Agent Skills
返回列表
🤖

提示工程模式

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/prompt-engineering-patterns。

技能介绍

生产里提示为什么总「飘」

同一套提示在 demo 里表现稳定,上线后却出现格式乱、推理跳步、相似输入结果不一致——往往不是模型「变笨」,而是缺少可复用的工程化模式:示例怎么选、推理怎么引导、失败怎么降级、版本怎么对比。

技能覆盖的核心能力

本技能围绕 少样本学习、思维链、提示优化、模板系统 与 系统提示设计 五条线展开,并强调可验证的落地方式:

  • 少样本:语义相似度与多样性采样、示例数量与上下文窗口的平衡、从知识库动态检索演示对,用策略性示例覆盖边缘输入。
  • 思维链:零样本/少样本逐步推理、带推理轨迹的演示、自一致性(多路径采样)与验证确认步骤。
  • 优化与模板:迭代精炼、变体 A/B、准确率/一致性/延迟/token 等指标;变量插值、条件段落、多轮与角色组合的模块化组件。
  • 系统提示:行为约束、输出结构、角色与领域、安全与内容策略、上下文背景。

文档中还给出 渐进式披露(从直接指令到加约束、加推理、加示例)与 错误恢复(备用指令、置信度、缺失信息处理)等关键模式;更细的 playbook 与 references 可对照 resources/implementation-playbook.md 与各专题 md。

适用边界

任务与提示工程设计无关、或需要的是本范围外的工具链时,不必启用此技能。避免 过度设计(未试简单提示就上复杂结构)、示例污染、上下文溢出 与 指令模糊;把提示当代码做版本管理与生产监控,而不是一次性文案。

使用场景

  • 为已上线的客服 LLM 设计带输出 JSON schema 的系统提示,并处理用户输入缺失字段时的降级回复
  • 从向量知识库按语义相似度动态挑选 3~5 条示例,构建少样本分类提示并控制不超出上下文窗口
  • 对数学或逻辑类任务启用少样本思维链与自一致性采样,对比多条推理路径再汇总最终答案
  • 对同一业务提示做变体 A/B,用准确率、一致性与 P95 延迟指标决定保留哪一版再纳入版本库

适合人员

  • 负责把 LLM 功能接入生产链路的后端工程师,需要可版本化、可评估且 token 可控的提示方案
  • 维护 RAG 或对话产品的提示工程师,要系统性优化准确率并减少相似输入下的输出抖动
  • 为垂直领域 AI 助手撰写系统提示与多轮模板的产品/算法同学,需明确角色边界与安全策略
  • 线上提示偶发格式错误或推理跳步,需按 playbook 做迭代精炼与边缘用例回归的 LLM 应用维护者