2.1 研究现有技能系统#

首先探索了 Claude Code 的技能系统，发现：

• 技能存放在 .claude/skills/<skill-name>/ 目录下
• 每个技能需要一个 SKILL.md 文件，包含 YAML frontmatter 和 Markdown 指令
• 已有参考技能：playwright-cli

2.2 设计文档编写#

在 docs/superpowers/specs/2026-04-14-prompt-optimizer-design.md 中编写了详细的设计文档，内容包括：

2.3 实施计划编写#

在 docs/superpowers/plans/2026-04-14-prompt-optimizer-plan.md 中编写了分步实施计划，包含：

• Task 1: 创建技能目录
• Task 2: 编写 SKILL.md
• Task 3: 测试技能
• 自查清单: 规格覆盖检查、占位符扫描、类型一致性

3.1 实现流程图#

1
设计文档 → 实施计划 → 子代理实现 → 规格合规审查 → 代码质量审查 → 修复 → 再审查

3.2 任务执行详情#

4.1 第一轮优化 (11:31 - 11:34)#

代码质量审查发现的 3 个问题及修复：

额外改进：

• 新增默认行为：用户直接回车时默认使用 Level 2
• 新增取消选项 [4]：用户可随时退出优化流程

4.2 第二轮优化 (12:41 - 12:46)#

发现原有交互方式需要用户手动输入数字，体验不佳。改进为使用 AskUserQuestion 工具：

4.3 全局化部署 (12:50 - 12:51)#

5.1 文件位置#

5.2 工作流程#

1
用户输入: /opt <内容>
2
    │
3
    ▼
4
第零步: 边界处理（空输入 / 无效选项）
5
    │
6
    ▼
7
第一步: AskUserQuestion 选择优化级别
8
    ├── 轻度润色
9
    ├── 中度结构化（推荐）
10
    └── 深度工程化
11
    │
12
    ▼
13
第二步: 按级别优化
14
    │
15
    ▼ (仅中度/深度触发，轻度跳过)
16
第二步.5: 自动触发头脑风暴（调用 superpowers:brainstorming）
17
    │
18
    ▼
19
第三步: AskUserQuestion 选择下一步操作
20
    ├── 直接执行（先展示再执行）
21
    ├── 补充细节
22
    ├── 手动修改
23
    ├── 头脑风暴（调用 superpowers:brainstorming）
24
    └── 取消

5.3 三个优化级别#

6.1 Subagent-Driven Development 工作流的优势#

1. 质量保障：通过规格合规审查和代码质量审查两道关卡，确保实现与设计一致
2. 自动化：目录创建、文件编写、测试验证全部由子代理完成
3. 迭代改进：审查发现问题后自动修复并再次审查，形成闭环

6.2 技能编写要点#

1. YAML frontmatter 必须正确：name 和 description 字段决定技能是否能被系统识别和触发
2. 边界情况处理很重要：空输入、无效选项等场景需要明确定义
3. 交互体验优先：使用 AskUserQuestion 工具比让用户手动输入数字体验更好
4. 默认行为 + 取消选项：给用户提供合理的默认值和退出路径

6.3 目录组织#

• 项目级技能放在 .claude/skills/ 下，仅当前项目可用
• 全局技能放在 ~/.agents/skills/ 下，所有项目可用
• 通过软链可以让项目级技能指向全局技能，兼顾两者

8.1 头脑风暴集成方案调整 (2026-04-20)#

问题：最初尝试在 Level 2/3 优化时调用 brainstorming skill 来生成优化结果，但 brainstorming 本身是一个完整的工作流（头脑风暴 → 设计文档 → 自检 → 询问是否进入计划），会偏离 prompt-optimizer 的流程。

最终方案：在第三步确认选项中新增「头脑风暴」，让用户自己决定是否需要发散。

第三步选项更新：

实现方式：

1. 在第三步完成后，检查用户选择的优化级别
2. 若满足条件，使用 Skill 工具调用 superpowers:brainstorming
3. 将优化后的提示词作为 brainstorming 的输入上下文

修改内容：在 SKILL.md 的第三步与注意事项之间插入「第四步：自动触发头脑风暴（条件触发）」章节。