Add prompt-optimizer skill with 57 prompt frameworks

skills/prompt-optimizer/references/frameworks/26_Elicitation_Framework.md

@@ -0,0 +1,117 @@
+# Elicitation Framework
+
+## 网址
+https://juuzt.ai/knowledge-base/prompt-frameworks/the-elicitation-framework/
+
+## 应用场景
+- 需求收集和分析
+- 用户研究访谈
+- 产品发现过程
+- 项目范围定义
+- 问题诊断
+- 知识获取
+
+## 概述
+Elicitation框架是一种系统性地从用户、利益相关者或领域专家那里提取信息和需求的方法。该框架通过结构化的提问技术和交互方式，帮助发现隐藏的需求、澄清模糊的要求，并确保完整理解问题或项目的范围。
+
+## 框架构成
+
+| 组成部分 | 说明 |
+|---------|------|
+| 开放式问题 | 使用开放式问题鼓励详细回答 |
+| 探索性追问 | 深入挖掘初始回答背后的原因 |
+| 假设验证 | 通过假设性问题验证理解 |
+| 情景模拟 | 使用具体场景帮助表达需求 |
+| 确认总结 | 总结并确认收集的信息 |
+
+## 详细说明
+
+### 开放式问题
+使用"什么"、"如何"、"为什么"等开放式问题，鼓励受访者提供详细的回答而非简单的是/否。
+
+### 探索性追问
+对初始回答进行深入追问，了解背后的原因、动机和约束条件。
+
+### 假设验证
+提出假设性场景或解决方案，让受访者评论和纠正，以验证理解的准确性。
+
+### 情景模拟
+使用具体的使用场景或故事，帮助受访者更好地表达他们的需求和期望。
+
+### 确认总结
+定期总结已收集的信息，并向受访者确认理解的准确性。
+
+## 优点
+- **全面收集**: 系统性方法确保不遗漏重要信息
+- **深度挖掘**: 追问技术帮助发现隐藏需求
+- **减少误解**: 确认环节减少理解偏差
+- **建立信任**: 结构化过程展示专业性
+
+## 缺点
+- **耗时较长**: 完整的elicitation过程需要时间
+- **需要技巧**: 有效提问需要经验和技巧
+- **可能有偏见**: 提问方式可能影响回答
+
+## 最佳实践
+
+### 示例1：软件需求收集
+```
+开放式问题:
+- "请描述你目前如何完成这项任务？"
+- "在这个过程中，你遇到的最大挑战是什么？"
+- "理想情况下，你希望这个系统如何工作？"
+
+探索性追问:
+- "你刚才提到数据输入耗时，能具体说说吗？"
+- "这个问题多久发生一次？影响有多大？"
+- "除了你，还有谁受到这个问题的影响？"
+
+假设验证:
+- "如果我们提供自动数据导入功能，是否能解决这个问题？"
+- "假设系统可以实时同步，这对你的工作流程有什么影响？"
+
+情景模拟:
+- "假设一个新客户下单，请walk me through整个处理过程"
+- "如果订单量突然增加三倍，你们会如何应对？"
+
+确认总结:
+- "让我总结一下：你需要一个能够自动导入数据、支持实时同步、并能处理峰值流量的系统，对吗？"
+```
+
+### 示例2：用户研究访谈
+```
+开放式问题:
+- "请告诉我你最近一次使用这类产品的经历"
+- "在选择这类产品时，你最看重什么？"
+- "什么会让你停止使用一个产品？"
+
+探索性追问:
+- "你说界面很重要，能详细解释一下'好界面'对你意味着什么？"
+- "你提到价格因素，价格在你决策中占多大权重？"
+
+假设验证:
+- "如果我们推出一个功能更强但价格更高的版本，你会考虑吗？"
+- "假设我们提供30天免费试用，这会影响你的购买决定吗？"
+
+情景模拟:
+- "想象你正在赶一个紧急项目的截止日期，你会如何使用这个工具？"
+- "如果你需要与团队成员协作，你期望什么样的功能？"
+
+确认总结:
+- "基于我们的对话，你理想的产品应该是易用、价格合理、支持团队协作的工具。我理解对吗？"
+```
+
+### AI提示词应用
+```
+请使用Elicitation框架帮我深入了解用户需求。
+
+任务：[描述需要收集的需求]
+
+请：
+1. 生成5-7个开放式问题来了解用户当前状况和痛点
+2. 为每个问题准备2-3个追问选项
+3. 设计3个假设性场景来验证理解
+4. 创建一个确认总结的模板
+
+目标用户：[描述目标用户群体]
+```