用途：该技能专注于为大语言模型设计、优化和评估提示词，以在多种用例下最大化模型表现。适用于为新 LLM 应用设计提示词、优化现有提示词以提升准确率或效率、实现思维链或少样本学习、创建带人设与护栏的系统提示词、构建结构化输出模式（JSON 模式、函数调用）、开发提示词评估与测试框架、调试不一致或质量差的输出，以及在模型或供应商之间迁移提示词。
核心工作流：一、理解需求，定义任务、成功标准、约束和边界情况；二、设计初始提示词，选择模式（零样本、少样本、思维链）并写出清晰指令；三、测试与评估，运行多样化测试用例并测量质量指标（验证检查点：若测试集准确率低于 80%，先识别失败模式再迭代，如指令含糊、缺少示例、边界遗漏）；四、迭代优化，一次只改一处，依据失败情况改进、减少 token、提升可靠性；五、记录与部署，对提示词做版本管理、记录行为并监控生产表现。
参考指南按上下文提供：提示词模式（零样本、少样本、思维链、ReAct）、优化（迭代改进、A/B 测试、token 削减）、评估（指标、测试套件、自动化评估）、结构化输出（JSON 模式、函数调用、模式设计）、系统提示词（人设设计、护栏、上下文管理）。
必须遵守：用多样且真实的输入（含边界情况）测试；用准确率、一致性等量化指标衡量；系统化版本管理与变更追踪；记录预期行为和已知限制；少样本示例需匹配目标分布；验证结构化输出是否符合模式；设计时考虑 token 成本与延迟；生产部署前跨模型版本测试。禁止：未经系统评估即部署；使用与指令矛盾的示例；忽视模型特定能力与限制；跳过边界测试（空输入、异常格式）；调试时同时做多处改动；在提示词或示例中硬编码敏感数据；假定提示词可在模型间完美迁移；忽视生产中的提示词退化监控。
交付时应提供：含角色、任务、约束、格式的最终提示词；测试用例与评估结果；使用说明（温度、最大 token、模型版本）；性能指标及与基线的对比；已知限制与边界情况。参考文件覆盖主要提示技术、结构化输出模式以及 GPT-4、Claude、Gemini 系列模型特定指导，针对特定模型或模式设计前应先查阅相关参考。具体安装命令、平台支持与收费信息暂未提供。