Une collection complète de meilleures pratiques pour évaluer et améliorer la qualité des prompts pour les agents IA. Elle systématise les connaissances acquises lors de processus d'amélioration de prompts réels, couvrant tous les aspects importants comme l'élimination d'ambiguïtés, l'intégration d'informations, le renforcement d'application, les systèmes de suivi et l'amélioration continue.
Evaluates and improves AI agent prompts using a comprehensive 6-category quality scoring system.
/plugin marketplace add wasabeef/claude-code-cookbook/plugin install cook-fr@claude-code-cookbookUne collection complète de meilleures pratiques pour évaluer et améliorer la qualité des prompts pour les agents IA. Elle systématise les connaissances acquises lors de processus d'amélioration de prompts réels, couvrant tous les aspects importants comme l'élimination d'ambiguïtés, l'intégration d'informations, le renforcement d'application, les systèmes de suivi et l'amélioration continue.
# Vérifier la qualité d'un fichier prompt
cat your-prompt.md
/check-prompt
"Check the quality of this prompt and suggest improvements"
--category <name> : Vérifier seulement une catégorie spécifique (structure/execution/restrictions/quality/roles/improvement)--score : Calculer seulement le score de qualité--fix : Suggérer automatiquement des corrections pour les problèmes détectés--deep : Mode d'analyse approfondie (focus sur l'ambiguïté, la dispersion d'informations et l'application)# Évaluer la qualité globale du prompt
cat devin/playbooks/code-review.md
/check-prompt
"Evaluate this prompt across 6 categories and suggest improvements"
# Mode d'analyse approfondie
/check-prompt --deep
"Focus on checking ambiguity, information dispersion, and lack of enforcement to suggest fundamental improvements"
# Vérifier une catégorie spécifique
/check-prompt --category structure
"Check this prompt from the perspective of structure and clarity"
# Détecter et corriger les expressions ambiguës
/check-prompt --fix
"Detect ambiguous expressions and suggest corrections for clarity"
# ❌ Avant amélioration (Ambigu)
"Les commentaires doivent être, en principe, écrits comme commentaires inline aux points de changement correspondants sur GitHub"
# ✅ Après amélioration (Clair)
"Les commentaires doivent être écrits comme commentaires inline aux points de changement correspondants sur GitHub. Les exceptions sont seulement les 3 conditions définies en section 3.3"
# ❌ Avant amélioration (Dispersé)
Section 2.1 : "Utiliser 6 sections obligatoires"
Section 3.5 : "📊 Évaluation complète, 📋 Commentaires..."
Section 4.2 : "Interdiction de suppression de section"
# ✅ Après amélioration (Intégré)
Liste de contrôle d'exécution :
□ 10. Poster commentaire résumé (utilisant 6 sections obligatoires)
🔴 6 sections obligatoires : 1) 📊 Évaluation complète 2) 📋 Classification des commentaires 3) ⚠️ Principales préoccupations 4) ✅ Points évaluables 5) 🎯 Conclusion 6) 🤖 Auto-évaluation de qualité de revue IA
❌ Absolument interdit : Suppression, ajout, changement de nom de section
# Suivi strict des résultats d'exécution
POSTED_COMMENTS=0
FAILED_COMMENTS=0
TOTAL_COMMENTS=0
# Enregistrer résultats de chaque opération
if [ $? -eq 0 ]; then
echo "✅ Succès : $OPERATION" >> /tmp/execution_log.txt
POSTED_COMMENTS=$((POSTED_COMMENTS + 1))
else
echo "❌ Échec : $OPERATION" >> /tmp/execution_log.txt
FAILED_COMMENTS=$((FAILED_COMMENTS + 1))
fi
# Prévenir faux rapports
if [ $POSTED_COMMENTS -ne $REPORTED_COMMENTS ]; then
echo "🚨 Avertissement : Désaccord entre commentaires rapportés et postés réellement"
exit 1
fi
Score de base = Σ(score catégorie × poids) / 100
Pénalités problèmes fatals :
- Problème Niveau 1 : -20 points par cas
- Problème Niveau 2 : -10 points par cas
- Problème Niveau 3 : -5 points par cas
Éléments bonus :
- Support automatisation : +5 points
- Implémentation fonction apprentissage : +5 points
- Cas d'amélioration éprouvés : +5 points
Score final = Score de base + Bonus - Pénalités
95-100 points : Standard mondial le plus élevé (Recommandé comme standard industrie)
90-94 points : Excellent (Prêt pour production)
