Design Production LLM Prompts

从提示词实验到可信赖的 AI 产品，中间需要一套结构化的工程方法。这个 Skill 为团队提供生产级提示词工程、评估工作流和 Agent 系统设计的完整指导，适用于想把 LLM 真正落地到业务场景的团队，使用于 Claude、Codex 和 Claude Code。

在提示词工程部分，它专注于生产环境中的实用模式，包括结构化输出的具体做法、推理任务的质量保障、以及不同场景下的最佳实践。它不会空谈「要写好提示词」，而是给出每种场景的具体处理方式。

评估工作流是它最实用的模块之一。它描述了如何定义评估指标、如何建立基准测试、如何在每次提示词改动后做回归检查。对于还没建立评估文化的小团队，这是一套可以直接借鉴的框架思路。

Agent 系统设计部分覆盖了部署关注点和监控需求。它会指出生产环境中容易忽略的风险点，比如 Token 成本控制、响应延迟监控、模型幻觉的处理机制，以及在什么情况下应该有人工审核介入。

安全与合规是它单独强调的内容。在金融、医疗、法律等强监管行业，AI 输出需要有明确的边界，这个 Skill 提供了隐私保护、性能约束和合规性检查的检查清单思路。

Python 脚本模板覆盖提示词优化、RAG 评估和 Agent 编排三大场景，可作为团队内部评估工具的基础框架。

适用场景：改进面向客户的 AI 产品提示词、建立 LLM 评估体系、评审 Agent 系统可靠性、为强监管行业设计合规的 AI 工作流。

质量评级：silver（质量分 81 / views 194 / 下载 7 / 收藏 1）。

风险等级：safe。

安装命令：npx skillstore add davila7/senior-prompt-engineer