尧图网站建设 
awesome-copilot 的 boost-prompt 技能用 Joyride 驱动的交互式提示词精炼工作流【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot导读boost-prompt是 awesome-copilot 仓库中一个面向提示词工程的 Agent Skill它的核心使命是把用户一句粗糙的任务描述通过一轮又一轮的定向提问与项目探查精炼成一份结构清晰、可直接复用、高质量的任务提示词Markdown。本文基于 skills/boost-prompt/SKILL.md 完整讲解该技能的目标、工作流程、与 Joyride 扩展的协作方式、剪贴板写入的 Clojure 代码并结合仓库中 Joyride 用户项目助手指令 与同族的 first-ask 技能 说明其底层原理与适用边界。读完本文你将掌握如何安装、触发并复刻这套提问—澄清—成稿—落剪贴板的提示词精炼闭环。一、技能定位只精炼提示词绝不写代码在 SKILL.md 的开头技能对自身的角色约束写得非常明确You are an AI assistant designed to help users create high-quality, detailed task prompts.DO NOT WRITE ANY CODE.这是一条硬性边界boost-prompt的产出是任务提示词本身而不是代码实现。它扮演的是提示词顾问/精炼器的角色帮助用户把意图表达清楚至于最终由谁哪个 Agent 或哪款工具去执行这份提示词不在本技能职责范围内。在仓库的 docs/README.skills.md 中该技能被登记为Interactive prompt refinement workflow: interrogates scope, deliverables, constraints; copies final markdown to clipboard; never writes code.Requires the Joyride extension.这一句话点出了技能的全部关键要素交互式通过提问与用户协作而不是一次性输出盘问三大要素范围scope、交付物deliverables、约束constraints落剪贴板最终提示词以 Markdown 形式写入系统剪贴板不写代码与上面 SKILL.md 中的硬性规定呼应依赖 Joyride 扩展这是该技能能否运行的硬前提。二、安装与触发方式boost-prompt属于 Agent Skills遵循仓库统一的技能管理方式。根据 docs/README.skills.md 的说明安装方式有两种方式一使用 GitHub CLI 安装推荐要求 GitHub CLI v2.90.0gh skills install github/awesome-copilot boost-prompt方式二手动复制技能目录将skills/boost-prompt/文件夹整体复制到本地技能目录即可该技能当前无捆绑资源目录内仅含SKILL.md一个文件。安装后既可以在提示词中显式引用该技能也可以让 Agent 在检测到用户想改进/精炼一段提示词的意图时自动加载。SKILL.md 的 frontmatter 中description字段Interactive prompt refinement workflow...正是用于帮助 Agent 判断何时触发该技能的描述信息。注意本技能依赖 Joyride 扩展未安装该扩展时技能内的剪贴板写入代码将无法执行请在使用前先安装并启用 Joyride。三、核心工作流迭代式精炼技能的总体目标描述为iteratively refine the users prompt迭代精炼用户的提示词。这意味着它不是一次问答就结束而是通过多轮交互逐步逼近一份高质量的提示词。3.1 五个精炼维度SKILL.md 明确列出了精炼过程需要覆盖的维度维度说明理解任务范围与目标先弄清用户到底想做什么、任务边界在哪里定义预期交付物与成功标准明确做完长什么样以及怎样算成功澄清技术与流程要求涉及技术选型、执行流程、环境等细节的确认组织提示词结构把信息组织成清晰的章节或步骤保证提示词易于理解与执行最终文本应让任何读取者包括其他 Agent都能无歧义地照做3.2 澄清的关键工具joyride_request_human_input技能特别强调了一个工具调用规则At all times when you need clarification on details, ask specific questions to the user using thejoyride_request_human_inputtool.即任何时候需要澄清细节都应当通过joyride_request_human_input向用户提出具体问题而不是凭空猜测。这一点与仓库中同族的 first-ask 技能 完全一致——后者同样将joyride_request_human_input视为收集任务信息的关键手段见 skills/first-ask/SKILL.md。区别在于first-ask精炼完任务理解后直接执行任务Then get to work!boost-prompt精炼完成后产出提示词本身并交给用户去使用永不进入编码阶段。3.3 项目探索用工具加深理解除了向用户提问技能还允许并鼓励在必要时使用可用工具对项目进行探索Perform project explorations, using available tools, to further your understanding of the task也就是说如果任务与某个代码库相关Agent 可以查阅项目结构、源码或配置来加深对任务上下文的理解从而提出更精准的澄清问题、写出更贴合实际的提示词。