用途：验证提示词在代表性、边界、对抗和版本变化下的正确性、稳定性与可控性；用 prompt-regression 模式比较基线与候选版本，记录数据集身份、行为差异和证据状态；对既有方案与证据做风险评审并形成可执行改进项。
主要能力：支持普通测试与 prompt-regression 两种模式；输出保留风险、证据、优先级和边界字段；回归模式使用 PRT-## 编号，区分基线、候选版本、预期行为、观察到的行为、差异与验证方法。
使用方式：先阅读并遵循 prompts/prompt-testing.md 的输入、执行规则、最低覆盖清单和输出顺序；选择模式并补充影响判断的范围、环境、版本、限制、证据与成功标准；先做输入审计，再区分已确认事实、合理假设与待确认问题；按风险和证据强度排序交付。评测或回归本 Skill 时读取 evals/eval.yaml 与匹配的 evals/cases/ 用例；仅在目录存在且任务需要时读取 references/、examples/、scripts/ 或 output-formats.md。
适用场景：提示词上线前验证、版本间回归对比、风险评审与改进项整理。
限制：信息不足时不停在提问，先交付受限初版并说明哪些结论暂不能成立；不得编造输入中不存在的系统行为、字段、数据、指标或根因；版本差异只能基于可比输入与现有证据，不得把静态分析写成模型已运行或回归已通过；不要只测一个样例，需固定模型与参数，对语义结果使用 rubric 而非脆弱的逐字匹配；不得执行未经授权的生产写操作或破坏性动作。具体安装命令与收费信息资料暂未提供。