用途：用于提升面向智能体的文本指令质量，例如技能（skill）、斜杠命令、任务提示、CLAUDE.md 段落或代码生成提示。核心思路是提示质量对作者本人不可见，作者眼中的清楚恰是另一个智能体卡住之处，因此让全新执行者实际运行、从执行者与调用方两侧评估并迭代。
主要能力：定义了一套以迭代为单位的流程，包括迭代 0 的静态检查（描述与正文是否一致）、基线场景准备、无偏见读取、双边评估、按最小改动应用 diff、重新评估与收敛检查。评估轴包含成功/失败、准确率、步骤数、时长、重试次数，以及执行者自报的歧义与自主填补项；定性为主、定量为辅。还给出基于 tool_uses 的定性解读、修复落地的三种模式（保守/过度/零）、子智能体启动契约、停止迭代的收敛条件、过拟合检查、报告格式与常见合理化误区。
使用方式：先做迭代 0 对齐描述与正文；准备 2 至 3 个评估场景和含至少一个 [critical] 的需求清单；用 Agent 工具派发全新子智能体，按启动契约传入目标提示全文或路径、场景、清单与报告结构，并要求先只读该文本作为指令；收集执行者自报并读取 tool_uses、duration_ms 等元数据填入评估轴表；每次只围绕一个主题应用最小修复，说明其对应哪条清单项或判据措辞，再用新子智能体重跑；满足连续至少 2 次（高价值提示 3 次）新歧义为 0、准确率增益不超过 +3 点、步骤数变化在 ±10% 内、时长变化在 ±15% 内即停。
适用场景：刚创建或大幅修订技能、命令或任务提示之后；智能体行为不符预期、需从指令歧义找原因时；加固高价值指令时。
限制：一次性提示不值得评估；若目标是作者自身品味而非成功率则不宜使用；无法派发全新子智能体的环境不适用，只能请父会话用户另开新会话运行，或报告跳过评估；结构审查模式只能做文本一致性静态检查，不能计入连续通过判断；准确率单独看会掩盖结构缺陷，tool_uses 出现 3 至 5 倍以上偏斜时即使准确率 100% 也应继续迭代。资料未提供该技能的安装命令、许可、收费或价格信息。