用途：帮助开发者从大语言模型获得可靠、高质量的输出，属于提示工程方法论与 API 用法参考。
主要能力：
- 核心技巧：系统提示设计（明确角色、约束与输出格式，说明不要做什么，重要指令前置）；思维链（先分步推理再给答案）；少样本示例（给出 2-3 组输入输出对，格式与期望一致）；结构化输出（如要求返回 JSON：{"decision": "approve|reject", "reason": "string", "confidence": 0.0-1.0}）。
- 提示模式：角色模式（如“你是审查代码漏洞的资深安全工程师，只关注安全问题”）、约束模式（限制句数、只用给定上下文、不确定时回答“I don't know”）、验证模式（生成后自检是否回答问题、有无证据、有无矛盾，不通过则修改）、分解模式（拆分子问题、分别求解、合并并验证）。
- API 用法：给出 Claude Messages API 与 OpenAI Chat Completions API 的 curl 调用示例，包含 system 消息、messages 与 response_format 等参数，并用 jq 提取文本。
- 提示优化：减少 token（删冗余、用示例代替长描述、把上下文放系统提示以便缓存）；提升可靠性（先推理后结论、用 XML 标签分隔段落、指令具体化、给出反面示例）；测试提示（同一提示跑 5 次看输出是否稳定，确定性任务用 temperature 0，创意任务用 0.7 以上，跨模型比较）。
使用方式：按上述模式编写系统提示与用户消息，通过 Claude 或 OpenAI 的 HTTP 接口调用；命令与 JSON 结构保持资料原样。
适用场景：代码审查、需要结构化 JSON 输出的任务、需要稳定可复现结果的自动化流程，以及提示词调试与优化。
限制：资料未提供该技能的安装方式、依赖、收费与平台支持信息；提示工程本身需经验性测试迭代，效果因模型与任务而异。