用途：把系统化提示工程技术应用于学术研究场景，提升以 LLM 为研究工具时的可靠性与可复现性。
主要能力：
- 提示设计模式：零样本、少样本（2-5 例）、思维链、角色提示、结构化输出（JSON/YAML/表格）、自洽性（多次采样取多数）。资料以表格给出各模式的适用任务与可靠性高低。
- 研究专用提示模板：create_research_prompt(task_type, context) 支持 literature_summary、methodology_critique、code_review、data_interpretation、writing_feedback 等类型，按模板生成结构化提示，如文献总结要求区分作者主张与证据支持；方法学评审按内部效度、外部效度、统计方法、样本、可复现性逐项评级并提改进建议。
- 复杂任务思维链：research_cot_prompt(question, data) 按六步推理：识别变量关系、选择分析方法、检查假设、执行或描述分析、结合语境解读、说明局限与替代解释，并允许显式标注不确定性。
- 提示评估：evaluate_prompt(prompt_template, test_cases, expected_outputs, model_fn) 对每个用例运行多次，用 difflib.SequenceMatcher 计算输出一致性，输出平均一致性并判定 high/moderate/low。
- 工作流集成：screen_paper_relevance(title, abstract, inclusion_criteria, exclusion_criteria) 生成系统综述筛选提示，输出 INCLUDE/EXCLUDE/UNCERTAIN、命中的标准与置信度，并规定不确定时倾向 INCLUDE。
使用方式：按任务类型选择模板或模式，填入上下文生成提示；对可靠性要求高的任务用少样本、思维链、结构化输出或自洽性；用评估函数检验提示稳定性；记录模型、版本、温度与精确提示以保证可复现。
伦理与限制：需披露 AI 使用；LLM 输出必须独立核查事实、引文与计算；注意偏见；引文可能为幻觉，需逐条验证；AI 不符合 ICMJE 作者标准，不能作为共同作者。资料未提供具体模型、版本、温度、收费与平台信息。