卡帕西方法提示构建器技能

--- name: kp-prompting description: 使用Andrej Karpathy的规格/验证器/环境方法来构建高级提示词、任务规格、验证标准和Claude Code设置。每当需要为任务或项目制定规格、收紧或重写提示词、为代理输出定义验证或成功标准，或为代理设置/更新知识库、技能或护栏时，使用此技能。 --- 规格，，实际想要什么，精确到模型无需猜测 验证器，，你（或模型）如何知道输出实际上是正确的 环境，，持久化的上下文和护栏，使代理不必每次从零重新学习一切 连接这三者的主线：你可以移交执行，但不能移交理解。下面的每一层都应让Tom参与实际的判断决策，而不是仅仅产生看起来漂亮、却掩盖了他从未被问及的差距的输出。 两种模式，，在做任何其他事情之前先确定你处于哪种模式 辅导模式（默认）。Tom交给你一个任务、一个粗略的提示词，或一个为特定内容编写指令的请求。使用下面的三层视角收紧它，并在聊天中返回改进版本，，不创建文件。这是"帮我编写/改进X的提示词"的默认模式。 完整设置模式。Tom正在搭建一个新项目、工具或重复性工作流，并希望获得实际的脚手架：规格文档、验证标准和环境设置（CLAUDE.md补充、护栏、知识库指针）。在听到"制定规格"、"为X设置环境"、"为X构建Karpathy方法"等短语，或明确要求所有三层时触发此模式。 如果确实不清楚哪种模式合适，问一个快速问题而不是猜测，，构建错误的模式比提问浪费更多时间。大多数情况下可以推断：手头有单个任务或提示词草稿→辅导模式；没有提示词的新项目/功能→完整设置模式。 第1层：规格 为什么重要 Karpathy的例子：让前沿模型决定开车还是步行去50米外的洗车店，它说步行，，忽略了汽车本身也需要到达那里这一明显事实。模型在可检查的事情上表现出色，但在现实世界的判断决策上却出奇地糟糕，因为判断决策正是干净训练信号中缺失的部分。规格的工作是将模型无法自行推断的判断交给它，这样它就不会沦落到猜测上下文。浅层的高层"计划模式"式提示词做不到这一点，，它太单薄，无法承载真正的理解。 如何构建 找到实际目标，而不仅仅是任务。"写月末报告"是一个任务。目标是该报告旨在支持的任何决策。如果从Tom所说的话中不明显，就问，，这里快速问几个问题可以避免以后更大的重写。 以小检查点工作，而不是一次性大转储。一次性移交所有内容，只在最终结果时重新汇合，会让偏差无声地累积。将规格范围划分为足够小的部分，以便在每一步检查，尤其是在存在真正模糊性的地方。 精确说明哪些不应被假设。规格中的每个模糊词都会变成模型填补的假设，，自信地、朝着统计上可能的方向，而不一定是Tom实际想要的。明确指出具体的判断决策（命名约定、边缘情况、数据冲突时怎么办），而不是让它们保持隐式。像"标记你正在做的任何假设，而不是默默选择一个"这样的行在这里确实起作用。 规格应包含的内容 目标（这服务的决策/结果，而不仅仅是任务）、范围边界（明确包含与排除）、需要标记而非默默解决的判断决策，以及约束条件分为不可协商与偏好。 第2层：验证器 为什么重要 Karpathy的框架：这些模型更接近"幽灵"而非动物，，统计模拟器，而非有动机的代理。对模型大喊大叫、恳求它，或告诉它某件事非常重要，并不会改变输出质量。改变输出质量的是是否有东西能真正检查工作。这也是为什么模型在代码和数学上超人类（可干净检查），而在品味和判断上不可靠（没有可对照检查的东西），，因此，对于给定任务，"做好"的定义越明确、越可检查，输出就越能被真正信任，而不是带着审查疲劳匆匆浏览。 如何构建 预先在提示词本身中设定通过/失败标准，而不是事后。"让报告看起来不错"不可检查。"报告有三个部分，每个部分以建议结尾"可检查。将标准写成第二读者，，人类或模型，，无需阅读Tom的心思即可检查的内容。 在成本低廉的地方使用第二个模型作为批评者。不同的模型（或同一模型在新上下文中）根据规格对第一个模型的输出进行评分，可以捕捉原始运行会合理化的遗漏。 在存在时引入真实的外部信号。对于代码：它是否真的部署，测试是否通过？对于非技术工作：它是否匹配已知良好示例的格式/语气？只检查内部一致性的验证器比对照真实事物检查的验证器弱。 验证器应包含的内容 具体的、可检查的通过/失败标准（而非感觉）、谁或什么进行检查（自检、第二模型、部署/测试信号）、以及失败时怎么办（使用哪些具体反馈重试，或升级给Tom）。 第3层：环境 为什么重要 大多数人每次会话都从零重建上下文，，重新解释项目、重新陈述规则、希望代理记住它不应该碰什么。保留聊天历史并不等同于真正的环境。工具已到位的车间胜过每次访问都重新解释整个店铺。 如何构建 代理自动读取的CLAUDE.md。涵盖：此工作区/仓库是什么、存在哪些自定义技能以及何时使用、在哪里找到东西（知识架构）、以及始终适用的规则。这是最高杠杆的单件，因为它在每次提示时都被读取，无需Tom重复自己。 个人知识库。一个结构化的、可检索的参考材料场所，代理可以从中提取，而不是重新推导或幻觉。积累的材料是护城河；在其上组织良好的检索结构每次使用时都会复利。 任何重复内容的可复用技能。如果Tom第二次做某事，它应该成为技能，而不是重新解释的一次性内容。 在工具层面执行的护栏，而不仅仅是提示词层面。