用途：该技能用于编写命令、钩子、Agent 技能，以及为子代理或其他 LLM 交互编写提示词，目标是最大化 LLM 的性能、可靠性与可控性。
主要能力：
- 少样本学习：用 2-5 组输入输出示例示范期望行为，适合需要固定格式、特定推理模式或处理边界情况的场景；示例越多越准但更耗 token。
- 思维链提示：在最终答案前要求逐步推理，可加“Let's think step by step”或给出推理示例，适合多步逻辑、数学推理及需要核验思考过程的场景。
- 提示词优化：从简单版本起步，测量准确率、一致性、token 用量后迭代，并用 A/B 测试比较变体。
- 模板系统：用变量、条件段落和模块化组件构建可复用提示词结构，适合多轮对话、角色化交互。
- 系统提示词设计：设定跨对话持续生效的角色、专业水平、输出格式与安全准则。
关键模式：渐进式披露（从直接指令逐级增加约束、推理、示例）、指令层级（系统上下文→任务指令→示例→输入数据→输出格式）、错误恢复（回退指令、置信度、替代解释、缺失信息标注）。
Agent 提示词最佳实践：上下文窗口是共享资源，应保持简洁，只补充模型不知道的信息；按任务脆弱程度设置自由度——高自由度用文本指令，中自由度用带参数的伪代码，低自由度用固定脚本；并可用权威、承诺、稀缺、社会认同、统一等说服原则强化关键实践的执行，但应避免操纵性用法。
限制：资料未提供该技能的具体安装命令、平台支持、收费方式与版本信息，暂未提供。