提示词实验：五个智能体未胜过单体

让五个 agent 合作写一条 prompt，效果会比一个更好吗？作者试了一轮，结果是：五个 agent 更贵、更慢，评分还略低。最后留下的方案，只有一个 skill 文件。

这次实验更有用的发现是：prompt 容易失效，往往因为业务规则没交代完整，而不只是措辞不够好。先问清身份核验、例外审批和恶意输入怎么处理，再起草、自查，比增加分工更值得优先尝试。不过，这些结果还不足以证明单 agent 在所有任务上都更好。

五个 agent 为什么没赢过一个

作者先测试了五 agent 流水线：每条 prompt 花费 3.81 至 5.52 USD，耗时 15 至 23 分钟。交给不知道方案来源的模型裁判评分，结果是：

方案	得分
五个 agent	7.75/10
单个 agent	7.83/10
写作者加独立红队	8.12/10

独立红队负责攻击草稿，寻找规则漏洞。它的评分最高，但在另一项测试中，作者预先植入了 108 个缺陷，让写作者检查自己的草稿，也全部找到了，与独立红队相同。因此，最终方案移除了独立红队。

负责联网查找最新指导的研究 agent 也被删掉了。不带它时，69% 的会话通过测试；带上它是 64%，移除后的成本降至一半或更低。

这轮实验支持的是先精简流程，再证明新增角色的价值。

但别把几个评分差距看得太重。原文说明，五 agent 设计对每种请求只跑了一次，没有给出足够的重复实验来证明这些方案存在稳定的优劣关系。

真正留下来的，是先问规则再写草稿

最终的 skill 按一个短流程工作：先提出几个带默认选项的问题，整理简短规格，再写草稿；随后分别从目标模型、粗心用户和恶意用户的角度检查草稿，修复发现的问题。

它关心的不是「语气再专业一点」，而是这些更容易影响执行结果的缺口：

• 客户需要怎样完成身份核验。
• 遇到例外时由谁批准。
• 输入要求忽略已有指令时应该怎么办。

这些问题会决定模型能做什么、遇到边界该停在哪里。没有写清楚，模型就可能自行补规则，甚至补出业务方不想要的要求。

精简后的单条 prompt 成本是 0.39 至 0.45 USD，耗时 71 至 104 秒，包含提问环节。作者据此称，按 API 价格计算，可以在两分钟内、不到半美元拿到可用的 prompt。

在 Claude 插件环境中，原文给出的安装命令是：

/plugin marketplace add HighMarck17/prompt-engineer
/plugin install prompt-engineer@prompt-engineer

第一行添加 marketplace，第二行安装插件，顺序要保留。原文还说明，claude.ai 用户可使用 latest release 中的 zip，项目采用 MIT 许可。

收益主要来自信息不完整的请求

作者用两个场景比较 skill 与不使用它的 Claude Opus 5.5：带订单工具的客服机器人，以及意大利语编辑助手。测试采用模拟用户的 agent 会话，覆盖 17 个任务场景，每个写作者在每个案例中生成 6 条 prompt。

只给 skill 一句话请求时，它相对拿到完整备注的 Claude 高出 18.6 个百分点，95% 区间为 6.9 至 30.4。主要原因是 Claude 生成的规则要求客户额外提供一份业务方并不需要的身份证明。如果明确要求 Claude 先提问，skill 的优势缩小到 6.3 个百分点，且差异不显著。

对植入的指令攻击，skill 生成的 prompt 没有让 agent 服从恶意指令；Claude 生成的 prompt 则分别在两组测试的 48 次中失守 9 次、46 次中失守 5 次。

另一组测试使用没看过 skill 的 agent 编写请求，覆盖十二类需求。当输入只有一到三句话时，skill 的通过率为 92%，未被要求先提问的 Claude 为 49%；输入完整时，两者分别为 96% 和 97%。

最明显的收益，是把简短需求补成可执行规则。

我的判断

我认同作者把注意力从「怎样写得像好 prompt」移到「还有哪些规则没说清」。尤其是客服和工具调用场景，多加一句身份核验要求，就可能改变用户完成任务的路径。

但这仍是一项范围有限的实验。评分者是模型；两个 agent 案例也参与了 skill 的开发；回答澄清问题的业务负责人是模拟的，真实用户未必回答得同样完整。原文指向 docs/evaluation.md，提供的方法说明没有在这里展开。

相比直接让 Claude「先澄清再起草」，这个 skill 是否仍有稳定优势，目前证据不充分：6.3 个百分点的差异不显著，完整需求下也没有领先。它更像把一套有效的提问和检查习惯固化下来，而不是证明某种复杂的 prompt 技术取得突破。

能拿来做什么

• 为带工具调用的客服助手写 prompt 时，先列清核验条件、例外审批人和恶意输入处理方式，再调整表达。
• 收到一两句话的 AI 需求时，可以先要求模型提出带默认选项的澄清问题，确认规则后再生成草稿。
• 在增加研究员、评审员或独立红队之前，先比较单 agent 自查的结果，并同时记录通过率、成本和耗时。
• 验证 prompt 时，把正常请求、粗心输入和恶意指令都放进测试；不要把这次有限测试中的零失守，当成安全保证。