用途：该技能用于设计语言模型输入，以稳定获得高质量、准确且格式正确的输出，涵盖系统指令、多步推理流程与检索增强生成（RAG）。触发场景包括编写或优化系统提示、实现思维链、设计少样本示例、构建 RAG 流程、获取结构化 JSON、串联多次模型调用、评估提示质量、在零样本/少样本/微调/RAG 之间做选择，以及排查输出不一致或幻觉。不适用于模型训练、微调基础设施、RLHF 或特定框架的智能体接线。
主要能力：区分 system/user/assistant 角色；温度与采样设置（结构化抽取用 temperature 0，创意任务 0.3-0.7，避免同时改 temperature 与 top_p）；token 与上下文窗口管理；提示与微调决策；系统提示模板与反模式；零样本与结构化思维链、自洽性投票；少样本示例的选择、排序与格式；RAG 的检索、上下文注入、引用与分块、重排、查询改写；通过函数调用或 json_schema 强制结构化输出，并配合校验与重试；分解、路由、验证三种提示链模式；准确率、一致性、格式合规、延迟、成本、幻觉率等评估指标与评测脚本模式。
使用方式：按任务选择对应模式，例如系统提示按“角色—职责—约束—输出格式”模板编写；思维链可追加“Let's think step by step.”或定义 UNDERSTAND/PLAN/EXECUTE/ANSWER 步骤；RAG 用分隔符包裹检索片段并限定仅依据上下文回答；结构化输出优先用 response_format 的 json_schema，失败时重试并校验。首次激活时会检查已安装的伴随技能，缺失时可用 npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name> 安装。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；部分示例依赖具体模型与 SDK，需按实际环境调整。