写 Prompt 总翻车？试试这套「Prompt 工程化」方法论

写过 Prompt 的人都知道——写出来不难，写好很难。

同一句话换个说法，Claude 的回答质量能差出一个银河系。你以为 Prompt 写得好是「玄学」，其实全是工程问题。

今天挖到一个硬核 Skill，叫 Prompt Engineering Patterns，来自 Smithery，安装量 28,185，专门教你把 Prompt 当代码一样工程化管理。

它解决什么问题？

这个 Skill 不是教你「怎么说 Prompt」，而是教你Prompt 的结构、调试和优化方法论。

它把 Prompt 工程拆成了 6 大核心模块：

1. Few-Shot Learning（少样本学习）
怎么选例子、怎么排布例子、例子多了 token 不够怎么办——全有具体策略。不是塞一堆例子就行，要讲「语义相似度 + 多样性采样」。

2. Chain-of-Thought（思维链）
都知道「Let’s think step by step」，但这个 Skill 会告诉你什么时候用零样本 CoT、什么时候用少样本 CoT，以及怎么用 Self-Consistency 采样多条推理路径取最优。

3. Structured Outputs（结构化输出）
结合 Pydantic Schema 强制输出格式，告别 JSON.parse 报错。直接给你 Python 代码示例，照着改就行。

4. Prompt Optimization（Prompt 优化）
怎么 A/B 测试 Prompt 变体、怎么量化 Prompt 质量（准确率、一致性、延迟、Token 用量），以及小改动产生大影响的迭代心法。

5. Template Systems（模板系统）
变量插值、条件分支、多轮对话模板、角色组合——教你把 Prompt 做成可复用、可参数的「函数」。

6. System Prompt Design（系统提示词设计）
怎么设定模型行为约束、输出格式、角色定位、安全边界，比大多数教程讲的「你是一个有帮助的AI」精细 100 倍。

使用方式

这个 Skill 本身是给 AI Agent 用的——在 Claude Code、Cursor、Cline 等支持 Skills 的 IDE 里安装后，遇到以下场景会自动激活：

• 设计复杂的生产级 Prompt
• 优化 Prompt 性能和一致性
• 调试输出不稳定的 Prompt
• 构建 Few-shot 示例系统
• 实现结构化输出（JSON Mode）

核心 Best Practices（来自 Skill 原文）

• Be Specific：模糊 Prompt 必然产生不一致结果
• Show, Don’t Tell：例子比描述有效得多
• Use Structured Outputs：用 Pydantic Schema 强制可靠性
• Test Extensively：用多样化、有代表性的输入测试
• Iterate Rapidly：小改动能产生大影响
• Version Control：把 Prompt 当代码一样做版本管理

适合谁用？

如果你：
– 在用 Claude / GPT 做产品级应用
– 每天要写大量 Prompt 并维护它们
– 想系统提升 Prompt 质量而不是靠玄学调优

这个 Skill 值得装。它不教你说什么，而是教你怎么系统地想、怎么科学地改。

GitHub 仓库是 wshobson/agents，Prompt Engineering Patterns 所在路径是 plugins/llm-application-dev/skills/prompt-engineering-patterns，同时在 Smithery 和 Claude Code、Cursor 等 20+ 平台可直接安装。

GitHub: https://github.com/wshobson/agents