写 Prompt 还在靠感觉？结构化模板让 AI 输出稳如老狗

写 Prompt 还在靠感觉？手把手教你用结构化模板让 AI 输出稳如老狗

你是不是也这样：给 AI 发了一段 prompt，它输出的东西要么太泛、要么漏掉重点，改了三四遍才勉强能用？

问题不在 AI 笨——是你的 Prompt 缺少结构。

今天挖到一个超实用的 Claude Skill：prompt-engineering，专门解决”怎么写才能让 AI 听懂我”这个问题。它出自 rohunvora 的 my-claude-skills 仓库，收录了 22 个 Claude Code 专项技能之一。

它能干啥？

简单说就是教你一套结构化方法论，把 Prompt 拆成零件，按需组合：

• Few-shot Learning：直接塞例子，AI 照着模仿，输出格式秒对齐
• Chain-of-Thought：让 AI 先想再答，复杂推理类任务准确率飙升
• Prompt Optimization：已有的 prompt 拿来迭代优化，去掉废话压 Token
• Template Systems：把重复任务封装成模板，下次一键复用，省时省力
• System Prompt Design：设计角色设定和边界约束，让 AI 行为稳定可预期

什么场景用它？

比如你要让 Claude 帮你写产品文案，直接丢一句”帮我写个好标题”大概率翻车。但用 few-shot 模板：

例子1：输入”咖啡”，输出”醒着拼，睡着卷——冷萃黑咖啡”
例子2：输入”课程”，输出”3天学会写作，普通人也能做到的表达力公式”

然后你说”输入：AI 课”，AI 就能沿用这个风格秒出结果。

再比如写代码 Review prompt，用 chain-of-thought 结构引导 AI 先分析逻辑漏洞、再给修改建议，最后总结改进点——而不是一上来就喷代码烂。

怎么安装？

一行命令搞定：

npx skills add https://github.com/rohunvora/my-claude-skills --skill prompt-engineering-rohunvora

安装后在 Claude Code 里直接 /prompt-engineering 调用，或者在对话里提需求时让它用这个 skill 来优化你的 prompt。

我的感受

这个 skill 最戳我的点是把”写 prompt”从玄学变成了可工程化的流程。Few-shot + CoT 组合是我现在日常用得最多的，复杂任务出结果稳多了，不再需要反复调。

如果你经常和 AI 打交道但总觉得”调不好”，强烈建议试试这套方法论。

GitHub：https://github.com/rohunvora/my-claude-skills

GitHub: https://github.com/rohunvora/my-claude-skills