别再瞎写 Prompt 了，这个 Skill 把“调教 AI” systematize 了

你是不是也经常遇到这种事：明明想得很清楚，一写到 Prompt 里，Claude 就答非所问；好不容易调好了，换个说法又崩了。

如果你正在用 Claude Code / Cursor / ChatGPT，强烈建议装一下这个 Prompt Engineering Skill：https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/ai-research/prompt-engineering

它不是那种“给你一堆模板”的教程，而是把“怎么让 LLM 听话”变成了一套可复用的工程方法。核心就几招：

• Few-Shot Learning：不靠说教，靠例子。给 2-5 组输入输出，模型马上 get 你想要的结构和风格。
• Chain-of-Thought：复杂任务先让它“一步步想”，准确率能直接涨 30%-50%。
• Template Systems：把 Prompt 模板化，变量化，避免每次都从零写。
• Progressive Disclosure：从最简单的指令开始，再慢慢加约束、加例子、加推理步骤。
• Error Recovery：提前告诉 AI 遇到不确定时该怎么回答，别让它瞎编。

这个 Skill 最大的价值，是帮你把“调 prompt”从玄学变成可测试、可迭代、可版本控制的工程流程。对经常写复杂指令、做 agent workflow、或者要给团队统一 prompt 规范的人，特别实用。

建议直接 clone 下来，挑一个你最痛的点先试，比如让 Claude 帮你重写一段业务 Prompt，再用里面的 checklist 过一遍。你会明显感觉到输出质量的差异。

GitHub：https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/ai-research/prompt-engineering

GitHub: https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/ai-research/prompt-engineering