3.4 收尾三连成稿 → 剪贴板 → 征求修改信息收集充分后执行以下步骤产出精炼后的提示词Markdown 格式使用 Joyride 将 Markdown 写入系统剪贴板同时在聊天中完整输出这份提示词向用户宣布提示词已就绪在剪贴板并询问是否需要任何修改或补充用户提出修订意见后重复复制 聊天输出 再询问的循环直到用户满意。四、剪贴板写入Joyride 的 Clojure 代码解析这是本技能最具实操价值的部分——它给出了可直接复制的 Joyride 剪贴板写入代码(require [vscode :as vscode]) (vscode/env.clipboard.writeText your-markdown-text-here)4.1 代码逐行拆解(require [vscode :as vscode])以命名空间别名vscode引入 VS Code 的 API 模块。这与 instructions/joyride-user-project.instructions.md 中描述的 VS Code API 访问模式完全一致——Joyride 运行在 VS Code 的 Extension Host 中通过 SCISmall Clojure Interpreter执行 ClojureScript可以全量访问 VS Code API。(vscode/env.clipboard.writeText ...)调用剪贴板环境的writeText方法将字符串写入系统剪贴板。实际使用时需要把your-markdown-text-here替换为精炼后的提示词全文。4.2 底层运行原理Joyride 与 REPL理解这段代码背后的机制有助于你在自己的自动化脚本中复用 JoyrideJoyride 是 VS Code 的用户空间自动化工具使用 ClojureScript 编写脚本代码在Extension Host中运行因此可以调用完整的 VS Code API编辑器、剪贴板、命令、WebView 等Joyride 提供REPL支持交互式编程先在 REPL 中逐段验证小表达式再组合成完整解决方案见 instructions/joyride-user-project.instructions.md 对 REPL 驱动开发的哲学阐述joyride_request_human_input这一 MCP 风格工具正是建立在 Joyride 与宿主 IDE 通信能力之上的它让 Agent 可以在对话中向用户发起结构化提问并等待真实的人工输入返回。五、与同族技能及仓库生态的关系5.1 与 first-ask 的对比对比项boost-promptfirst-ask依赖Joyride 扩展Joyride 扩展核心工具joyride_request_human_inputjoyride_request_human_input精炼对象用户的任务提示词对任务的理解最终产出一份改进后的 Markdown 提示词进剪贴板确认理解后直接执行任务是否写代码永不依任务而定二者可以组合使用先用boost-prompt打磨出一份高质量提示词再让某个执行型 Agent 依据这份提示词配合first-ask的思路去落实任务。5.2 在 awesome-copilot 中的定位awesome-copilot 是一个汇集了 Agents、Instructions、Skills、Hooks、Workflows、Plugins 的社区资源仓库见 README.md。boost-prompt属于Skills分类自带SKILL.md指令文件、遵循 Agent Skills 规范、按需加载与其定位相近的还有skills/prompt-optimizer/SKILL.md面向任意 LLM 聊天界面的提示词打磨skills/first-ask/SKILL.md交互式任务澄清后再执行skills/finalize-agent-prompt/SKILL.md以 Agent 角色润色最终提示词。boost-prompt的差异化价值在于它是唯一把交互式提问澄清与Joyride 剪贴板落地绑定在一起的技能产出即所得用户拿到提示词后可以直接粘贴到任意目标环境中使用。六、适用场景与使用建议结合 SKILL.md 的定位以下场景适合使用boost-prompt你只有一个模糊的想法或半成品描述希望交给 AI 时能得到高质量执行需要先把提示词打磨清楚你要写一份给其他 Agent 或同事执行的任务说明希望结构清晰、含范围/交付物/成功标准/约束你希望最终提示词能一键复制到剪贴板避免手动复制粘贴的麻烦。使用建议确保已安装 Joyride 扩展否则剪贴板写入步骤无法工作耐心参与多轮提问回答越具体最终提示词越精准最终提示词同时会出现在聊天中可以在确认剪贴板版本无误后再去其他环境使用若要修改直接在对话中提出技能会重复复制 输出 询问直到你满意。七、小结boost-prompt用一份极简的SKILL.md定义了完整的提示词精炼工作流以joyride_request_human_input驱动交互式澄清以项目探索补足上下文最终通过 Joyride 的(vscode/env.clipboard.writeText ...)把 Markdown 提示词送入剪贴板并坚持绝不写代码的角色边界。理解它你就掌握了一种可复用的人机协作精炼提示词范式——这份 Clojure 剪贴板片段与提问循环同样可以迁移到你自己的 Joyride 自动化脚本中。【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 awesome-copilot 的 boost-prompt 技能：用 Joyride 驱动的交互式提示词精炼工作流
