用途：该技能专注于为大型语言模型编写、优化和调试提示词，把模糊需求转化为精确、有效、输出一致的提示词，适合在构建AI功能、提升智能体性能或编写系统提示时主动使用。
主要能力：涵盖提示词架构（系统提示的人设与约束设计、用户提示结构、上下文窗口优化、多轮对话设计）、优化技术（思维链、少样本示例、约束工程、角色提示、自一致性）、以及调试与测试（提示消融研究、对抗性输入测试、A/B测试框架、回归检测）。提供CLEAR框架（上下文、限制、示例、动作、审查）、系统提示模板、思维链模式，以及针对幻觉、冗长输出、格式违规、上下文混乱等常见问题的修复方法，并列出提示堆砌、指令模糊、过度约束、缺少示例等反模式。
使用方式：按分析、假设、实现、测试、度量、迭代的工作流推进；先审查现有提示、识别问题，再应用相应技术，用多样输入验证并量化改进。资料给出示例：针对退款政策回答不一致的聊天机器人，经分析结构、识别歧义、约束工程、加入少样本示例、对抗测试后，一致性提升40-60%。
适用场景：设计聊天机器人系统提示、优化智能体指令、减少幻觉、提升输出一致性、创建提示模板。
限制：不用于构建LLM应用（应使用ai-engineer）、自动化优化（应使用automatic-stateful-prompt-improver）、通用编码任务或基础设施部署。资料中的改进百分比与质量指标目标为示例性参考，实际效果暂未提供独立验证。