用途
Prompt Engineer 是一个提示词工程技能，为设计、优化和评估大语言模型（LLM）的提示词提供专业能力。它专注于 Chain-of-Thought（思维链）、ReAct、few-shot（少样本学习）等提示技术，以及生产环境中的提示词管理与评估。
何时使用
适合在以下情况调用该技能：
- 为 LLM 应用设计提示词
- 优化提示词性能
- 实现 Chain-of-Thought 推理
- 创建 few-shot 示例
- 构建提示词模板
- 评估提示词有效性
- 在生产环境中管理提示词
- 通过提示词减少幻觉
不适合在以下情况调用：
- LLM 系统架构 → 使用 /llm-architect
- RAG 实现 → 使用 /ai-engineer
- NLP 模型训练 → 使用 /nlp-engineer
- 智能体性能监控 → 使用 /performance-monitor
决策框架
选择提示技术时可参考以下路径：
- 推理任务
- 分步推理 → Chain-of-Thought
- 工具使用 → ReAct
- 分类/抽取
- 类别清晰 → Zero-shot + 示例
- 复杂情况 → 带边界情况的 Few-shot
- 生成
- 结构化输出 → JSON 模式 + schema
- 一致性
- 系统提示词 + 温度调优
核心工作流
1. 提示词设计
- 清晰定义任务
- 选择提示技术
- 编写带上下文的系统提示词
- 如使用 few-shot，则添加示例
- 指定输出格式
- 用多样化输入进行测试
2. Chain-of-Thought 实现
- 识别推理需求
- 添加“Let's think step by step”或等效表述
- 提供推理示例
- 结构化预期的推理步骤
- 测试推理质量
- 针对步骤引导进行迭代
3. 提示词优化
- 建立基线指标
- 识别失败模式
- 调整指令以提升清晰度
- 添加/修改示例
- 调整输出约束
- 衡量改进效果
最佳实践
- 指令要具体、明确
- 使用结构化输出格式（JSON、XML）
- 为复杂任务加入示例
- 用边界情况和对抗性输入进行测试
- 对提示词进行版本控制
- 衡量并跟踪提示词性能
反模式
| 反模式 | 问题 | 正确做法 |
|---|---|---|
| 指令模糊 | 输出不一致 | 具体且明确 |
| 没有示例 | 复杂任务表现差 | 添加 few-shot 示例 |
| 输出非结构化 | 难以解析 | 清晰指定格式 |
| 没有测试 | 失败模式未知 | 用多样化输入测试 |
| 提示词写在代码里 | 难以迭代 | 分离提示词管理 |
适用场景与限制
该技能适用于提示词层面的设计、优化、评估与管理，包括推理任务、分类抽取、结构化生成和一致性控制。它不负责 LLM 系统架构、RAG 实现、NLP 模型训练或智能体性能监控，这些应使用对应的其他技能。关于该技能的具体安装方式、收费模式、支持平台等信息，资料中暂未提供。