Agent Skills
返回列表
🤖

提示词工程专家

AI Agent 更新于 2026.08.30

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-eyw2ohcx/sundial-org-awesome-openclaw-skills-prompt-engineering-expert。

技能介绍

你实际会遇到的问题

Agent 或 Claude 的回复时好时坏,往往不是因为模型「变笨」,而是系统提示结构松散、任务边界没写清,或把关键约束埋在自然段里。团队在多个技能/工作流之间复用提示时,还常出现 token 浪费、上下文塞满无关内容,以及反模式(例如同时要求「简短」和「详尽列举」)未被识别。

技能如何帮你落地

本技能把提示工程拆成可操作的模块,而不是泛泛讲概念:

  • 撰写规范:强调清晰、直接的提示结构与格式,减少歧义指令。
  • 自定义指令:为特定领域 Agent/技能设计 system 级说明与角色设定。
  • 优化与评测:对现有提示做对照分析,并定义测试用例与成功标准。
  • 进阶技法:链式思考(CoT)、少样本示例、XML 标签分段、role-based 提示等。
  • 上下文与多模态:控制 token 与上下文窗口;对视觉、嵌入与基于文件的输入给出提示组织方式。
  • 反模式识别:纠正常见错误(职责重叠、评价标准冲突、缺少输出格式约束等)。

典型路径是:先澄清任务与失败现象 → 重写或模板化提示 → 用用例回归 → 再压缩上下文占用。

适用边界

它聚焦提示与指令设计,不替代模型选型、RAG 管线或生产级监控。多模态部分侧重「如何写提示」,而非图像模型训练。若问题主要在数据质量或工具调用权限,需要结合其它工程手段一并处理。

使用场景

  • 生产 Agent 的 system 提示过于笼统,需要按领域拆清角色、工具边界与输出格式
  • 已有提示在复杂推理任务上不稳定,希望通过 CoT 与少样本示例做结构化改写
  • 多技能共用同一套模板时输出风格漂移,需建立评测用例并对照迭代
  • 上下文经常超限,需要在保留关键约束的前提下压缩历史与附件说明

适合人员

  • 负责 Claude/Agent 技能仓库维护、需要为各技能写清 system 与自定义指令的后端工程师
  • 做 AI 产品原型时要为垂直场景定稿提示词,并要可复用的模板与评测标准的产品工程师
  • 向团队推广 Agent 最佳实践、需要反模式清单与可演示改写案例的技术布道者
  • 线上 prompt 偶发劣化,要用测试用例定位是指令冲突还是上下文管理问题的平台工程师