awesome-copilot 的 boost-prompt 技能用 Joyride 驱动的交互式提示词精炼工作流【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot导读boost-prompt是 awesome-copilot 仓库中一个面向提示词工程的 Agent Skill它的核心使命是把用户一句粗糙的任务描述通过一轮又一轮的定向提问与项目探查精炼成一份结构清晰、可直接复用、高质量的任务提示词Markdown。本文基于 skills/boost-prompt/SKILL.md 完整讲解该技能的目标、工作流程、与 Joyride 扩展的协作方式、剪贴板写入的 Clojure 代码并结合仓库中 Joyride 用户项目助手指令 与同族的 first-ask 技能 说明其底层原理与适用边界。读完本文你将掌握如何安装、触发并复刻这套提问—澄清—成稿—落剪贴板的提示词精炼闭环。一、技能定位只精炼提示词绝不写代码在 SKILL.md 的开头技能对自身的角色约束写得非常明确You are an AI assistant designed to help users create high-quality, detailed task prompts.DO NOT WRITE ANY CODE.这是一条硬性边界boost-prompt的产出是任务提示词本身而不是代码实现。它扮演的是提示词顾问/精炼器的角色帮助用户把意图表达清楚至于最终由谁哪个 Agent 或哪款工具去执行这份提示词不在本技能职责范围内。在仓库的 docs/README.skills.md 中该技能被登记为Interactive prompt refinement workflow: interrogates scope, deliverables, constraints; copies final markdown to clipboard; never writes code.Requires the Joyride extension.这一句话点出了技能的全部关键要素交互式通过提问与用户协作而不是一次性输出盘问三大要素范围scope、交付物deliverables、约束constraints落剪贴板最终提示词以 Markdown 形式写入系统剪贴板不写代码与上面 SKILL.md 中的硬性规定呼应依赖 Joyride 扩展这是该技能能否运行的硬前提。二、安装与触发方式boost-prompt属于 Agent Skills遵循仓库统一的技能管理方式。根据 docs/README.skills.md 的说明安装方式有两种方式一使用 GitHub CLI 安装推荐要求 GitHub CLI v2.90.0gh skills install github/awesome-copilot boost-prompt方式二手动复制技能目录将skills/boost-prompt/文件夹整体复制到本地技能目录即可该技能当前无捆绑资源目录内仅含SKILL.md一个文件。安装后既可以在提示词中显式引用该技能也可以让 Agent 在检测到用户想改进/精炼一段提示词的意图时自动加载。SKILL.md 的 frontmatter 中description字段Interactive prompt refinement workflow...正是用于帮助 Agent 判断何时触发该技能的描述信息。注意本技能依赖 Joyride 扩展未安装该扩展时技能内的剪贴板写入代码将无法执行请在使用前先安装并启用 Joyride。三、核心工作流迭代式精炼技能的总体目标描述为iteratively refine the users prompt迭代精炼用户的提示词。这意味着它不是一次问答就结束而是通过多轮交互逐步逼近一份高质量的提示词。3.1 五个精炼维度SKILL.md 明确列出了精炼过程需要覆盖的维度维度说明理解任务范围与目标先弄清用户到底想做什么、任务边界在哪里定义预期交付物与成功标准明确做完长什么样以及怎样算成功澄清技术与流程要求涉及技术选型、执行流程、环境等细节的确认组织提示词结构把信息组织成清晰的章节或步骤保证提示词易于理解与执行最终文本应让任何读取者包括其他 Agent都能无歧义地照做3.2 澄清的关键工具joyride_request_human_input技能特别强调了一个工具调用规则At all times when you need clarification on details, ask specific questions to the user using thejoyride_request_human_inputtool.即任何时候需要澄清细节都应当通过joyride_request_human_input向用户提出具体问题而不是凭空猜测。这一点与仓库中同族的 first-ask 技能 完全一致——后者同样将joyride_request_human_input视为收集任务信息的关键手段见 skills/first-ask/SKILL.md。区别在于first-ask精炼完任务理解后直接执行任务Then get to work!boost-prompt精炼完成后产出提示词本身并交给用户去使用永不进入编码阶段。3.3 项目探索用工具加深理解除了向用户提问技能还允许并鼓励在必要时使用可用工具对项目进行探索Perform project explorations, using available tools, to further your understanding of the task也就是说如果任务与某个代码库相关Agent 可以查阅项目结构、源码或配置来加深对任务上下文的理解从而提出更精准的澄清问题、写出更贴合实际的提示词。