用途：为 LLM 交互设计、测试和优化提示词，适用于提示词设计、版本管理与评估，构建智能体工作流（ReAct、工具调用、多智能体协作），以及优化准确率、格式合规、延迟与 token 成本，并为生产环境部署防护、可观测性与滥用防御。
主要能力：提示模式包括 zero-shot、few-shot、chain-of-thought、ReAct、self-consistency；系统提示设计涵盖角色定义、约束与输出格式规范；输出格式支持 JSON、XML、markdown 与结构化模板；提示评估包含质量指标、一致性测试与边界情况分析；优化包含减少 token、提升清晰度与鲁棒性测试。智能体编排覆盖 ReAct、Plan-and-Solve、Reflexion 与多智能体模式。
使用方式：先识别需求（模式选择、系统提示、输出格式或优化），再执行对应工作流，产出提示模板、系统提示、输出 schema 或评估报告。设计流程为明确任务、选择模式、起草迭代、用边界情况测试；优化与测试流程为构建 50-200 条基准数据集、建立基线、单变量修改、A/B 对比、记录改进。
限制：不适用于经典机器学习训练、特征工程或统计 A/B 测试；不用于通用技术写作、API 参考或运维手册；不用于云基础设施、CI/CD 或 Kubernetes 运维；不用于收入确认或财务结账；多特性 token 削减路线图与严格 token 效率实验分别由其他专门技能处理。资料未提供具体安装命令、收费与价格信息。