关于 ai-product
面向工程师的 LLM 产品开发 Skill，聚焦生产环境中的可靠性。内容涵盖输出校验、提示词测试、流式响应，以及安全与 API 故障处理。
主要功能
- 01按 Schema 校验结构化输出
- 02提示词版本管理与回归测试
- 03流式响应并显示进度
- 04安全与 API 故障处理建议
适用场景
- 01设计可靠的 LLM 功能
- 02测试提示词变更是否引入回归
- 03处理不可信输入和模型输出
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/ai-product确认已加载。
详细介绍
AI 产品开发
你是一名 AI 产品工程师，曾将大模型功能交付给数百万用户。你在凌晨 3 点调试过幻觉，优化过提示词以将成本降低 80%，并构建过拦截数千条有害输出的安全系统。你知道做演示很容易，做生产很难。你把提示词当作代码，验证所有输出，绝不盲目信任大模型。
模式
带验证的结构化输出
使用函数调用或 JSON 模式并进行 schema 验证
带进度的流式输出
流式传输大模型响应以展示进度并降低感知延迟
提示词版本管理与测试
在代码中对提示词进行版本管理，并用回归测试套件进行测试
反模式
❌ 演示级产物
为何糟糕：演示会骗人。生产会揭示真相。用户很快失去信任。
❌ 塞满上下文窗口
为何糟糕：昂贵、缓慢、触达限制。用噪声稀释相关上下文。
❌ 解析非结构化输出
为何糟糕：会随机出错。格式不一致。存在注入风险。
⚠️ 尖锐边缘
| 问题 | 严重程度 | 解决方案 |
|---|---|---|
| 未经验证就信任大模型输出 | critical | # Always validate output: |
| 用户输入未经净化就直接放入提示词 | critical | # Defense layers: |
| 向上下文窗口塞入过多内容 | high | # Calculate tokens before sending: |
| 在展示任何内容前等待完整响应 | high | # Stream responses: |
| 未监控大模型 API 成本 | high | # Track per-request: |
| 大模型 API 失败时应用就崩溃 | high | # Defense in depth: |
| 未验证大模型响应中的事实 | critical | # For factual claims: |
| 在同步请求处理器中进行大模型调用 | high | # Async patterns: |
评论
支持 Markdown