3.4 收尾三连成稿 → 剪贴板 → 征求修改信息收集充分后执行以下步骤产出精炼后的提示词Markdown 格式使用 Joyride 将 Markdown 写入系统剪贴板同时在聊天中完整输出这份提示词向用户宣布提示词已就绪在剪贴板并询问是否需要任何修改或补充用户提出修订意见后重复复制 聊天输出 再询问的循环直到用户满意。四、剪贴板写入Joyride 的 Clojure 代码解析这是本技能最具实操价值的部分——它给出了可直接复制的 Joyride 剪贴板写入代码(require [vscode :as vscode]) (vscode/env.clipboard.writeText your-markdown-text-here)4.1 代码逐行拆解(require [vscode :as vscode])以命名空间别名vscode引入 VS Code 的 API 模块。这与 instructions/joyride-user-project.instructions.md 中描述的 VS Code API 访问模式完全一致——Joyride 运行在 VS Code 的 Extension Host 中通过 SCISmall Clojure Interpreter执行 ClojureScript可以全量访问 VS Code API。(vscode/env.clipboard.writeText ...)调用剪贴板环境的writeText方法将字符串写入系统剪贴板。实际使用时需要把your-markdown-text-here替换为精炼后的提示词全文。4.2 底层运行原理Joyride 与 REPL理解这段代码背后的机制有助于你在自己的自动化脚本中复用 JoyrideJoyride 是 VS Code 的用户空间自动化工具使用 ClojureScript 编写脚本代码在Extension Host中运行因此可以调用完整的 VS Code API编辑器、剪贴板、命令、WebView 等Joyride 提供REPL支持交互式编程先在 REPL 中逐段验证小表达式再组合成完整解决方案见 instructions/joyride-user-project.instructions.md 对 REPL 驱动开发的哲学阐述joyride_request_human_input这一 MCP 风格工具正是建立在 Joyride 与宿主 IDE 通信能力之上的它让 Agent 可以在对话中向用户发起结构化提问并等待真实的人工输入返回。五、与同族技能及仓库生态的关系5.1 与 first-ask 的对比对比项boost-promptfirst-ask依赖Joyride 扩展Joyride 扩展核心工具joyride_request_human_inputjoyride_request_human_input精炼对象用户的任务提示词对任务的理解最终产出一份改进后的 Markdown 提示词进剪贴板确认理解后直接执行任务是否写代码永不依任务而定二者可以组合使用先用boost-prompt打磨出一份高质量提示词再让某个执行型 Agent 依据这份提示词配合first-ask的思路去落实任务。5.2 在 awesome-copilot 中的定位awesome-copilot 是一个汇集了 Agents、Instructions、Skills、Hooks、Workflows、Plugins 的社区资源仓库见 README.md。boost-prompt属于Skills分类自带SKILL.md指令文件、遵循 Agent Skills 规范、按需加载与其定位相近的还有skills/prompt-optimizer/SKILL.md面向任意 LLM 聊天界面的提示词打磨skills/first-ask/SKILL.md交互式任务澄清后再执行skills/finalize-agent-prompt/SKILL.md以 Agent 角色润色最终提示词。boost-prompt的差异化价值在于它是唯一把交互式提问澄清与Joyride 剪贴板落地绑定在一起的技能产出即所得用户拿到提示词后可以直接粘贴到任意目标环境中使用。六、适用场景与使用建议结合 SKILL.md 的定位以下场景适合使用boost-prompt你只有一个模糊的想法或半成品描述希望交给 AI 时能得到高质量执行需要先把提示词打磨清楚你要写一份给其他 Agent 或同事执行的任务说明希望结构清晰、含范围/交付物/成功标准/约束你希望最终提示词能一键复制到剪贴板避免手动复制粘贴的麻烦。使用建议确保已安装 Joyride 扩展否则剪贴板写入步骤无法工作耐心参与多轮提问回答越具体最终提示词越精准最终提示词同时会出现在聊天中可以在确认剪贴板版本无误后再去其他环境使用若要修改直接在对话中提出技能会重复复制 输出 询问直到你满意。七、小结boost-prompt用一份极简的SKILL.md定义了完整的提示词精炼工作流以joyride_request_human_input驱动交互式澄清以项目探索补足上下文最终通过 Joyride 的(vscode/env.clipboard.writeText ...)把 Markdown 提示词送入剪贴板并坚持绝不写代码的角色边界。理解它你就掌握了一种可复用的人机协作精炼提示词范式——这份 Clojure 剪贴板片段与提问循环同样可以迁移到你自己的 Joyride 自动化脚本中。【免费下载链接】awesome-copilotCommunity-contributed instructions, agents, skills, and configurations to help you make the most of GitHub Copilot.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-copilot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考