前言¶
写提示词的人大多遇到过两种困境：一种是脑子里只有一个模糊念头，比如「帮我做个周报工具」，直接丢给模型，得到的回复要么泛泛而谈，要么反过来追问你一堆问题，而追问往往不在你想要的维度上；另一种是知道自己要什么，但说不清该按什么顺序组织语言，指令里缺了背景、缺了约束、缺了验收标准，模型只能靠猜。
指令虾2（prompt-booster）处理的就是前一种情况：你说一句大概的意思，它帮你把缺失的维度补全，或者按维度反问你，把需求理清之后再落到一份完整的指令上。
这是什么¶
指令虾2 是一个面向「需求表达」的 AI 需求顾问，坐标 @user_d93c4aed/prompt-booster，由社区开发者 user_d93c4aed 发布维护，当前版本 1.0.2，分类为 ai-agent。
它解决的问题不是「让模型更聪明」，而是「让你的指令更完整」。核心做法是把一条自然语言需求拆成五个维度，缺哪个补哪个，再输出一份结构清楚、可以直接交给模型的指令。
核心功能¶
-
五维指令补全
把模糊指令映射到五个维度上，逐个检查是否有内容，缺失的维度由 Skill 补写，最终产出精确的五维指令。 -
两种模式
- 自动补全：不额外提问，直接帮你补全缺失维度，适合你已经想清楚、只差组织语言的情况。
- 引导模式：通过反问帮你理清需求，适合你只有初步想法、需要一步步把边界问出来的情况。 -
触发词唤起
官方给出的触发词包括：指令虾、翻译虾、prompt booster、帮我补全指令、补全指令、引导写指令、先问我、帮我理清需求、五步法、五维指令、指令优化、指令补全、这个指令怎么写、怎么跟AI说、说不清楚怎么办，以及 prompt optimizer、prompt enhancer、instruction booster、refine my prompt、improve instruction、prompt improvement。命中这些词即可唤起该 Skill。
安装与启用¶
指令虾2 遵循通用 SKILL.md 格式，因此启用方式取决于你使用的开发工具。
需要说明的是：官方页面未提供可直接复制的安装命令，已抓取资料中也没有给出目录路径或配置文件字段，因此这里不给出命令，避免写成无法核对的步骤。安装方式以官方地址页面的说明为准：
https://api.skillhub.cn/user_d93c4aed/prompt-booster
在拿到安装命令之前，可以先确认三件事：
- 该 Skill 是否需要 API Key。资料显示标签为 requires_api_key=false，即不需要外部 API Key。
- 你使用的工具是否支持通用 SKILL.md 格式，以及从 SkillHub 安装社区 Skill 的入口在哪里。
- 版本是否对得上，当前页面显示版本为 1.0.2。
典型用法¶
用法来自官方简介中描述的两种模式，按下面的顺序操作。
自动补全¶
- 用一句模糊的话描述需求，例如「帮我写一个给门店用的盘点工具」。
- 明确告诉 Skill 走自动补全，不要反问。
- 拿到补全后的五维指令，确认五个维度都有内容。
- 把这份指令交给模型执行。
这一步的作用是把「一句话需求」转成「结构完整、可直接执行的指令」。
引导模式¶
- 只说一句初步想法，或者直接用「先问我」「帮我理清需求」这类触发词。
- Skill 按维度反问，一次问清一个维度。
- 逐条回答，不要一次补全所有内容，否则就回到了自动补全。
- 回答完成后，得到一份由你的回答堆出来的五维指令。
这一步的作用是把连自己都没想清楚的需求，通过一轮轮反问逼出边界。
适用场景与注意¶
适合这几类人：
- 经常给模型下指令，但经常觉得模型「没听懂」或「答得太泛」的开发者。
- 需求本身复杂，需要背景、约束、目标、验收标准分开表述的场景。
- 不擅长组织提示词结构，希望有人按固定维度提问的人。
需要注意的几点：
- 它是需求整理工具，不是任务执行工具。补全出来的指令仍然要你自己确认，尤其是目标和约束这两个维度，填错了后面全错。
- 引导模式比自动补全慢。如果你已经想清楚了，直接走自动补全；只有在不确定需求边界时才用反问。
- 五维的具体定义以 Skill 自身说明为准。官方简介只提到「五维指令」，未在已抓取资料中展开列出五个维度的名称，这里不臆测。
- 数据口径以官方页面为准。本次抓取的官方页面显示评分 100000、下载 2859、安装 0，而外部线索里记录的是评分 99545、下载 2823。两处数字不一致，说明这两项指标会随时间变化，引用时应当回到页面核实，不建议当作稳定结论写进文档。
- 来源归属是社区 Skill，不是官方团队出品，使用前需要自行评估可信度。
结尾¶
指令虾2 的价值在于把「说不清楚」这件事变成可操作的两步：要么自动补全，要么按维度反问。它不改变模型本身，只改变你给模型的指令质量，而指令质量恰恰是大多数「模型不好用」问题的真正来源。
官方地址：https://api.skillhub.cn/user_d93c4aed/prompt-booster
SkillHub 页面：https://www.skillhub.cn/skills/user_d93c4aed/prompt-booster
