goals
✓通過過程目標（可控的行為指令）而不是結果目標（稀疏的最終結果需求）來優化提示。基於運動心理學薈萃分析，顯示過程目標 (d=1.36) 遠遠優於結果目標 (d=0.09)。在設計提示、優化 LLM 指導、實施 CoT/分解模式或構建自動提示優化管道時使用。實例化離散提示空間的替代損失範例。
SKILL.md
Process goals (controllable intermediate actions) provide dense feedback signals; outcome goals (end-result demands) provide sparse, delayed feedback. This asymmetry explains why behavioral prompting dominates direct output demands.
| Type | Effect Size | Prompt Analog | Signal Density | Failure Mode |
| Outcome | d=0.09 | "Give the correct answer" | Sparse | Hallucination, reward hacking | | Performance | d=0.44 | "Achieve high accuracy" | Proxy | Goodhart's Law misalignment | | Process | d=1.36 | "Think step-by-step" | Dense | Over-specification (rare) |
通過過程目標（可控的行為指令）而不是結果目標（稀疏的最終結果需求）來優化提示。基於運動心理學薈萃分析，顯示過程目標 (d=1.36) 遠遠優於結果目標 (d=0.09)。在設計提示、優化 LLM 指導、實施 CoT/分解模式或構建自動提示優化管道時使用。實例化離散提示空間的替代損失範例。 來源：zpankz/mcp-skillset。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/zpankz/mcp-skillset --skill goals- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 goals？
通過過程目標（可控的行為指令）而不是結果目標（稀疏的最終結果需求）來優化提示。基於運動心理學薈萃分析，顯示過程目標 (d=1.36) 遠遠優於結果目標 (d=0.09)。在設計提示、優化 LLM 指導、實施 CoT/分解模式或構建自動提示優化管道時使用。實例化離散提示空間的替代損失範例。 來源：zpankz/mcp-skillset。
如何安裝 goals？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/zpankz/mcp-skillset --skill goals 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/zpankz/mcp-skillset
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-01