用途：该技能用于设计清晰、可测试、可复用的提示词系统，覆盖提示词起草、优化、评估，以及少样本提示、推理工作流、模板和系统提示词等生产导向模式。主工作流保留在主文件中，仅在应用特定模式时加载 references/ 下的参考文件。
适用场景：用户要求编写、重写或改进提示词；提示词需要更好的结构、可靠性或输出格式；需要少样本示例或推理脚手架；需要创建系统提示词或可复用模板；需要对现有提示词做可度量的优化与测试。
核心模式：1）少样本学习，示例数量以3-5个为佳，兼顾上下文窗口，包含边界情况，由简到繁排序；2）思维链推理，可用“Let's think step by step”启动零样本 CoT，少样本 CoT 提供完整推理轨迹，可通过多路径采样实现自洽性，并加入验证步骤；3）提示词优化，先测基线，单变量改动，跟踪准确率、一致性、延迟、token 效率等指标，用统计显著性做 A/B 验证；4）模板系统，使用清晰变量命名（如 {user_input}、{context}），支持条件段落、角色模板和分层组合；5）系统提示词设计，包含角色与专长边界、输出格式要求、安全与内容政策、背景知识设定。
使用方式：工作流一为按需求创建新提示词，依次分析需求、选择模式策略、起草初稿、验证测试（至少3个输入：正常路径、边界情况、对抗输入），单变量改动并记录；工作流二为优化现有提示词，先做性能分析，再系统 A/B 测试，重跑相同测试用例，准确率低于基线则回退；工作流三为规模化提示词系统，做模块化架构、版本管理与回滚、性能监控、自动化测试。质量门包括：10个以上多样测试用例准确率>90%，3次以上重复运行方差<5%，边界与对抗输入均能处理，输出格式符合规范。
限制与注意：不要假设提示词越长越好；避免在简洁理由足够时暴露隐藏推理要求；声称改进前须在代表性输入上验证；模型相关假设需显式说明，因为不同模型行为不同；少样本示例控制在3-5个以管理上下文；生产前用领域测试用例验证。该技能可与 langchain4j-ai-services-patterns、langchain4j-rag-implementation-patterns、langchain4j-testing-strategies、unit-test-parameterized 等技能集成。