用途：在技能激活时自动拦截用户请求，调用 prompt-learning MCP 服务器优化提示词后再作答，并在任务完成后记录反馈形成学习闭环。
主要能力：自动触发优化（复杂任务、技术输出、可复用内容、明确要求优化、需求含糊、精度关键场景）；调用 mcp__prompt-learning__optimize_prompt 获取优化提示与改进细节；完成后调用 mcp__prompt-learning__record_feedback 记录成功与否及质量分。通过嵌入索引历史，从结果中学习以改进后续检索。
使用方式：触发时传入 prompt（用户原始请求）、domain（推断领域）、max_iterations（依复杂度取 3-20）。简单问题、直接命令、寒暄、无推理的文件操作、已优化提示不触发。收敛条件包括改进低于 1% 连续 3 次、用户满意、token 预算耗尽、达到 20 次迭代或验证分大于 0.95。
适用场景：多步推理、代码与分析、结构化数据、模板与系统提示等可复用内容，以及法律、医疗、金融等精度关键任务。
限制：资料给出的是预期改进幅度（简单任务 10-20%，复杂推理 20-40%，智能体 30-50%），并非保证；需配合 prompt-learning MCP 服务器使用；应避免过度优化、模板执念、无度量迭代和忽视模型能力。参考文件含优化技术、学习架构与迭代策略，具体价格、平台支持等未提供。