用途：分析、编写并改进 LLM 提示词与智能体指令，可应用于系统提示、智能体指令、技能、CLAUDE.md 文件、规则、斜杠命令等任何 LLM 提示。
工作流程：收到输入时先分类请求（待审查的提示、待编写的提示描述，或通用提示工程问题）；对已有提示找出违反原则之处，对新提示收集需求；应用 Token 经济性、确定性、祈使语言、格式与反模式检查；最终只返回增强后的提示，不含前言、违规说明或解释，便于直接复制粘贴。无输入时作为原则参考指南。
主要原则：Token 经济性——上下文窗口是共享资源，只补充模型缺失的信息，删除“please”“remember”等装饰性语言，多用示例和表格。确定性与具体性——按任务匹配自由度（高自由度文本指令、中自由度伪代码、低自由度精确脚本），每条指令只能有一种解释，使用显式约束而非建议，消除“consider”“try to”等模糊词，命令需含全部参数与精确路径。祈使语言——只用祈使句，优先正面指令而非否定。格式——用标题、列表、代码块、表格、加粗（仅硬约束，不超过内容 10%）和散文辅助解析。术语一致性——每个概念固定一个术语。结构优化——关键约束前置，渐进式具体化，关注点分离。
常见反模式：建议性语言、模糊量词、歧义条件、无默认值的多选项、埋没关键约束、过度加粗、默认使用列表、重复框架文档、泛泛的最佳实践、时效性信息、装饰性内容与假设场景。
优化技巧：压缩句子、合并相关指令、完整指定命令。
限制：资料未提供安装方式、收费、平台支持或具体使用步骤。