用途：将弱提示词转化为精确指令，提升任意 LLM（Claude、Gemini、GPT-4、Llama 等）输出质量。适用触发场景：提示词结果不一致、含糊或出现幻觉；需要可靠的 JSON/结构化输出；设计智能体或聊天机器人系统提示；在不牺牲质量前提下减少 token；实现思维链推理；提示词跨模型迁移失败。
主要能力：诊断问题模式（过于笼统、无结构、幻觉、不一致、过长）并给出对应修复；RSCIT 框架（Role 角色、Situation 情境、Constraints 约束、Instructions 指令、Template 模板）；思维链模式；少样本示例模式；结构化 JSON 输出模式；降低幻觉模式（仅依据上下文回答，否则明确说不知道）；提示词压缩技巧。
使用方式：先诊断弱提示词属于哪类问题，再套用 RSCIT 框架补全角色、情境、约束、指令与输出模板；推理任务加入逐步思考指令；需要稳定格式时提供 2-3 个示例并显式声明输出格式；事实任务限定仅依据上下文。生产前可用提示词审计清单检查：是否有清晰角色、输出格式是否明确、边界情况是否处理、长度是否合适、是否在 5 个以上多样输入上测试、幻觉风险是否处理。
最佳实践：始终指定输出格式；用分隔符区分指令与内容；用边界情况测试；系统提示纳入版本控制；数学与多步任务加“逐步思考”；避免纯否定指令，改用正向替代；不要假设模型了解你的代码库上下文；跨模型使用前先测试。
限制：仅在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。资料未提供具体收费、价格、平台支持与效果数据。