Token导航 LogoToken导航

Agent Skill · 研究检索

prompt-engineering(及时工程)

用于辅助提示词、系统指令、Agent 行为约束和工作流模板的整理。它适合让 Agent 规范任务边界、统一输出格式、拆分操作步骤或优化提示词可复用性。使用时需要保留真实业务约束,不要把示例当硬规则;涉及自动执行、外部工具或高风险操作时,应在提示词中明确确认步骤、权限边界和失败处理方式。

prompt-engineering 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为调用外部服务;许可证为 MIT,暂无第三方扫描结果,按安装量在研究检索类的 73,675 个 Skill 里排第 61,604。

总安装 349周安装 14GitHub Stars 公开资料未说明下载 113核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:prompt-engineering(及时工程)
来源仓库:https://github.com/zpankz/mcp-skillset
仓库路径:skills/prompt-engineering
安装命令:
npx skills add zpankz/mcp-skillset --skill "prompt-engineering"
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

AgentSkills.tonpx skills
npx skills add zpankz/mcp-skillset --skill "prompt-engineering"

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于辅助提示词和工作流模板的整理优化。prompt-engineering 属于研究检索类 Skill,可作为该场景下的辅助能力补充。适合规范任务边界、统一输出格式或拆分操作步骤。可提升提示词的可复用性和行为约束清晰度。使用时需保留真实业务约束,勿将示例当硬规则。涉及自动执行时应明确确认步骤和权限边界。

来源仓库内路径:skills/prompt-engineering

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add zpankz/mcp-skillset --skill "prompt-engineering";命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

prompt-engineering 怎么安装?

在终端执行 npx skills add zpankz/mcp-skillset --skill "prompt-engineering"。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

prompt-engineering 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

prompt-engineering 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

prompt-engineering 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

prompt-engineering 用的人多吗?

公开数据是累计安装 349 次,近一周安装 14 次,下载 113 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

prompt-engineering 安全吗?

没有查到第三方扫描结果,安全性无法从公开资料判断,安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 没有第三方扫描结果,安全性只能靠自己读源码判断。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 要求有安全扫描结论才肯安装的团队。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
prompt-engineering

及时工程 · 本页

349—调用外部服务MIT未收录

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
prompt-engineering
description
Use this skill when you writing commands, hooks, skills for Agent, or prompts for sub agents or any other LLM interaction, including optimizing prompts, improving LLM outputs, or designing production prompt templates.

Prompt Engineering Patterns

Advanced prompt engineering techniques to maximize LLM performance, reliability, and controllability.

Overview

Effective prompt engineering combines structured patterns, iterative optimization, and psychological principles to achieve consistent, high-quality LLM outputs. This skill covers core capabilities, key patterns, best practices, and production-ready templates.

Core Capabilities

  1. Few-Shot Learning: Teach by showing examples (2-5 input-output pairs)
  2. Chain-of-Thought Prompting: Request step-by-step reasoning
  3. Prompt Optimization: Systematically improve through testing
  4. Template Systems: Build reusable prompt structures
  5. System Prompt Design: Set global behavior and constraints

When to Use

Use prompt engineering when:

  • Writing commands, hooks, or skills for agents
  • Designing prompts for sub-agents
  • Optimizing LLM interactions
  • Building production prompt templates
  • Improving output consistency and reliability

Progressive Loading

L2 Content (loaded when patterns and practices needed):

- Core Capabilities (detailed) - Key Patterns - Best Practices - Common Pitfalls - Integration Patterns - Performance Optimization

L3 Content (loaded when advanced techniques and examples needed):

- The Seven Principles - Principle Combinations by Prompt Type - Psychology Behind Effective Prompts - Ethical Use Guidelines - Production Examples - Quick Reference

平台分布

OpenCode

29.3%
按下载量换算33

Claude Code

24.1%
按下载量换算27

windsurf

16.73%
按下载量换算19

Codex

13.9%
按下载量换算16

kiro-cli

7.19%
按下载量换算8

mcpjam

3.48%
按下载量换算4

安全审计

暂无安全审计结果可展示。

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills