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
- 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
- [首要任务]
- [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]
- 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
- 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 └─────────────────────────────────┘
- 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:
- 分析任务 → 生成计划
- 逐步执行计划
- 根据反馈调整
- 汇总结果
Multi-Agent 协作:
Coordinator → Researcher → Writer → Reviewer ↑__________________________________|
- 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