用途：帮助使用者撰写更有效的 LLM 提示词、Claude Code 命令以及智能体指令，核心观点是把 LLM 当作智能体而非脚本执行器，像对待资深工程师一样与它沟通。
主要能力：指出三类反模式，包括过度规定步骤、事无巨细的兜底说明、以及大量防御性警告；强调列出十条例外说明通常意味着指令本身有问题。给出正向做法：只陈述目标而非步骤，例如让模型自行调查生产错误并关联 git 历史找出根因；提供背景而非约束；以及信任模型在失败后自行恢复。
使用方式：最推荐的提示结构是“角色+目标+自由度”。以代码评审为例，先设定角色是资深工程师，再给出目标是找出 bug、安全问题与代码坏味道，最后给出自由度，要求直接表达、没问题就简短说明。在编写 Claude Code 命令时也遵循同一原则：好命令约 20 行，包含清晰目标、可用工具的背景信息、允许自行判断，并信任智能体判断；坏命令约 700 行，塞满决策树、逐条复制的 CLI 命令与所有边界情况。
适用场景：编写提示词、编写 Claude Code 命令、设计智能体系统。资料主张这些原则可扩展到智能体设计：目标导向、可自我纠正、约束最少、自然语言接口；反之，僵化状态机、穷举动作列表、无错误恢复、脆弱集成属于坏设计。
检验与限制：定稿前可自问“我会把这些指令交给资深工程师吗”，若不好意思把 700 行手册交给同事，就不要交给 LLM。资料未提供具体安装方式、收费、价格、平台支持或量化效果，这些信息暂未提供。