用途：为 AI 智能体提供提示工程（Prompt Engineering）与上下文工程（Context Engineering）标准，适用于提示词设计、智能体配置、提示结构优化及 LLM 提示最佳实践咨询。
核心理念：上下文工程指在 LLM 推理过程中筛选最优 token 集合，目标是找到最小的高信号 token 集以最大化期望结果。
主要原则：一是上下文是有限资源，LLM 有有限“注意力预算”，上下文增长会导致性能下降，每个 token 都消耗容量；二是优化信噪比，用清晰直接的语言替代冗长解释，去除冗余信息；三是渐进式发现，使用轻量标识符而非完整数据转储，按需动态加载详细信息。
结构标准：使用清晰的语义分区，包括背景信息（最小必要上下文）、指令（祈使语气、具体可执行）、示例（展示而非讲述、简洁有代表性）、约束（边界、限制、成功标准）。写作风格强调清晰优先于完整、直接表达、使用结构化列表。
上下文管理：支持即时加载（用引用替代完整数据转储）、结构化笔记（将重要信息持久化到上下文窗口之外）、子智能体架构（将子任务委派给上下文最小的专用智能体）。
最佳实践清单：使用 Markdown 标题组织、语言清晰直接精简、无冗余信息、指令可执行、有具体示例、约束明确、适当即时加载。
反模式：冗长解释、历史上下文转储、工具定义重叠、过早加载信息、模糊指令（如 might、could、should）。
补充资源：完整标准见 ${PAI_DIR}/skills/prompting/CLAUDE.md。
限制：资料未提供具体安装命令、收费方式、平台支持范围及效果数据。