Prompt Coach - Claude Code 提示词分析优化 Skill

本文介绍 Prompt Coach，一个用于 Claude Code 的 Skill，可以分析你的会话日志，提供关于编码模式、Token 使用、生产力和提示词质量的深度洞察。

项目简介

Prompt Coach 是由 hancengiz 开发的开源 Claude Code Skill，截至目前在 GitHub 上已获得 133 stars。该项目通过读取 ~/.claude/projects/*.jsonl 会话日志文件，帮助开发者：

• 提升提示词质量
• 查看真实改进示例
• 计算时间节省成本
• 获取可操作的提示词模板
• 优化工具使用效率
• 提升整体工作效率
• 发现高效工作时段
• 识别代码热点文件
• 减少上下文切换
• 从错误中学习

核心功能

Token 使用与成本追踪

提供详细的 Token 使用分解，包括输入 Token、输出 Token、缓存写入和缓存读取的精确成本计算。

增强型提示词质量分析

这是该 Skill 的核心功能，能够：

• 检测模糊提示词模式（缺少文件路径、错误详情、成功标准）
• 从你的日志中展示真实示例，包括 Claude 需要询问的内容
• 提供你实际编写的提示词的前后对比改进
• 计算模糊提示词的时间/迭代成本
• 按影响力排序提供可操作的模板
• 识别提示词中最常缺失的元素

工具使用模式分析

分析你使用最频繁和最少的工具，识别优化机会。例如，发现低 Grep 使用率时，建议尝试使用 Grep 进行多文件搜索，这比逐个读取文件快得多。

会话效率分析

追踪每个任务的平均迭代次数，帮助你了解任务复杂度。

生产力时间模式

分析你最高效的工作时段和日期，优化工作安排。

文件修改热力图

识别你最常编辑的文件，发现代码热点。

错误与恢复分析

追踪常见错误及其修复所需时间，帮助建立错误恢复模式。

项目切换分析

测量上下文切换的成本，帮助你减少不必要的项目跳转。

安装指南

快速安装（推荐）

cd ~/code/claude-code-prompt-coach-skill
./install.sh

安装脚本会自动：

• 创建 ~/.claude/skills/ 目录（如需要）
• 检查现有安装
• 将 Skill 复制到正确位置
• 验证安装完整性
• 显示后续步骤

安装完成后重启 Claude Code 即可使用。

手动安装

cp -r ~/code/claude-code-prompt-coach-skill ~/.claude/skills/prompt-coach

开发模式（符号链接）

ln -s ~/code/claude-code-prompt-coach-skill ~/.claude/skills/prompt-coach

使用符号链接可以在编辑 Skill.md 后立即生效（需重启 Claude Code）。

使用方法

重要提示：此 Skill 仅分析当前机器的日志，只能访问本地存储在 ~/.claude/projects/ 的 Claude Code 会话日志。

选项 1：分析所有项目

直接向 Claude 提出关于使用情况的自然语言问题：

"How much have I spent on tokens this month?"
"Analyze my prompt quality from last week"
"Which tools do I use most?"
"Show me my productivity patterns"
"What files do I edit most often?"
"When am I most efficient?"

Claude 会自动读取所有会话日志并提供详细分析。

选项 2：先列出项目再选择

如果你想查看有哪些项目日志并选择分析：

"List all projects with Claude Code logs"
"Show me which projects I've worked on"
"What projects do I have session logs for?"

Claude 会显示所有可用项目的详细信息（会话数、日期范围、大小），你可以选择要分析的项目。

选项 3：分析特定项目

如果你知道项目路径，可以只分析该项目：

"Analyze my prompt quality for the project under ~/code/youtube/transcript/mcp"
"Analyze my prompt quality for /Users/username/code/my-app and save it as report.md"
"Show me token usage for the project in ~/code/experiments"
"What tools do I use most in the ~/code/my-app project?"

这会仅分析该特定项目的日志，提供更有针对性的洞察。

示例输出

Token 使用分析示例

📊 Token Usage Analysis (Last 30 Days)
Input tokens: 450,000 ($1.35)
Output tokens: 125,000 ($1.88)
Cache writes: 200,000 ($0.75)
Cache reads: 1,500,000 ($0.45)
─────────────────
Total cost: $4.43
Cache savings: $4.05
Cache efficiency: 75% hit rate

💡 Tip: Your cache hit rate is excellent! You're saving ~$4/month by keeping focused sessions.

提示词质量分析示例

📝 Prompt Quality Analysis (Last 14 Days)
Total prompts: 145
Needed clarification: 51 (35%)
Average prompt score: 5.2/10 (Good, room for improvement)

🚩 Most Common Missing Elements:
1. File paths: Missing in 61 prompts (42%)
2. Error details: Missing in 34 prompts (23%)
3. Success criteria: Missing in 43 prompts (30%)
4. Specific approach: Missing in 28 prompts (19%)

🔴 Real Examples from Your Logs:

**Example 1: Missing File Context**
❌ Your prompt: "fix the bug"
🤔 Claude asked: "Which file has the bug? What's the error message or symptom?"
✅ Better prompt: "fix the authentication bug in src/auth/login.ts where JWT validation fails with 401 error"
📉 Cost: +2 minutes, +1 iteration

📉 Impact Analysis:
- 51 prompts needed clarification
- Average time lost per clarification: 2.8 minutes
- Total time lost to vague prompts: ~2.4 hours
- **Potential time savings: ~1.2 hours by improving top 25 vague prompts**

