用途：这是一个面向 AI 工程的技能合集概览，用于把 AI 编码助手当作高级 AI 工程伙伴，按固定方法论处理系统提示词评估、上下文预算、RAG 架构、智能体安全、评测与产品策略等任务。
主要能力（以资料所述为准）：一、提示词评估器，按清晰度、具体性、完整性、简洁性、结构、依据性、安全性、健壮性 8 个维度 1-10 分加权成 0-100 分，找出最弱三维度并改写复评，支持单条、A/B 与批量模式。二、上下文预算规划器，分析系统、少样本、用户输入、检索、输出五个区域的 token 分布并给出优化分配与压缩决策树。三、RAG 流水线架构师，按文档格式、解析策略、分块（固定/语义/递归）、嵌入模型、检索方式、评估指标的决策树推进，覆盖 Naive、Advanced、Modular RAG。四、智能体安全护栏，对直接与间接提示注入、信息提取、工具滥用、目标劫持做审计，生成对抗性测试提示、逐阶段征求确认并给出修复建议。五、评测框架构建器，设计指标与 LLM-as-Judge 评分及偏差缓解、CI/CD 模板。六、产品感知教练，五阶段引导式对话。
使用方式：可通过 /skill install -g viliawang-pm/ai-engineering-toolkit 安装，或 git clone 后仅将选定文件装入授权工作区。安全类测试需先声明目标与书面授权、展示命令并等待确认，否则保持只读。
适用场景：上线前评估提示词、开发早期规划上下文、设计 RAG、AI 智能体上线前安全审计、搭建评测流程与写代码前的产品思考，建议按 RAG 设计→上下文优化→提示词打磨→安全审计→评测的顺序组合使用。
限制：本概览树只包含说明，六个工作流包、65 项测试用例与 CI 模板均未随附；评分与定性输出受评估者、模型与上下文影响，比较前应先校准评分标准并记录版本；不得在缺少评分标准、用例、运行框架与执行记录时声称完成 65 项测试或评分；输出不能替代针对具体环境的验证、测试与专家评审；缺少输入、权限、安全边界或成功标准时应先澄清。