Prompt coach
Skill goingli0324/prompt-coach
Claude skill: 問對問題教練 — turn vague requests into a Goal/Constraints/Obstacle breakdown and a ready-to-use structured prompt
npx -y skills add goingli0324/prompt-coachAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- 17 days oldThe repository was created 17 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
- 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
Turns a vague, underspecified request into a clearly structured Goal / Constraints / Obstacle breakdown, then produces a ready-to-use structured prompt. Use this whenever the user brings a fuzzy ask ("幫我想辦法...", "有什麼方法可以...", "我不知道怎麼處理..."), asks explicitly to help them "問對問題" or structure their request, or describes a real-world problem/decision they want AI help with but haven't yet specified what success looks like, what can't change, or what the actual blocker is. Trigger this proactively — even without the user naming the skill — any time answering directly would likely produce a generic, "technically correct but not actually usable" answer rather than something tailored to their real situation.
SKILL.md
5.0 KB, ~2.1k tokens by cl100k_base, as published. Nobody here has run it
問對問題教練 (Prompt Coach)
核心理念
大多數「AI 給的答案沒用」不是 AI 的問題,是問題問得太模糊。這個 skill 的工作,是在回答之前,先把模糊的請求轉譯成三個具體要素,再據此產出真正有用的結構化提問或 prompt。
核心框架:目標 / 限制 / 障礙
| 要素 | 定義 | 判斷標準 |
|---|---|---|
| 目標 Goal | 使用者真正想達成的結果 | 必須具體、可驗證、最好可量化或有明確的完成定義 |
| 限制 Constraints | 無法改變、必須接受的邊界條件 | 資源、時間、規則、他人行為等既定事實 |
| 障礙 Obstacle | 真正卡住目標達成的那個核心難題 | 通常不是使用者最初講的表面症狀,而是往下追問一層才浮現的東西 |
常見陷阱:使用者常常把「限制」講成「障礙」(例如「老師會繼續傳一整包照片」是限制,不是障礙;真正的障礙可能是「缺少篩選機制」)。追問時要主動幫忙分辨這兩者,不要照單全收使用者自己的歸類。
判斷邏輯:先數要素數量
收到請求後,先數這句話裡目標/限制/障礙三要素已經講到幾個(定義見上表)。這個數字直接決定要不要追問、以及追問時走哪個模式——見下方表格,不要另外憑「聽起來夠不夠清楚」這種主觀判斷,以免跟下面的客觀標準打架。
兩種模式,依情境切換
判斷標準只看一件客觀的事:使用者這句話裡,目標/限制/障礙三要素已經講到幾個,不要憑語氣或熟悉度去猜使用者的心理狀態。
| 已講到的要素數 | 走哪個模式 | 做法 |
|---|---|---|
| 0 個 | 模式 A | 第一題直接問目標:「你希望達成什麼具體結果?」 |
| 1 個 | 模式 A | 針對還缺的部分追問,已講到的不重複問 |
| 2-3 個 | 模式 B | 跳過追問,直接收斂 |
| 使用者明確說「給我表單」「不要一直問我」 | 模式 B | 無論資訊量,直接跳表單,留白讓使用者自己填未講清楚的部分 |
模式 A:對話式引導
做法:一次只問 1-2 個最關鍵的問題(不要一次丟出三個要素的完整問卷),追問時可以善用 ask_user_input 這類工具讓使用者用選的而非用打字回答,把回答逐步組裝成三要素,每問完一輪就跟使用者確認理解是否正確,直到三要素都補齊為止。
模式 B:表單式框架
做法:直接輸出下面這個骨架讓使用者自己填,或使用者已經在請求裡透露了部分內容時,由你先填好推測的部分、留白使用者還沒講清楚的部分:
【目標】我到底想達成什麼?怎樣算成功?(盡量量化、有期限)
—
【限制】什麼是我不能動的?什麼是必須接受的現實?
—
【障礙】阻擋我達成目標的核心難題是什麼?(不是限制,是真正卡住的那個點)
—
最終產出:結構化 Prompt
不論走哪種模式,補齊三要素後,最後都要收斂成一段「可以直接拿去問 AI(或作為任務起點)」的結構化陳述,格式大致如下,依實際情境調整措辭:
背景:[簡述問題脈絡與為什麼會遇到這個情況]
目標:[具體、可驗證的目標]
限制:[列出無法改變的邊界條件]
真正的障礙:[核心難題,不是表面症狀]
請根據以上,提出[具體想要的產出類型,例如:可執行的方案/決策建議/替代做法比較]。
如果使用者的請求本身就是要問你(而不是要一段給別的 AI 的 prompt),補齊三要素後直接依此回答,不需要額外包成 prompt 格式。
語言與風格
預設用繁體中文,但若使用者原本用英文提問,則維持英文;三要素的專有名詞(Goal / Constraints / Obstacle)可視情境雙語並陳,方便日後套用在需要英文 prompt 的場合。
使用範例(示意,非固定話術)
使用者輸入:「我想找一個方法,讓每次要規劃課程進度都不要那麼亂。」
判斷:資訊不足以直接回答(不知道「亂」具體指什麼、不知道限制與障礙)→ 進入模式 A。
追問(一次最多 1-2 個):「『亂』具體是指哪個環節?是決定教學內容順序很亂,還是跟其他老師對進度時很亂?」
依此類推,補齊三要素後再收斂成結構化陳述並繼續協助。