关于 prompt-engineering
面向构建 LLM 功能、Agent 或助手的提示词工程技能，涵盖结构化设计、合成测试数据生成与迭代评估，并要求交付完整提示词。
主要功能
- 01结构化提示词设计
- 02跨 LLM 优化提示词
- 03生成合成测试数据
- 04针对边缘情况评估
- 05提示词链与流水线
适用场景
- 01改进 Agent 系统提示词
- 02从支持工单提取结构化数据
- 03测试分类提示词
- 04设计多步文档分析链
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/prompt-engineering确认已加载。
附带文件references/synthetic-data.mdreferences/techniques.md
详细介绍
提示词工程
设计、测试并迭代提示词，让它们在不同大模型上都能稳定地产生可靠输出。涵盖提示词优化技术、结构化提示词设计、合成测试数据生成和评估方法。
何时使用此技能
- 为 AI 驱动的功能构建或优化提示词
- 为 Agent 或助手编写系统提示词
- 提高大模型输出的可靠性和一致性
- 生成合成测试数据，以验证提示词行为
- 评估提示词在各种边缘情况下的表现
- 设计提示词链和流水线
快速参考
| 任务 | 加载参考资料 |
|---|---|
| 提示词技巧和模式 | skills/prompt-engineering/references/techniques.md |
| 合成测试数据生成 | skills/prompt-engineering/references/synthetic-data.md |
工作流
- 调研：收集使用场景、约束条件和评估标准。审查现有提示词和模型行为。
- 设计：编写结构化提示词，加入示例、约束和评估钩子。规划实验和测量策略。
- 生成测试数据：分析提示词变量，生成多样且逼真的测试用例，以验证提示词。
- 验证：运行提示词测试，记录输出并整理调整内容。持续迭代，直至达到质量阈值。
- 交付：移交最终提示词，并附上使用指南和评估结果。
核心原则
创建提示词时，务必在明确标示的部分展示完整提示词文本。切勿只描述提示词而不展示内容。提示词必须可复制且自包含。
交付清单
对于每项提示词工程任务，请提供：
- 完整的提示词文本（完整展示并妥善排版）
- 设计选择和所用技巧的说明
- 使用指南（模型、温度、参数）
- 预期输出示例
- 涵盖常规情况、边缘情况和对抗性输入的测试用例
交互示例
- “优化这个代码审查 Agent 的系统提示词”
- “创建一个用于从支持工单中提取结构化数据的提示词”
- “生成测试用例以验证这个分类提示词”
- “设计一个用于多步文档分析的提示词链”
- “提高这个摘要提示词的一致性”
评论
支持 Markdown