用途：为任意 LLM 编写、优化和审查提示词，覆盖普通对话、智能体、批量流水线与 RAG 场景。
主要能力：用 XML 标签分离上下文、指令、示例与输出格式；用 output_spec 约束长度与结构；用 constraints 防止范围漂移；用 uncertainty_handling 处理歧义、减少编造；长上下文（>10k tokens）时加入重新锚定指令；智能体场景提供工具使用、进度更新与高风险输出自检规则；结构化抽取要求给出 JSON schema，缺失字段置 null；联网研究要求引用来源并优先一手资料。
使用方式：按需组合标签，如 <context>、<instructions>、<output_spec>、<constraints>、<thinking>、<answer>、<schema>、<self_check>、<tool_usage>。审计提示词时按清晰度、结构、安全、事实性、上下文管理、可维护性、模型适配、评测就绪八个维度检查，输出问题表与改写建议。跨模型迁移时先保持提示词不变、固定推理深度、跑评测，再逐项微调并复评。
适用场景：提示词撰写与优化、提示词审计、数据抽取、联网研究、智能体提示设计、跨模型迁移。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；部分模型专属参数与版本细节需查阅对应参考文件，本文不展开。