用途：该技能面向构建“AI封装型产品”的场景，即把OpenAI、Anthropic等AI API封装为解决具体问题的聚焦工具，而非“换皮版ChatGPT”。其定位是AI产品架构，强调AI是产品引擎而非噱头，并把提示词工程视为产品开发的一部分。
主要能力：涵盖AI产品架构、面向产品的提示词工程、API成本管理、AI用量计量、模型选型、AI交互设计模式、输出质量控制与产品差异化。封装栈流程为：用户输入→输入校验与清洗→提示词模板与上下文→AI API→输出解析与校验→用户友好响应。
使用方式（资料提供的示例）：使用 @anthropic-ai/sdk 初始化客户端并调用 anthropic.messages.create，包含模型（如 claude-3-haiku-20240307）、max_tokens、system 与 messages 参数；用模板定义 system 与 user 提示；强制JSON结构化输出并用 parseAIOutput 做解析与回退；用 callWithCostTracking 记录 input_tokens、output_tokens 与成本，并按每百万token费率计算；用 checkUsageLimits 按月设置用量上限。模型选型表给出GPT-4o、GPT-4o-mini、Claude 3.5 Sonnet、Claude 3 Haiku在成本、速度、质量和用例上的对照。成本削减策略包括使用更便宜模型、限制输出token、缓存常见查询、批量请求与截断输入。
适用场景：设计AI驱动产品、编写生产级产品提示词、构建可盈利的AI产品、控制API成本。
限制与风险：文档列出反模式，包括“薄封装综合征”（缺乏差异化、易被复制、无定价权）、忽视成本直到规模扩大（账单意外、单位经济为负）以及缺少输出校验（幻觉、格式不一致）；同时提示API成本失控、触发速率限制导致应用中断、AI编造信息、响应过慢影响体验等边界问题。具体价格、限额数值与平台支持情况在资料中未完整提供，需以实际数据为准。