用途：为 AI 智能体提供提示工程（Prompt Engineering）与上下文工程（Context Engineering）标准，适用于提示词设计、上下文管理、智能体配置与 LLM 提示最佳实践咨询。
核心理念：上下文工程指在 LLM 推理过程中筛选最优 token 集合，目标是找到最小的高信号 token 集合以最大化期望结果。
主要原则：
- 上下文是有限资源：LLM 注意力预算有限，上下文增长会导致性能下降，每个 token 都消耗容量。
- 优化信噪比：用清晰直接的语言替代冗长解释，去除冗余信息，聚焦高价值 token。
- 渐进式发现：使用轻量标识符而非完整数据转储，按需动态加载详细信息。
Markdown 结构标准：使用清晰的语义分区，包括背景信息（最小必要上下文）、指令（祈使语气、具体可执行）、示例（简洁有代表性）、约束（边界、限制、成功标准）。
写作风格：清晰优先于完整，直接表达，使用结构化列表。例如用“Validate input before processing”而非冗长表述。
上下文管理：即时加载（用引用替代完整数据转储）、结构化笔记（在上下文窗口外持久化重要信息）、子智能体架构（将子任务委派给上下文最小的专用智能体）。
最佳实践清单：使用 Markdown 标题组织、语言清晰直接精简、无冗余信息、指令可执行、示例具体、约束明确、适时即时加载。
反模式：冗长解释、历史上下文转储、重叠的工具定义、过早加载信息、模糊指令（如 might、could、should）。
补充资源：完整标准见 @plugins/meta-work/docs/HOW_TO_PROMPT_ENGINEERING.md。
限制：资料未提供具体安装命令、收费方式、平台支持与效果数据，暂未提供。