Design Better LLM Prompts

提示词质量不足是很多 AI 产品上线后效果不及预期的根本原因：需求描述模糊、示例缺失、评估标准不清晰。这个 Skill 帮助团队从零开始设计、生产级可用的提示词，覆盖从需求定义到测试评估的完整流程，适用于 Claude、Codex 和 Claude Code。

在需求定义阶段，它指导如何将产品目标转化为清晰的提示词指令，包括输入约束、输出格式、验收标准和边界条件。这解决了「业务方说想要一个聪明的 AI，工程师不知道怎么写提示词」的问题。

结构化输出能力是它的一大亮点。它提供 RAG 查询提示词设计方法，包括如何引用检索结果、如何在信息不足时主动声明未知、如何避免生成没有依据的结论。这比随意加一句「不知道就说不知道」要系统得多。

评估规划模块给出了完整的测试框架思路：指标定义、测试用例设计、失败模式分类和发布门槛。它不会直接替你跑测试，但会告诉你应该测什么、怎么定义成功、哪些边界情况最容易出错。

Python 脚本模板覆盖提示词优化、RAG 评估和 Agent 编排三个场景，虽然是脚手架而非完整实现，但足以减少大量重复搭建评估环境的工作量。

此外，它还涉及 Agentic System 设计中容易被忽略的话题：资源感知、缓存策略、访问控制和可观测性。这些是 Agent 在生产环境中真正能稳定运行的基础设施前提。

适用场景：定义产品提示词需求、建立 LLM 评估工作流、评审 Agent 系统设计、搭建 RAG 应用的提示词架构。

质量评级：silver（质量分 81 / views 235 / 下载 34 / 收藏 1）。

风险等级：safe。

安装命令：npx skillstore add alirezarezvani/senior-prompt-engineer