用途：在构建生产级 LLM 应用、实现护栏、评估模型输出，或决定用提示工程还是微调时触发。不适用于纯 ML 研究、从零训练模型、学术基准测试，也不用于询问特定 AI 框架 API（应使用该框架自身的技能）。
主要能力：覆盖 LLM 应用全栈，包括架构设计、输入输出护栏（内容过滤、PII 清洗、schema 校验）、评估流水线（自动评估、人工评审、A/B 测试）、RAG（分块、嵌入、检索、重排）、函数调用与工具使用、流式响应（SSE、逐 token 渲染）、成本与延迟优化（缓存、模型路由、提示压缩），以及提示与微调的取舍。
核心原则：先评估再上线；护栏不可省略，每个生产请求都要校验输入输出；先系统化提示工程、少样本与 RAG，再考虑微调；为失败与回退设计，重试、校验输出并准备兜底；从第一天起跟踪 token 用量、缓存确定性输出、按复杂度路由模型并设预算上限。
使用方式：技能激活后首次回复以 🧢 开头。首次激活时运行 ls ~/.claude/skills/ ~/.agent/skills/ ~/.agents/skills/ .claude/skills/ .agent/skills/ .agents/skills/ 2>/dev/null 检查配套技能，缺失时可用 npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name> 安装。需要评估细节时加载 references/evaluation-framework.md。
限制与注意：流式护栏只能在流结束后运行，客户端需处理延迟拒绝；JSON 模式不保证所有提供商都返回合法 JSON，需 try/catch 并视为可重试错误；RAG 检索质量主要由分块边界决定，而非嵌入模型；工具调用循环需设 maxSteps 上限并视为硬错误；语义缓存对轻微改写可能返回过时或错误答案，事实类查询建议余弦相似度阈值 0.97 以上。具体收费、价格与平台支持暂未提供。