用途：面向 LLM 应用设计、优化和评估提示词，覆盖新应用提示设计、现有提示优化、系统提示与结构化输出构建、提示评估测试以及模型/供应商迁移等场景。
主要能力：支持零样本、少样本、思维链（CoT）、ReAct、思维树、宪法 AI 等提示模式；可做迭代优化、A/B 测试与 token 压缩；构建评估指标与自动化测试套件；设计 JSON 模式、函数调用与结构化输出的 schema；设计人格与护栏类系统提示；并关注提示注入防御、温度调节与输出解析。
使用方式：按核心工作流推进——先明确任务、成功标准、约束与边界情况，再选择提示模式并写出清晰指令，随后用多样测试用例运行并量化评估，再根据失败案例迭代、降 token、提升可靠性，最后对提示做版本管理、记录行为并监控生产表现。文档按主题提供参考：提示模式（references/prompt-patterns.md）、优化（references/prompt-optimization.md）、评估（references/evaluation-frameworks.md）、结构化输出（references/structured-outputs.md）、系统提示（references/system-prompts.md）。交付时建议包含带角色、任务、约束、格式的最终提示，测试用例与评估结果，使用说明（温度、最大 token、模型版本），性能指标与基线对比，以及已知限制和边界情况。
限制与要求：不得未经系统评估就部署提示；少样本示例不得与指令矛盾；不能忽视模型特定能力与限制；必须测试空输入、异常格式等边界情况；调试时不应同时改动多处；不得在提示或示例中硬编码敏感数据；不能假设提示可完美跨模型迁移；需持续监控生产中的提示退化。资料未说明该技能的独立收费、价格与具体安装命令。