用途：在编写、审查或改进 LLM 流水线提示词时使用，包括任务提示、系统提示和 LLM-as-Judge 评判提示。
核心思路：提示工程要弥合两道鸿沟。规格鸿沟指开发者意图与实际写下的提示词之间的差距，自然语言精确描述任务很难，欠明确的提示会让模型猜测意图、输出不稳定；泛化鸿沟指数据与模型在多样输入上实际行为之间的差距，即使提示清晰，模型仍可能在异常输入上出错。处理顺序是先修规格，再衡量泛化：若失败源于指令不清，直接改提示；若指令清晰但模型仍错，才值得构建评估器。
提示词结构七要素：1 角色与目标；2 指令与响应规则；3 上下文；4 示例（少样本）；5 推理步骤（思维链）；6 输出格式约束；7 分隔符与结构。并非每个提示都需要全部要素。复杂提示建议开头写总体指令或角色，中间放上下文与示例，结尾重申关键指令或输出格式；为提升缓存效率，静态指令应放在用户数据之前。
迭代流程：写提示、在多样输入（尤其真实数据）上测试、分析输出找失败模式、分类为规格或泛化问题、针对规格问题改进提示、重复。
LLM-as-Judge 设计：每个评估器针对单一失败模式，做二元 Pass/Fail 判定，包含四项要素——清晰任务与评估标准、精确的 Pass/Fail 定义、少样本示例、结构化输出（通常为含 reasoning 与 answer 的 JSON）。
应避免的反模式：模糊指令、缺少边界情况处理、评估中使用李克特量表、示例与规则不一致、过长单体提示、评估未指定的行为。
限制：资料未提供该技能的具体安装命令、平台支持、收费方式或效果数据。