用途：为 LLM 应用设计并优化提示词，用成熟模式替代反复试错，提升输出准确性与一致性，降低成本并支持生产部署。
主要能力：涵盖零样本、少样本、思维链、结构化输出（JSON 模式与工具调用）、系统提示与角色设定、工具使用与函数调用、提示链与组合、RAG 等模式，并提供按任务选择技术的决策框架。
使用方式：按任务需求选择模式，例如需要结构化 JSON 用 JSON 模式或工具调用，复杂推理用思维链，特定格式用少样本，文档问答用 RAG，多步流程用提示链。资料给出 Python 与 TypeScript 示例，涉及 OpenAI、Anthropic、Vercel AI SDK、LangChain、LlamaIndex、DSPy 等库及安装命令，如 pip install langchain langchain-openai langchain-anthropic、npm install ai @ai-sdk/openai @ai-sdk/anthropic。
适用场景：构建需稳定输出的 LLM 应用、从自然语言提取结构化数据、多步推理、AI 智能体、跨模型迁移提示词、提示词版本管理与测试。
限制：资料未提供具体收费、价格与效果数据；不同模型提示风格存在差异，需按提供商调整；系统提示影响全局需充分测试；需防范提示注入并校验结构化输出。