在我们有template 翻看下历史记录，可以很明确的知道，我们一开始就是让Codex去帮忙分析这两个，然后内容不断落到了这个repo里了。期间并行的几个session都在做不通的工作，关于Codex Computer Use的全貌也开始慢慢浮现了： 基于Swift写的。知道这个后，我们也直接用swift实现（还记得以前学swift的艰难，现在AI分分钟写完） 整体对外是MCP提供的，有9个工具。知道后直接复刻 原理是通过Accessibility（AX）去和UI树交互，从而达到可以在后台与APP交互，并附带截图回来做多模态推理下一个Action。在AX不行的时候会回推到osascript（Apple script），甚至是鼠标操作。 一开始我们并不打算直接提供MCP，这就是神奇所在。Usoon上完厕所回来跟我说，我们应该直接做一个MCP服务，听完他解释的，我立马表示认可，这或许就是人类的蜂巢智慧，一个人再牛逼，也永远有偏见。 一开始我们是通过让codex将他上下文里的9个工具的描述和参数输出，实际上是有点出入的，不是100%严格对齐的，后来我们直接给codex配齐了mitmdump，然后让其调用自己的codex去实现抓包dump，里面有大量的system prompt和tools，一下就能严格获取描述和参数定义。 这就是CLI的魅力，套娃获取，后续我们对比评测也是走了一样的方式，query里明确指定叫他走computer-use或者走open-computer-use去做任务，就能达到对比并且dump过程得到数据，这个就是eval和改进最需要的东西！ 在忙碌之余，我甚至还拉了一个独立的session，叫他直接设计LOGO，通过直接生成几份SVG，往来几下，就得到了一个我们要的LOGO了（现在看来，回头要换一下那个鼠标，换成无柄的） ffmpeg/magick之类的工具用得比谁都溜，而且拥有多模态能力，自己可以验收结果，这点非常舒服 在往后其实是对工具执行结果做一个校验，一开始是通过让codex对computer-use的9个工具分别做3个调用输出samples来迭代，后来发现这样其实也不太严格对齐，因为又单独开了一个独立的session，去分析为什么不能通过mcp client直接调用Codex Computer Use，本质上它就是一个符合MCP协议的，前面试了一下一连上进程就死。这次分析发现，实际上是因为SkyComputerUseClient只认同样签名的父进程调用，因为我们让Codex用go直接拉一个cli，通过一定的手段直接吃Codex app的签名过去，顺利执行了，现在我们就拥有了通过CLI执行官方MCP的能力了。 有了这个能力后，可以非常方便的让Codex去校验两边的输入输出做对齐了，这也是经常在实践中遇到的问题，当AI一直解决不了一个问题的时候，你叫他再试试，努力什么的都没用，因为他缺少你想要的那个东西的相关上下文，因此能提供上下文给AI，是人的责任和义务，也是最终AI能走到什么地步的关键。（这个贯穿在这篇文章或者说这次整活的全过程） 至此我们的功能性都解决了， 其他是给流程和丝滑度加分的产品力。因为是一个独立的服务（APP），因此需要单独获取Accessibility和Screen & System Audio Recording的权限，所以为了体验好，OpenAI借助Software.inc（被前者收购了）的能力，做了一个体验超级丝滑的浮窗，只要拖动就行，这个东西也花费了我们一点时间去调试和改造，但是效果还是很棒的（具体参见YouTube里的录屏） 以及发布到npmjs，通过npm i -g open-computer-use就能一键安装，这些全都是AI做的，给一个gh，帮忙点击一些东西就完事了。 还包括一键安装到codex的mcp或者codex.app的plugin，也包装了plugin。方便一键启用，而不需要复制json之类的去对应的配置里配置。这些都是丝滑的体现 后来的迭代中，我们直接用了自己的open-computer-use做dog fooding，结果是非常丝滑，很有效，功能性上和官方的没啥差别了。 最后就是传统艺能了，录屏和剪辑，问AI要了音频网站，随便捞了一个配乐，至此这个开源项目就可以发布了。 但是故事到此还没结束，功能性满足之后，我们还是放不下那个鼠标，到X上逛了一下发现Software.inc的Ari发的： https://x.com/arix/status/2044842282977993178 他们是3个人实现的这个，我就把视频下载下来，丢给codex去抽帧分析，开始了单独实现一个StandaloneCursorLab的项目，几个小时后，我们有了一个还算过得去的初始版本： 这个版本还是调优过的，也让codex去找一些相关的paper和开源项目做参考和借鉴，里面最关键的就是曲线的绘制和选择以及cursor移动速度的控制。 就这个版本直接上，其实是没问题的，但是还是没有刻画出原版的那种灵动的感觉！我又让grok帮忙基于那个推文去挖掘一下信息，看看能否找到一些开源的方案， 只能整体从他们的推文和其他的评论里推断出一些关键字，其中： calculates natural and aesthetic motion paths 是我最想要的，但是计算出几个都不是很理想。然后我又新开了一个独立的session，开始逆向工程，因为我想要的一切算法都在二进制里，然后就看到了这些画面： 不敢想一个人要去逆向分析这些东西，需要耗费多久？AI就可以自主的去完成，然后实现并验证。 这部分还在WIP，预期今天就能release一版不错的效果了 尾声 一段小旅程，也是一段奇幻冒险。 想象力和行动加起来，是一个很厉害的组合能力，在畅想诗和远方的同时，也能稳稳把住方向盘，用力踩油门。 3 个帖子 - 3 位参与者 阅读完整话题