用途：帮助为 LLM 设计高效提示词，依据任务特征自动选择最佳提示技术与输出格式。
主要能力：覆盖 Zero-Shot、Few-Shot、Chain of Thought、ReAct、Tree of Thoughts、Self-Consistency 等方法，以及 XML、JSON、YAML、自然语言四种格式。提供快速决策树：按任务复杂度（简单→Zero-Shot，需格式风格→Few-Shot，多步推理→CoT，工具/API→ReAct，复杂规划→ToT，高风险→Self-Consistency）、目标模型（Claude→XML，GPT→JSON，多模型→JSON，人工可编辑→YAML）和输出用途选择方案。附方法选择与格式选择速查表、各方法模板（如 CoT 的“Let's think step by step”、ReAct 的 Thought/Action/Observation 循环）、常见陷阱与修正、方法组合、元提示、提示链及 token 效率建议。
使用方式：按决策树回答任务复杂度、目标 LLM、输出用途三问，选定方法与格式，参考对应 references 文件（如 zero-shot.md、chain-of-thought.md、xml-format.md、decision_matrix.md、pitfalls.md 等）获取详细指南与模板，再按实现清单编写、测试并迭代提示词。
适用场景：需要为不同模型和任务快速确定提示策略与结构化输出格式的开发者与提示词设计者。
限制：资料未提供具体安装命令、运行环境或平台要求；templates/ 目录标注为即将推出，暂无现成模板；token 数量为典型估算值，实际效果需自行验证。