用途：为任意 LLM 编写、优化和审查提示词，覆盖普通对话、智能体系统、批量流水线与 RAG 增强场景。
主要能力：用 XML 标签分离上下文、指令、示例与输出格式；通过 output_spec 约束长度与结构；用 constraints 防止范围漂移；用 uncertainty_handling 处理歧义与不确定性；长上下文（>10k token）重锚定；智能体的工具使用规则、用户更新与高风险自检；结构化抽取需给出 JSON schema，缺失字段置 null；网络研究要求引用来源并优先一手资料。另含提示词迁移清单、技巧目录（零样本、少样本、思维链、自一致性、提示链、思维树、RAG、ReAct、Reflexion 等）、提示词审计八维度流程、常见错误与反模式分类，以及 Claude、GPT-5、Gemini 3 等模型专属指南。
使用方式：按需组合标签模板，如 <context>、<instructions>、<output_format>、<constraints>、<thinking>、<answer>、<self_check>、<tool_usage> 等；审计时先通读提示词，再逐维度检查并输出问题表与改写建议。
适用场景：提示词编写与优化、提示词审查、跨模型迁移、数据抽取、网络研究、智能体提示设计。
限制：资料未提供具体安装命令、收费方式、平台支持范围与效果数据；部分引用文件（如 references/prompting-techniques.md、prompt-audit-checklist.md、mistakes-*.md、evaluation-redteaming.md）的具体内容未在资料中展开，需查阅原文件。