用途：把基础智能体调优为对话质量高、了解数据的智能体。这是一个交互式会话，用户提供探索数据并回答用例问题，最终产出两份成果：Agent Context Document 的 instructions 字段内容，以及智能体代码使用的系统提示词。
前提条件：一个可用的智能体（可用 create-agent-with-sanity-context 技能或等价方式构建）；在 Sanity Studio 中用 context 插件创建的 Agent Context Document；探索数据，通过运行 Agent Context Explorer 获得，命令为 npx @sanity/agent-context-explorer --mcp-url https://api.sanity.io/vX/agent-context/PROJECT_ID/DATASET/SLUG --questions ./questions.json --sanity-token $SANITY_API_READ_TOKEN --anthropic-api-key $ANTHROPIC_API_KEY，随后把 exploration-results.md 内容粘贴进对话。
工作流：1）收集输入，若尚未运行探索器，则协助生成含 8-15 个真实问题及预期答案的 questions.json；2）依据探索数据与回答提取数据清单、查询模式、关键规则与限制；3）产出 instructions 字段内容（关键规则优先、Schema 参考表、含 GROQ 示例的查询模式、回退策略、已知限制）与系统提示词（角色、回复风格、边界与护栏、查询效率、准确性规则）；4）校验 Schema 覆盖、查询模式质量（含投影与切片、引用字段解引用）与必需章节；5）按反馈迭代。
两个提示面：instructions 字段承载数据集知识（schema、查询模式、限制、字段陷阱），经 MCP 自动注入；系统提示词承载智能体行为（角色、语气、回复风格、护栏），由代码控制。不要在系统提示词中重复数据集知识。
限制与注意：不要跳过探索；边界要具体；不要为冗长而优化；面向用户的提示中产品名应使用 Agent Context。资料未提供具体收费、价格与平台支持信息。