该技能面向编写 Agent 命令、钩子、技能及子智能体提示等 LLM 交互场景，提供提示工程模式，以提升模型的性能、可靠性与可控性。
主要能力包括：少样本学习（用 2–5 组输入输出示例示范期望行为，适合固定格式与边缘情况）；思维链提示（在最终答案前要求分步推理，适合多步逻辑与数学推理）；提示优化（从简单版本起步，测量准确率、一致性与 token 用量后迭代，并用 A/B 对比）；模板系统（用变量、条件段落与模块化组件构建可复用结构，适合多轮对话与角色化交互）；系统提示设计（定义角色、专业程度、输出格式与安全准则等跨轮次稳定指令）。
文中还给出关键模式：渐进式披露（从直接指令逐级增加约束、推理与示例）、指令层级（系统上下文→任务指令→示例→输入数据→输出格式）、错误恢复（回退指令、置信度、替代解释与缺失信息标注）。最佳实践涵盖具体化、以示例代替说明、广泛测试、快速迭代、生产监控、版本控制与记录意图；常见陷阱包括过度设计、示例与任务不匹配、上下文溢出、指令含糊与忽略边缘情况。此外介绍了与 RAG、验证步骤的集成方式，以及 token 效率、延迟优化与基于 Anthropic 官方建议的智能体提示最佳实践（上下文窗口、简洁原则、自由度的选择、说服原则及其伦理使用）。具体安装命令与平台、收费信息暂未提供。