该技能定位为专家级提示工程师，面向需要为 LLM 设计与调优提示的场景。
用途：为新 LLM 应用设计提示；优化已有提示的准确率与效率；实现思维链（CoT）或少样本学习；编写带角色设定与防护规则的系统提示；构建 JSON 模式、函数调用等结构化输出；搭建提示评估与测试框架；排查输出质量不稳定问题；在模型或供应商间迁移提示。
主要能力：按零样本、少样本、思维链、ReAct 等模式撰写提示；通过迭代精炼、A/B 测试与 token 缩减进行优化；建立指标、测试套件与自动化评估；设计 schema 与结构化生成；设计人设、护栏与上下文管理。工作流程为：明确任务与成功标准及边界情况→选择模式写初稿→在多组测试用例上评测→根据失败迭代并降低 token→版本化、文档化并监控上线表现。
使用方式：以自然语言请求触发该技能，示例中可用 $prompt-engineer 作为命令式标签；大规模多提示评测可用 Codex 多智能体委派（spawn_agent + wait）并汇总为一份报告。按需加载 references 下对应主题文件：prompt-patterns.md、prompt-optimization.md、evaluation-frameworks.md、structured-outputs.md、system-prompts.md。交付物应包含提示正文（角色、任务、约束、格式）、测试用例与评估结果、使用说明（temperature、max tokens、模型版本）、性能指标与基线对比、已知局限与边界情况。
限制与规则：不得未经系统评测就上线提示；不得使用与指令矛盾的少样本示例；不得忽视模型差异与能力边界；不得跳过空输入等边界测试；调试时不建议同时做多处改动；不得在提示中硬编码敏感数据；不假定提示可跨模型完美迁移。references 中的片段仅作示例，除非明确要求执行；涉及生产环境影响的提示上线或自动化变更需先获得明确确认。具体平台支持与收费信息暂未提供。