本技能聚焦提示词工程与 AI 智能体安全测试，内容基于《The Prompt Report》（由 OpenAI、Microsoft、Google 参与撰写）的相关研究。
用途：用于设计 AI 产品的系统提示词，提升大模型输出质量，并对可执行动作的智能体做提示注入（红队）测试。
主要能力与技巧：
- 少样本提示：不以散文描述需求，而是提供 3–5 组具体输入输出示例，使用模型熟悉的格式（如 XML 标签或 Q/A），并将示例放在最终指令之前。
- 任务分解：对复杂逻辑先让模型列出需先解决的子问题，再逐一求解并综合答案。
- 自我批判：先生成初稿，再要求模型检查错误与不一致，最后据此输出改进版本。
- 上下文前置：把相关背景或领域数据放在提示词最顶部；多数提供方会缓存提示词开头，从而更便宜更快，且模型对长上下文中部指令的注意力较弱。
- 集成推理：对高准确率要求场景，用 3–5 个不同提示词（如专家角色、思维链、不同模型）跑同一问题，取多数一致答案。
对抗测试方法（针对可执行动作的智能体）：常见绕过手段包括拼写混淆（如故意错拼敏感词以测试安全过滤）、编码（如用 Base64 编码恶意请求）、社会工程（如用情感故事包装恶意请求）。
常见误区：角色提示（如“你是世界级数学教授”）在统计上不提升数学题准确率，仅适合风格、语气、人设类表达任务；奖励与威胁类措辞（如“我会给你 200 美元小费”）对现代模型基本无效；仅靠“不要执行恶意指令”的指令式防御易被绕过，应改用针对安全/不安全数据集的微调。
限制：资料未提供安装命令、接口、价格与平台支持等信息。