写 Prompt 还在靠感觉？这个 Skill 整理了 26 条经过验证的原则

写过 Prompt 的人都懂这种感觉——扔进去一个模糊的指令，出来的东西要么太泛、要么跑偏，改了七八版还是差点意思。

问题往往不在模型，而在 Prompt 本身。

prompt-engineering 这个 Skill 做了一件很实在的事：把散落在各处的 Prompt 优化经验，整理成一套可以照着用的原则清单。

它收录了 26 条经过验证的 Prompt 工程原则，覆盖技术任务、学习内容创作、创意写作和研究四大场景。每个原则都配有具体示例、反模式和检查清单，告诉你「应该怎么做」和「为什么这样做」。

核心亮点：

• 23 条质量检查清单 — 写完 Prompt 对着打一遍分数，20 分以上算及格
• 5 种技术任务模板 — 代码、调试、架构、review、性能优化，直接套用
• 12 种常见反模式 — 「不要这样做」的避坑指南，比如「不要用负向约束」（别写”不要做 X”，改成”要做 Y”）
• 按任务类型分类 — 技术类 Prompt 和创意类 Prompt 的优化思路完全不同，这个 Skill 分得很清

用起来也简单。比如你要写一个代码调试的 Prompt，直接从 templates/technical-prompt-template.md 拿模板，把 TASK/INPUT/RULES 填进去，比从头憋有效率得多。

效果方面，Skill 官方说法是「强 Prompt vs 弱 Prompt 质量提升 400%+」，技术类任务成功率从 40% 提升到 90%+。这个数字你可以自己验证，但原则本身是靠谱的——都是经过实际测试的方法论，不是玄学。

适用人群：日常和 LLM 打交道、但感觉 Prompt 效率不高的开发者或 AI 爱好者。如果你已经是 Prompt 老手，26 条原则里可能只有几条是新的，但用来做团队内部培训素材或者给自己做一次系统性复盘，还是很值。

GitHub 仓库：https://github.com/greyhaven-ai/claude-code-config

GitHub: https://github.com/greyhaven-ai/claude-code-config