🎯 Your Top 3 Improvements (Maximum Impact):

**1. Always Include File Paths (42% of clarifications)**
Template: "[action] in [file path] [details]"
💰 Impact: Would eliminate ~21 clarifications (~1 hour saved)

**2. Provide Error Details When Debugging (23% of clarifications)**
Template: "fix [error message] in [file] - expected [X], getting [Y]"
💰 Impact: Would eliminate ~12 clarifications (~25 min saved)

**3. Define Success Criteria for Vague Actions (30% of clarifications)**
Instead of: "optimize", "improve", "make better"
Use: "[action] to achieve [specific measurable outcome]"
💰 Impact: Would eliminate ~15 clarifications (~40 min saved)

技术实现

工作原理

该 Skill 为 Claude 提供：

• Anthropic 官方文档的提示工程最佳实践
• 日志存储位置知识（~/.claude/projects/）
• JSONL 日志格式理解
• 提示词质量评分系统（清晰度、具体性、可操作性、范围）
• 查找模式（工具使用、Token、时间戳等）
• 指标计算方法
• 洞察展示模板

Claude 然后使用内置工具（Read、Bash、Grep）来：

• 查找并读取日志文件
• 解析 JSON 数据
• 根据官方最佳实践评分提示词
• 计算指标
• 生成个性化、可操作的洞察

无需外部依赖、无需安装、数据不会离开你的机器。

提示工程知识

该 Skill 基于官方 Claude 提示工程指南训练，包括：

黄金法则：

"Show your prompt to a colleague with minimal context. If they're confused, Claude will likely be too."

提示工程层次结构（最有效的方法）：

1. ⭐ 清晰直接 - 最有效
2. 使用示例（多轮） - 展示期望输出
3. 让 Claude 思考 - 思维链推理
4. 使用 XML 标签 - 结构化清晰
5. 给 Claude 设定角色 - 设置上下文
6. 预填充响应 - 引导输出格式
7. 链式复杂提示词 - 分解为步骤

Skill 设计：提示工程实践

Skill.md 文件本身就是提示工程的杰作，践行了它所教授的内容。以下是它的构建方式：

应用的核心技术

1. 清晰的角色定义（系统提示）

   • 将 Claude 确立为"AI 原生工程专家和提示工程专家"
   • 预先定义领域专业知识
   • 为行为和知识设定清晰期望

2. 层次结构与组织

   • Markdown 标题创建清晰的信息层次
   • 每个分析任务的编号分步说明
   • 视觉指示器（表情符号、ASCII 艺术）用于快速模式识别
   • 从通用概念到具体实现的逻辑流程

3. 丰富的示例（多轮提示）

   • 每种分析类型的完整示例输出
   • 好提示与坏提示的前后对比
   • 带有上下文感知评分的真实场景
   • 可重用提示结构的模板模式

4. 分步说明（思维链）

   • 每个分析任务包含 5-10 个明确步骤
   • 从数据收集到洞察生成的顺序推理
   • 清晰的决策树
   • 主观评估的系统方法

5. 具体性与可操作性

   • 精确文件路径：~/.claude/projects/*.jsonl
   • 精确的 JSON 字段名：usage.input_tokens, message.content
   • 当前定价数据：$3 每 1M 输入 Token
   • 特定检测模式："Could you clarify", "Which file"
   • 具体评分标准：清晰度 (0-10)、具体性 (0-10)

6. 成功标准定义

   • 明确的评分指南（8-10 = 优秀，5-7 = 良好等）
   • 分数实际含义的示例
   • 清晰的评估指标（澄清率、迭代次数）
   • 量化结果（节省时间、效率提升）

7. 边缘情况与错误处理

   • 明确的限制部分（什么不能被分析）
   • 带条件逻辑的上下文感知分析
   • 隐私考虑和解析保护
   • 处理模糊或简短提示词时的环境上下文

8. 模板与可重用模式

   • 提示词模板："[action] in [file path] [details]"
   • 错误报告模板："fix [error message] in [file] - expected [X], getting [Y]"
   • 成功标准模板："[action] to achieve [specific measurable outcome]"
   • 分析输出格式模板保持一致性

9. 对比分析（好与坏）

   • 有效与无效方法的系统对比
   • 上下文丰富的简短提示词 vs 上下文贫乏的模糊提示词
   • 视觉标记（✅/❌）实现即时清晰
   • 每个示例有效或失败的原因解释

10. 元指令与关键洞察

    • "理解提示词质量中的上下文"部分教授分析方法
    • 质量的两个维度：显式信息 + 隐式上下文
    • 不同类型上下文的识别模式（git、文件、对话）
    • 关于何时简洁是好的、何时是问题的细微指导

隐私说明

• 所有分析都在本地进行 - 数据不会离开你的机器
• 仅读取本地存储的 Claude Code 日志
• 不连接任何外部服务
• 不发送任何数据到第三方

项目链接

• GitHub 仓库：https://github.com/hancengiz/claude-code-prompt-coach-skill
• 详细介绍文章：https://www.cengizhan.com/p/claude-code-prompt-coach-skill-to

总结

Prompt Coach 是一个强大的 Claude Code Skill，通过分析你的实际使用数据，提供个性化的提示词改进建议。它不仅能帮你节省时间和 Token 成本，更能从根本上提升你与 AI 协作的效率。对于希望优化 Claude Code 使用体验的开发者来说，这是一个不可或缺的工具。