用途：该技能面向把 LLM 功能真正上线到生产环境的 AI 产品开发，强调演示容易、生产困难，目标是避免做出上线即崩的 demo。
主要能力与推荐模式：使用函数调用或 JSON 模式配合 schema 校验实现结构化输出与校验；通过流式响应展示进度、降低感知延迟；在代码中对提示词做版本管理，并用回归测试套件验证提示词变更。
反模式：避免 demo 式实现（演示会掩盖问题，生产会暴露真相，用户会迅速失去信任）；避免把上下文窗口塞满（昂贵、缓慢、触及上限，并用噪声稀释相关上下文）；避免非结构化输出解析（会随机出错、格式不一致、存在注入风险）。
风险与边界（资料以“问题-严重度-方案”形式列出）：不校验 LLM 输出（critical）、未清洗用户输入直接进入提示词（critical）、上下文塞入过多（high）、等待完整响应才展示（high）、不监控 LLM API 成本（high）、LLM API 失败时应用崩溃（high）、不核实 LLM 回答中的事实（critical）、在同步请求处理器中调用 LLM（high）。这些条目的具体代码实现资料未完整展示，暂未提供。
总体原则：把提示词当作代码、校验所有输出、绝不盲信 LLM。适用场景为需要将 LLM 能力可靠交付给大量用户的 AI 产品开发工作。具体安装命令、价格与平台支持信息暂未提供。