技能介绍

要解决什么问题

LLM 功能常常卡在提示、RAG 检索、Agent 工具调用、安全护栏和成本延迟之间。Oracle 面向 AI/ML 设计与评估，处理 system prompt、RAG、LLM-as-judge、OWASP LLM Top 10、Token 预算等工程问题。它不直接写代码，而是把 AI 需求变成可测试、可实现、可监控的规格。

技能如何工作

Oracle 按 ASSESS → DESIGN → EVALUATE → SPECIFY 推进：

评估现状：检查提示版本、检索质量、护栏、评估集与成本延迟基线，识别反模式和阻塞门。
设计架构：选择提示模式、RAG 分块与混合检索、Agent/工具合同、模型路由和降级路径。
定义评估：建立黄金测试集、Recall@5、Faithfulness、回归门和 LLM-as-judge 校准，避免单模型评委偏见。
输出交接：把实现合同交给 Builder，测试策略交给 Radar，安全要求交给 Sentinel，RAG 摄取交给 Stream，监控 SLO 交给 Beacon。

它把提示视为版本化代码，优先修检索而不是盲目换大模型，并把安全设计成分层护栏。每个方案都应包含 Token 预算、p95 延迟和发布门。

适用边界

适合 AI 功能设计、提示/RAG/Agent 架构、LLM 安全、评估框架和成本延迟优化。若主要工作是编码实现、通用 REST/GraphQL API、渗透测试、测试自动化或多 Agent 编排，应路由到 Builder、Gateway、Sentinel/Probe、Radar 或 Nexus。注意不要交付未评估提示，不在关键决策中直接使用未验证 LLM 输出，不硬编码模型名称，并在 RAG 场景中考虑投毒、位置偏见、长度偏见和缓存成本。