用途：该技能用于设计、优化和调试生产级 LLM 应用的提示词，提升输出性能、一致性与可控性。适用场景包括复杂提示设计、提示性能优化、结构化推理、少样本学习系统、可复用模板、系统提示设计以及结构化输出解析。
主要能力：少样本学习（语义相似度与多样性采样、示例数量与上下文窗口平衡、动态示例检索）；思维链提示（零样本与少样本 CoT、自一致性、验证步骤）；结构化输出（JSON 模式、Pydantic 模式约束、类型安全处理、错误处理）；提示优化（迭代改进、A/B 测试、准确率/一致性/延迟指标、降低 token 消耗）；模板系统（变量插值、条件段落、多轮对话模板、角色化组合、模块化组件）；系统提示设计（行为约束、输出格式、角色与专长、安全准则、上下文设定）。
使用方式：资料给出基于 LangChain 与 Anthropic 的示例，如用 ChatPromptTemplate 构建提示、用 with_structured_output 绑定 Pydantic 模型、用 SemanticSimilarityExampleSelector 动态选例、用 cache_control 缓存长系统提示。还包含渐进式披露、错误恢复与回退、RAG 与验证集成等模式。
限制与注意：资料未提供该技能的安装命令、收费方式、平台支持范围与具体性能数据；示例依赖特定模型与库版本，实际效果需自行评估。常见陷阱包括过度设计、示例污染、上下文溢出、指令歧义、忽略边界情况、缺少错误处理与硬编码值。