用途：这是一套跨模型通用的提示工程技法集合，用于撰写、优化与审查面向任意 LLM 的提示词，也适用于智能体、检索增强、批量流水线等场景。
主要能力：以 XML 标签分离上下文、指令、示例与输出格式，提升清晰度、准确性与可解析性；用 output_spec 约束长度与结构；用 constraints 显式禁止超范围实现；用 uncertainty_handling 处理歧义并抑制编造；对超 1 万 token 输入提供长上下文再锚定；定义 tool_usage 与 user_updates 规则；高风险输出前自检；结构化抽取要求给出 JSON schema，缺失字段置 null。
使用方式：按“用途—目标模型—部署场景”阅读提示词，套用对应标签模板；写提示时先写简单版本再逐步具体化，说明“要做什么”而非仅禁止；跨模型迁移时保持提示不变以隔离变量，固定推理深度，运行评估，一次只改一处并重评。
适用场景：分类、翻译、摘要、抽取、问答、代码生成、推理等任务；也含审计工作流，沿清晰度、结构、安全、事实性、上下文、可维护性、模型适配、评估就绪八个维度给出问题与修复建议。
限制：文中未提供具体收费、价格、平台支持范围或效果保证；部分技法仅给出目录级说明，细节需查阅其 references 下的对应文件。