该技能介绍如何为任意 LLM 编写有效的系统提示词，属于通用提示词工程，而非特定 Claude Code 的 agent 提示词（后者参见 writing-agents）。
用途：帮助写作者构建稳定、可复现、生产级的系统提示词。
主要能力与方法：
- 五个层次：角色（WHO）、上下文（WHAT it's working with）、任务（WHAT to do）、约束（WHAT NOT to do）、输出（HOW to format）。资料给出各层组合对应的输出质量与常见失败模式，例如仅有 Task 时约 30% 质量且格式多变，五层齐备约 95% 生产级。
- 角色层：强调定义专业领域与视角，而非人格；给出从通用到有具体背景的“具体化阶梯”示例。
- 上下文层：说明模型会收到什么、处于什么领域。
- 任务层：多步骤任务用编号步骤。
- 约束层：用边界防止范围蔓延与幻觉，如不报告风格问题、最多列出若干关键问题等。
- 具体化阶梯：从模糊到可测量，提高输出一致性。
- 结构化输出：指定精确 JSON schema、Markdown 表格列结构、枚举取值，禁止多余字段与注释。
- 少样本示例：什么情况需要示例、示例结构规范与规则。
- 注入防护：用分隔符、声明“视为数据”、系统指令优先、输出校验四层防护，并给出模板。
- 提示词组合模式：思维链、角色加受众、对抗式自检。
- 常见错误与质量检查清单：覆盖缺少输出格式、角色模糊、无约束、指令与数据混放、指令过多、自相矛盾等，并以清单在部署前逐项核对。
使用方式：按上述结构逐层编写和审阅提示词，最后用清单自查。资料未提供安装命令、收费、价格或具体平台信息。
限制：文中为通用方法建议，效果与“质量百分比”属资料给出的经验性说明，实际表现可能因模型与任务而异；提示词建议控制在约 2000 tokens 以内，过长收益递减。