用途：这是一套经验式提示词调优方法论，用于迭代改进面向智能体的指令，包括技能（skills）、斜杠命令、CLAUDE.md 片段和代码生成提示。核心观点是提示词作者无法客观判断自己写的提示质量，因此需由无偏见的执行者实际运行指令、双向评估并迭代，直到改进趋于停滞。
适用时机：刚创建或大幅修改技能/斜杠命令/任务提示后；智能体行为不符预期且怀疑源于指令歧义时；加固高重要性指令（高频技能、自动化核心提示）时。不适用：一次性用完即弃的提示；目标只是反映作者主观偏好而非提升成功率。
工作流程：迭代 0 做描述与正文一致性静态检查（无需派发），比对 frontmatter 描述声称的触发条件与正文实际覆盖范围，输出 PASS、PASS-with-note 或 BLOCK-consistency。基线准备：冻结被测提示版本，设计 2 至 3 个评估场景（至少 1 个中位典型场景和 1 个边缘场景），并预先固定 3 至 7 项需求清单用于计算准确率；清单项应判断交付物属性而非运行时机制。随后通过 Agent 工具派发空白执行者读取指令，先做可调用性预检（工具注册表检查、试派发、空子智能体检测），不可调用则走环境约束跳过路径。执行后做双向评估：记录执行者自述的模糊点、自由裁量填补，按理解/规划/执行/格式化阶段归类，并以问题/原因/通用修复规则结构化反思。度量包括成功失败（二元）、准确率、步数、时长、重试次数。应用最小修复，每轮一个主题，修复前说明满足哪条判断措辞，并先查阅失败模式台账。用新子智能体重新评估，连续 2 轮无新模糊点且指标改进低于阈值即收敛，高重要性提示需 3 轮。
评估轴：成功/失败、准确率、步数、时长、重试次数、模糊点、自由裁量填补；定性为主、定量为辅。tool_uses 的定性解读可揭示结构缺陷，如某场景步数远超其他说明技能自包含性不足。修复传播存在保守摆动、过冲、零射三种模式。
限制：具体安装命令、平台支持与收费信息暂未提供。