像"未经询问不要碰面向客户的模板"这样的仅提示词指令是模型在压力下可以覆盖的建议。同样的规则作为实际的工具限制（阻止路径、权限门）则不能。将规则分为三个层级： 始终做，，安全自动驾驶，无需询问 先询问，，在继续之前需要快速确认 绝不做，，硬性阻止，而不仅仅是不鼓励 环境设置应包含的内容 提议的CLAUDE.md补充（如果不存在则为完整的CLAUDE.md）、知识库中应包含的内容与可省略内容的简短列表、值得提取的任何新技能、以及针对特定项目填写的护栏层级。 输出格式 辅导模式输出 直接在聊天中返回改进的提示词/指令，放在易于复制的围栏代码块中。在其下方，简短的项目符号说明（最多3-5行），说明更改了什么以及来自哪一层，，足以表明改进不是表面功夫，而不是长篇大论。除非被要求，否则不要为此模式创建文件。 完整设置模式输出 使用create_file创建三个轻量级文档： SPEC.md，，目标、范围、判断决策、约束 VERIFIER.md，，通过/失败标准、谁检查、失败时怎么办 环境部分，，要么是新的CLAUDE.md，要么是Tom现有CLAUDE.md的清晰标记补充，加上护栏层级 在编写这些文档之前，阅读references/templates.md以获取完整的填充模板和示例，，不要每次都从头即兴构建结构。 一起呈现所有三个文档，附上每个文档内容的简短摘要，并明确指出任何Tom应双重检查的判断决策，而不是默默替他决定。 核心要点 不要让上述任何内容变成忙碌工作，产生令人印象深刻的文档，而Tom对项目的实际理解仍然薄弱。所有三层的目标是让Tom保持知道项目为何重要以及"好"是什么样子的人，，这些层只是让该知识足够清晰，以便代理可靠地行动。如果规格、验证器或环境文档只是填充空间，而不是捕捉Tom实际会做出的真实判断，就删掉它。 完整设置模式的模板 仅在kp-prompting以完整设置模式运行时需要（参见SKILL.md）。根据实际项目填写这些模板，，不要在交付的文档中留下占位符括号。 SPEC.md模板 markdown# 规格：[项目/任务名称] ## 目标 [这服务的实际决策或结果，，不仅仅是任务描述。 例如，不是"向出价逻辑添加分时段"而是"在历史上低转化时段削减浪费支出，同时不削减那些转化但粗略一看显得慢的时段的量。"] ## 范围 **范围内：** - [...] **范围外（暂时）：** - [...] ## 需要标记而非默默解决的判断决策 - [具体模糊点，，例如"对于数据不足2周的广告系列怎么办：立即应用类别基准，还是等待广告系列特定数据？"] - [...] ## 约束 **不可协商：** - [...] **偏好（可以权衡）：** - [...] ## 检查点 [如果范围较大：Tom在继续之前审查的2-4个点，而不是在结束时一次性大移交] 1. [...] 2. [...] VERIFIER.md模板 markdown# 验证器：[项目/任务名称] ## 通过/失败标准 [具体且可检查，，不是"看起来不错"或"削减糟糕时段"。 例如，"一个时段只有在至少有N条线索历史且CPA高于账户平均值X%以上时，才被标记为降低出价。"] - [ ] [标准1] - [ ] [标准2] ## 谁检查 - [ ] 代理根据上述标准进行自检 - [ ] 第二模型批评者通过（不同模型或新上下文，根据规格评分） - [ ] 外部信号：[部署成功/测试套件/匹配已知良好的历史示例] ## 失败时 [如果标准失败会发生什么，，使用哪些具体反馈重试，或在继续之前停止并标记给Tom] 环境/CLAUDE.md补充模板 markdown## [项目/功能名称] **这是什么：** [一两句话] **东西在哪里：** [文件路径、数据源、相关文档] **此处相关的技能：** [要使用的现有技能，或"新技能候选：X"] **规则：** - 始终做：[...] - 先询问：[...] - 绝不做：[...] 示例 任务：Tom要求"为广告系列优化技能制定添加自动分时段规则的规格。" SPEC.md摘录： 目标：不是"添加分时段功能"，，真正目标是削减历史上低转化时段的浪费支出，同时不削减那些转化但粗略一看显得慢的时段的量。 标记的判断决策：对于数据不足2周的全新广告系列怎么办。规格明确说明分时段是立即使用类别基准应用，还是等待足够的广告系列特定历史，而不是让代理默默选择一个。 检查点：在规则自动应用于实时广告系列之前，针对一个真实的（已知的）账户审查规则逻辑。 VERIFIER.md摘录： 标准："一个时段只有在至少有15条线索历史且CPA高于账户平均值25%以上时，才被标记为降低出价"，，可检查，不是"削减糟糕时段"。 检查：第二模型批评者针对2-3个已知账户审查提议的规则，检查误报（仅基于量看起来糟糕但CPA正常的时段），然后才建议用于实时客户。 CLAUDE.md补充摘录： 始终做：提取并总结每小时性能数据，标记超过阈值的时段 先询问：首次将新的分时段规则应用于实时客户广告系列 绝不做：在验证器标准通过且Tom签字之前，更改客户账户上的出价乘数 注意这个示例在做什么：它不是用通用样板填充文档（"确保高质量"、"遵循最佳实践"）。每一行都是具体的决策，否则会被默默且错误地做出。这就是所有三层一起的实际工作。