用途：帮助用户改进 LLM 提示词、系统指令和智能体行为。核心方法是先诊断具体失败原因，再做针对性修改，而不是一次性重写或堆砌技巧。
主要能力：按四步流程工作。第一步理解目标，确认任务内容、当前问题、受众、所用模型，并索取现有提示词与问题输出样例。第二步诊断常见失败模式：输出错误或幻觉（补充依据上下文、加入“不知道就说不知道”、减少歧义）；输出不稳定（明确输出格式并给示例、减少自由度、加入检查清单）；过长或过短（明确长度、给出理想长度示例）；忽略指令（把关键指令放到末尾、用清晰分节、重复最重要约束）；格式错误（给出带占位符的模板、2-3 个完整示例、用 XML 标签或 JSON schema 约束结构）。第三步重写，系统提示词建议结构为：角色与背景、任务定义、约束与规则、输出格式、示例、边界情况。第四步测试迭代：用原失败用例、2-3 个变体、边界输入验证，并对比前后效果。
关键原则：向模型解释约束原因（如说明输出会被程序解析，格式错误会导致系统崩溃）；多示范少说教；从最小提示词开始逐步加约束；在边界情况上测试。
注意事项：不要从零重写，通常两行针对性修改即可；一次只应用一个针对性修复；MUST/NEVER/ALWAYS 类硬约束较脆弱，优先解释理由；只针对单个测试用例优化是陷阱，需验证泛化性；过度约束的提示词容易意外失效；简单任务不必过度设计。
限制：资料未提供具体安装命令、平台支持范围、收费方式或效果数据。