80-89 points : Bon (Prêt pour opération avec améliorations mineures)
70-79 points : Moyen (Nécessite améliorations)
60-69 points : Nécessite améliorations (Requiert corrections significatives)
50-59 points : Nécessite corrections majeures (Requiert révision fondamentale)
49 points ou moins : Interdit d'usage (Requiert refonte complète)
Score de qualité : 70/100 points
- Expressions ambiguës : 15 détectées
- Dispersion d'informations : Informations importantes dispersées dans 6 endroits
- Manque d'application : 80% des expressions au niveau recommandé
- Fonction de suivi : Aucun enregistrement de résultats d'exécution
- Gestion d'erreurs : Contremesures peu claires pour les échecs
# 1. Élimination d'ambiguïté (2 jours)
- "En principe" → "Exceptions sont seulement les 3 conditions en section 3.3"
- "Recommandé" → "Obligatoire" (pour niveau d'importance 2 et plus)
- "Selon approprié" → Indication explicite de critères de jugement spécifiques
# 2. Intégration d'informations (1 jour)
- Informations 6 sections obligatoires dispersées → Intégrées dans liste de contrôle d'exécution
- Éléments interdits liés → Agrégés dans une section
- Élimination références circulaires → Flux d'informations linéaire
# 3. Implémentation système de suivi (1 jour)
- Enregistrement automatique de journaux des résultats d'exécution
- Fonction de vérification pour prévenir faux rapports
- Affichage de statistiques en temps réel
# 4. Amélioration gestion d'erreurs (Demi-journée)
- Catalogage complet des motifs d'erreur attendus
- Documentation des processus de gestion étape par étape
- Implémentation de fonctions de récupération automatique
Score de qualité : 90/100 points (+20 points d'amélioration)
- Expressions ambiguës : 0 (complètement éliminées)
- Intégration d'informations : Informations importantes agrégées dans 3 endroits
- Application : 95% des expressions au niveau obligatoire
- Fonction de suivi : Entièrement automatisée
- Gestion d'erreurs : 90% des problèmes résolus automatiquement
Effets d'amélioration réels :
- Erreurs d'évaluation : 85% de réduction
- Temps d'exécution : 40% de réduction
- Taux d'occurrence d'erreurs : 70% de réduction
- Satisfaction utilisateur : 95% d'amélioration
# Vérification qualité combinée avec fichier prompt
cat your-prompt.md
/check-prompt
"Evaluate the quality of this prompt and suggest improvements"
# Comparaison de plusieurs fichiers prompt
cat prompt-v1.md && echo "---" && cat prompt-v2.md
/check-prompt
"Compare the two versions and analyze improved points and remaining issues"
# Analyse combinée avec journaux d'erreur réels
cat execution-errors.log
/check-prompt --deep
"Identify potential prompt issues that may have caused this error"
Cette liste de contrôle est une version complète de connaissances éprouvées dans des projets d'amélioration de prompts réels et continue d'évoluer.
/check-promptAI Agent 提示詞質量評估與改進的全面最佳實践集。基于實際提示詞改進過程中积累的經驗,系統化地涵蓋了消除歧義、資訊整合、強制力強化、追蹤系統、持續改進等所有重要方面。
/check-promptColeção abrangente de melhores práticas para avaliar e melhorar a qualidade de prompts para AI Agent. Sistematiza conhecimentos obtidos através de processos reais de melhoria de prompts, cobrindo todos os aspectos importantes: eliminação de ambiguidade, integração de informações, reforço de obrigatoriedade, sistema de rastreamento e melhoria contínua.
/check-promptAI Agent 提示词质量评估与改进的全面最佳实践集。基于实际提示词改进过程中积累的经验,系统化地涵盖了消除歧义、信息整合、强制力强化、追踪系统、持续改进等所有重要方面。
/check-promptA comprehensive collection of best practices for evaluating and improving the quality of prompts for AI Agents. It systematizes knowledge gained from actual prompt improvement processes, covering all important aspects such as ambiguity elimination, information integration, enforcement enhancement, tracking systems, and continuous improvement.
/check-promptUna colección comprensiva de mejores prácticas para evaluar y mejorar la calidad de prompts para Agentes AI. Sistematiza conocimiento obtenido de procesos reales de mejora de prompts, cubriendo aspectos importantes como eliminación de ambigüedad, integración de información, mejora de cumplimiento, sistemas de seguimiento y mejora continua.