用途：为 AI 智能体提供提示词工程与上下文工程规范，适用场景包括提示词结构设计、AI 智能体设计、智能体配置以及 LLM 提示最佳实践咨询。
核心理念：上下文工程指在 LLM 推理过程中精选最优 token 集合，目标是找到尽可能小的高信号 token 集合以最大化期望结果。
主要原则：
- 上下文是有限资源：LLM 有有限的注意力预算，上下文增长会降低性能，每个 token 都消耗容量，应视上下文为珍贵资源。
- 优化信噪比：以清晰直接的语言代替冗长解释，移除冗余信息，聚焦高价值 token。
- 渐进式发现：使用轻量标识符而非完整数据倾倒，按需动态加载详细信息，即即时信息加载。
结构标准：使用清晰的语义分节，包括背景信息（最小必要上下文）、指令（祈使语气、具体、可操作）、示例（展示而非讲述、简洁有代表性）、约束（边界、限制、成功标准）。
写作风格：清晰优先于完整，直接表达，使用结构化列表而非大段需求描述。
上下文管理：即时加载，不加载完整数据转储而使用引用；结构化笔记，将重要信息持久化到上下文窗口之外；子智能体架构，将子任务委派给具有最小上下文的专门智能体。
最佳实践清单：使用 Markdown 标题组织、清晰直接精简语言、无冗余信息、可操作指令、具体示例、明确约束、适当时即时加载。
反模式：冗长解释、历史上下文倾倒、重叠的工具定义、过早信息加载、模糊指令。
补充资源：完整标准见 ${PAI_DIR}/skills/prompting/CLAUDE.md。
限制：具体安装与调用方式暂未提供。