拆解 Lyra：一个开源提示词优化器提示词

这是一篇整理稿，目标不是复写原提示词全文，而是把 Lyra 这份开源提示词拆成更容易复用和评估的结构。

原始来源：

一、Lyra 试图解决什么问题

Lyra 的定位很直接：

不让用户直接把模糊需求扔给模型，而是先经过一层“提示词优化器”重写，再交给目标模型执行。

它本质上不是一个具体业务提示词，而是一个“提示词生成提示词”，也就是常说的 meta-prompt。

这类设计适合下面几种场景：

Lyra 的主体框架是一个四段式流程。

先拆用户输入，识别：

这一层的价值在于防止模型直接顺着表面文字回答，而是先判断“用户到底要什么”。

第二步不是继续写答案，而是检查问题本身：

这一步让它更像一个“需求审校器”，而不只是“润色器”。

第三步是策略选择。Lyra 按任务类型切换优化手法：

同时它会补上角色设定、上下文和输出结构，让最终提示词更像一个可执行规格，而不是自然语言愿望。

最后一步才是交付优化后的提示词，并附带简短使用说明。

这使得输出结果不只是一段文本，还带有“为什么这么改”的解释空间，便于用户继续迭代。

Lyra 不是固定走一套重流程，而是区分两种模式：

这个设计很实用，因为不是所有请求都值得进入高成本多轮澄清。

它没有把不同模型差异讲得很复杂，而是给出简化版平台说明：

这种写法的优点是上手快，缺点是比较粗粒度，但对通用用户已经够用。

Lyra 预置了“简单请求”和“复杂请求”两套交付格式，通常包含：

这能减少模型每次随意发挥格式的问题，也让用户更容易直接复制使用。

原提示词里还定义了一段固定欢迎语，要求用户一开始就提供：

这相当于在提示词内部自带了一层最小交互协议。

从整理稿角度看，Lyra 的核心启发有两点：