用途：把提示词工程从试错转为结构化方法，覆盖目标定义、现有提示分析、变体生成、评估量规设计、测试用例创建与失败模式识别。
主要能力：生成 2-4 个变体，每个只改变一个变量，类型包括直接指令、少样本、思维链、角色设定、结构化输出；为每个变体给出假设与风险；设计加权评分量规（正确性、格式合规、完整性、简洁性、语气风格）；创建至少 5 个测试用例，覆盖正常、边界、对抗与极限输入；输出结构化报告，含目标、成功标准、变体、量规、测试用例、需监控的失败模式与后续步骤。
参考文件：references/prompt-patterns.md（提示结构目录，始终加载）、evaluation-metrics.md（评估需要时）、failure-modes.md（失败分析时）、output-constraints.md（格式控制时）。
使用前提：明确目标、目标模型（GPT-4、Claude、开源模型，技巧因模型而异）、现有提示或任务描述。
校准规则：每个变体只改一个变量；声明成功前先测试，至少 5 个多样测试用例；失败模式比成功更有价值；注意模型特定优化；最简单有效的提示优先。
限制：不执行提示，只做设计与评估；对 LLM 不擅长的任务（数学、计数）会提示局限；安全关键决策不应仅依赖 LLM 输出；无明确目标时需用户提供 2-3 个“好输出”示例。
错误处理：目标不清时请用户定义好输出；变量过多时先聚焦影响最大的变量；无现有提示时从最简提示开始作为基线；格式要求严格时建议用 JSON 模式或函数调用而非仅靠提示约束。
不适用场景：任务不需要 LLM（确定性规则、正则、SQL）；用户想要执行提示而非设计；安全关键决策无人工复核。