prompt 玄学变工程:6 套生产级模式直接抄

写 prompt 总靠”试试再说”?你可能缺这一整套方法论。

最近挖到一个把”prompt 工程”做成 Skill 套件的狠货——prompt-engineering-patterns,来自 wshobson/agents(38k+ stars 的多 harness agent marketplace)。它不教你怎么”问 AI 几个问题”,而是把生产环境里 prompt 工程师真正在用的 6 大模式系统化。

它覆盖了什么

• Few-Shot Learning:不靠规则,靠示例动态选样(语义相似度/多样性采样),让模型从案例里学行为
• Chain-of-Thought:Zero-shot “Let’s think step by step”、Few-shot 推理链、Self-consistency 多路径采样,逻辑题准确率能拉 30-50%
• Structured Outputs:JSON mode + Pydantic 强制 schema,告别”AI 返回的 JSON 偶尔缺字段”的玄学
• Prompt Optimization:迭代 + A/B + 指标(accuracy/consistency/latency)三件套,把”我觉得更好了”变成”数据显示更好了”
• Template Systems:变量插值、条件段、多轮模板——同一份 prompt 适配 10 种场景不再复制粘贴
• System Prompt Design:稳定指令上移到 system、token 经济化、role 边界明确

为什么值

市面上 90% 的 prompt 教程停留在”加个 role、加个 step by step”。这个 Skill 直接给生产级模板,内嵌 LangChain + Pydantic + Anthropic SDK 代码示例,落地即用。比如一个 SQL 生成场景,示范代码 50 行就把 schema 校验、结构化输出、reasoning 串起来。

适用谁

• 写 agent / 写 LLM 应用的工程师:少走 prompt 调试的弯路
• 想做 RAG / Agent eval 的团队:有 prompt 优化方法论打底
• 用 Claude Code / Cursor / Copilot 写代码的人:同一个 plugin 5 个 harness 通吃

安装

/plugin marketplace add wshobson/agents
/plugin install llm-application-dev

仓库里 94 个 plugin、175 个 skill,prompt 优化只是冰山一角。

📦 GitHub:https://github.com/wshobson/agents/tree/main/plugins/llm-application-dev/skills/prompt-engineering-patterns

把”prompt 玄学”变成”prompt 工程”,从一个 Skill 开始。

GitHub: https://github.com/wshobson/agents/tree/main/plugins/llm-application-dev/skills/prompt-engineering-patterns