goals
✓通过过程目标（可控的行为指令）而不是结果目标（稀疏的最终结果需求）来优化提示。基于运动心理学荟萃分析，显示过程目标 (d=1.36) 远远优于结果目标 (d=0.09)。在设计提示、优化 LLM 指导、实施 CoT/分解模式或构建自动提示优化管道时使用。实例化离散提示空间的替代损失范例。
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) |
通过过程目标（可控的行为指令）而不是结果目标（稀疏的最终结果需求）来优化提示。基于运动心理学荟萃分析，显示过程目标 (d=1.36) 远远优于结果目标 (d=0.09)。在设计提示、优化 LLM 指导、实施 CoT/分解模式或构建自动提示优化管道时使用。实例化离散提示空间的替代损失范例。 来源：zpankz/mcp-skillset。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/zpankz/mcp-skillset --skill goals- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-01
- 更新时间
- 2026-02-18
快速解答
什么是 goals？
通过过程目标（可控的行为指令）而不是结果目标（稀疏的最终结果需求）来优化提示。基于运动心理学荟萃分析，显示过程目标 (d=1.36) 远远优于结果目标 (d=0.09)。在设计提示、优化 LLM 指导、实施 CoT/分解模式或构建自动提示优化管道时使用。实例化离散提示空间的替代损失范例。 来源：zpankz/mcp-skillset。
如何安装 goals？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/zpankz/mcp-skillset --skill goals 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/zpankz/mcp-skillset
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-01