Prompt Engineering
来源: ComposioHQ/awesome-claude-skills 适配: LiYe OS 三层架构
教授提示工程技术，包括 Anthropic 最佳实践、Agent 设计模式、上下文工程。
When to Use This Skill
当需要优化 AI 交互时：
- 设计高效 System Prompt
- 优化用户提示
- 构建 Agent 工作流
- 减少 Token 消耗
- 提升输出质量
Core Capabilities
1. 提示结构设计
# System Prompt 结构
## 角色定义
你是 [角色]，专长于 [领域]。
## 核心指令
1. [首要任务]
2. [次要任务]
## 约束条件
- [限制 1]
- [限制 2]
## 输出格式
[期望的输出格式说明]
## 示例
[Few-shot 示例]2. Anthropic 最佳实践
| 技术 | 描述 | 效果 |
|---|---|---|
| XML 标签 | 使用 <tag> 结构化内容 | 提升解析准确度 |
| Chain of Thought | 引导逐步推理 | 提升复杂任务表现 |
| 角色扮演 | 明确定义 AI 角色 | 输出更一致 |
| Few-shot | 提供示例 | 输出格式更稳定 |
| 显式约束 | 明确禁止行为 | 减少意外输出 |
3. 上下文工程
┌─────────────────────────────────┐
│ System Prompt │ ← 角色、规则、格式
├─────────────────────────────────┤
│ Retrieved Context │ ← RAG 检索内容
├─────────────────────────────────┤
│ Conversation History │ ← 对话历史
├─────────────────────────────────┤
│ User Message │ ← 用户输入
└─────────────────────────────────┘4. Agent 设计模式
ReAct 模式:
Thought: 我需要...
Action: [工具调用]
Observation: [结果]
Thought: 根据结果...
Action: [下一步]
...
Final Answer: [最终答案]Plan-and-Execute:
1. 分析任务 → 生成计划
2. 逐步执行计划
3. 根据反馈调整
4. 汇总结果Multi-Agent 协作:
Coordinator → Researcher → Writer → Reviewer
↑__________________________________|5. Token 优化策略
- 简洁表达
- 避免冗余说明
- 使用缩写和符号
- 结构化而非叙述
- 懒加载上下文
Usage Examples
示例 1: System Prompt 设计
用户: 帮我设计一个代码审查 Agent 的 System Prompt
Claude: [使用 prompt-engineering 设计角色、规则、输出格式]示例 2: 提示优化
用户: 这个提示效果不好，帮我优化
Claude: [使用 prompt-engineering 分析问题、应用技术、重写提示]示例 3: Agent 工作流
用户: 我想让 Claude 自动完成研究任务
Claude: [使用 prompt-engineering 设计 ReAct 循环、定义工具、编排流程]Dependencies
无外部依赖，纯方法论技能。
LiYe OS Integration
业务域引用
此技能被以下业务域引用：
- 12_Meta_Cognition: 提示工程（主域）
- 06_Technical_Development: Agent 开发
与 LiYe OS 的关系
本技能直接服务于 LiYe OS 的核心交互层：
- 优化
.claude/packs/的 Context Packs - 提升 Skill 描述的触发准确度
- 改进 Agent 协作效率
三层架构位置
- 物理层 (本文件): Skills/00_Core_Utilities/meta/prompt-engineering/
- 逻辑层索引: Skills/{domain}/index.yaml
- L3 指令层:.claude/skills/{domain}/prompt-engineering/
Created: 2025-12-28 | Adapted for LiYe OS