用途：Amplify 面向已经能正常运行的工作流，目标是在不破坏现有功能的前提下增加新能力，使其能处理更复杂的场景或产出更高质量的结果。
前置准备：需先调用 /agent-workflow，其中包含工作流原则、反模式与 Context Gathering Protocol；若尚无工作流上下文，必须先运行 /teach-maestro。添加工具时可参考 agent-workflow 技能中的 tool-orchestration 参考。
四类增强策略：
- 更好的提示词：为模型当前处理不佳的边界情况添加 few-shot 示例；在推理质量重要的任务中加入思维链；针对常见错误添加否定指令；用更结构化的字段升级输出 schema。
- 更好的工具：为模型缺失的能力添加工具；改进现有工具描述以提升选择准确率；为高风险操作添加确认步骤；添加用于验证/校验输出的工具。
- 更好的上下文：为领域知识添加 RAG；添加实时数据源以获取最新信息；添加用户画像/历史以实现个性化；将项目文档作为参考上下文。
- 更好的模型：在关键步骤升级到更强模型；使用模型级联（简单任务用低成本模型，复杂任务用强模型）；处理图像/文档时加入视觉能力；生成代码时加入代码执行能力。
流程：识别差距（工作流应做却做不到的事）→ 选择策略 → 增量实现（一次只加一项能力）→ 验证（运行评估套件确认提升且无回归）。
影响评估（资料给出的大致方向）：更好的提示词成本与延迟无影响、质量中到高；更好的工具成本低、延迟低到中、质量高；更好的上下文（RAG）成本中、延迟中、质量高；更好的模型成本高、延迟中到高、质量高。
检查清单：差距有具体证据而非假设；只选单一策略；改动前记录基线质量分；实现并测试改动；质量分提升且无回归；记录成本/延迟影响。
后续步骤：增强后运行 /evaluate 验证新能力，或运行 /iterate 为增强后的工作流建立质量监控。
禁止事项：没有具体差距就做增强；添加能力却不测试；不重算成本就升级模型；添加工具却不更新工具描述。
限制：资料未提供具体安装命令、收费方式、支持平台与实测效果数据。