auto_ai 知识库

Appearance

提示词工程 Skill 是把"怎么写好提示词"做成 Agent 可加载的技能包：Claude Code、Codex、GPTs、Gemini 通用。本指南以已安装到知识库的 prompt-engineering-guide 技能（treylom/prompt-engineering-skills，179★）为底，提炼 Context Engineering 四原则、专家域启动与 XML 结构化控制方法。

技法概述 ​

2026 年起，提示词工程的最佳实践从"教人写 Prompt"进化到"做成 Agent 技能直接加载"。GitHub 上出现了面向 Claude Code / Codex / GPTs / Gemini 的提示词工程技能仓库，其中 treylom/prompt-engineering-skills 维护一份约 7000 行的整合指南（模型特定策略 + Context Engineering + 专家域启动 + 研究/事实核查/幻灯片模板），并拆分为按平台可安装的 Skill。

本知识库已安装核心技能至 skills/prompt-engineering-guide/（.claude/skills/prompt-engineering-guide 为目录联接），用 Claude Code 管理知识库时自动可用。

适用场景 ​

  • 让 AI 生成高质量、可复用的提示词（研究、事实核查、图片、幻灯片）
  • Agent 工作流中需要结构化输出、防范围蔓延、防幻觉
  • 写系统提示词（System Prompt）时套用 Context Engineering 原则
  • 与 [AI-Agent-概述与核心组成](/学习笔记/AI技术/AI Agent/AI-Agent-概述与核心组成) 结合：技能 = 给 Agent 的"岗位说明书 + 参考手册"

操作步骤 ​

第一步：安装（已完成，知识库内） ​

bash
# 本知识库已安装 skills/prompt-engineering-guide/（含 SKILL.md + references/full.md 约 7000 行）
# 需要重装或装到其他机器时：
npx skills add treylom/prompt-engineering-skills   # 或按仓库 README 手动复制
# 备选：Anthropic 官方 anthropics/skills（文档处理类为主）

第二步：按需读取技能（SKILL.md 是路由索引，full.md 是正文） ​

grep -n "<锚点>" skills/prompt-engineering-guide/references/full.md
→ 定位到对应章节后部分 Read（约 7000 行，不要整篇通读）

第三步：套用四类核心方法 ​

① Context Engineering 四原则（信息组织）

  1. 渐进披露 Progressive Disclosure：系统提示词 → 指令 → 示例，分节给；附加信息按需提供
  2. 注意力预算 Attention Budget：重要指令放开头或结尾，背景放中间——防 "Lost-in-Middle"
  3. 信噪比 Signal-to-Noise Ratio：删废话、模糊词换具体指令
  4. 上下文质量 > 数量：最少 token 最大效果，结构化、可解析

② 专家域启动 Expert Domain Priming（替代"act as an expert"）

  • 指名真实专家 + 用其专业术语（激活模型专业区域）
  • 禁用模糊词：随便、大致、完美、详细、合适
  • 词语五角色检查：范围 / 目的 / 格式 / 禁止 / 行为

③ XML 结构化控制标签（精确约束输出）

  • &lt;output_verbosity_spec> 长度控制——最重要，始终用
  • &lt;design_and_scope_constraints> 防范围蔓延（不发明多余元素）
  • &lt;investigate_before_answering> 先查证防幻觉；&lt;default_to_action> 行动优先；&lt;avoid_overengineering> 防过度设计
  • &lt;output_contract> / &lt;completeness_contract> 输出契约（GPT-5.x 系）

④ 现成模板

  • 事实核查：LoopFactChecker / QuickFactCheck（IFCN 标准）
  • 结构化研究：StructuredResearch_v1.0

参数详解 ​

方法/标签作用使用要点
output_verbosity_spec输出长度/形式契约典型回答 ≤5 条要点；简单问题 ≤2 句；复杂任务"概览段 + 5 条要点"
design_and_scope_constraints防止过度实现"只做用户要求的，不发明色彩/阴影/token/动效"
investigate_before_answering防幻觉不确定先查证再回答
Progressive Disclosure信息分步给单次上下文不过载
专家域启动提升专业质量领域 → 专家 → 术语 → 插入 → 五角色检查

效果对比 ​

写法结果
"act as an expert, 详细一点，随便写"模糊词多、输出发散、无法校验
指名专家 + 术语 + &lt;output_verbosity_spec> + &lt;design_and_scope_constraints>输出符合契约、范围可控、可检查
直接问"帮我查一下 X 是不是真的"可能编造来源
套用 LoopFactChecker 模板有核查循环、来源标注、可信度判定

注意事项 ​

  • 大文件技能不要整篇通读：用 grep 锚点定位章节再读（该技能约 7000 行）
  • 模型版本差异大：技能中 GPT-5.x / Claude / Gemini 策略不同，按当前模型取对应章节；volatile 信息以仓库 README 为准
  • 技能安全：安装第三方技能前可用 NVIDIA/SkillSpector 扫描（检测提示注入/恶意模式）
  • 提示缓存：长上下文场景参考 Anthropic 官方 6 条缓存规则（ussumant/cache-audit）

一句话总结 ​

提示词工程已从"教人写 Prompt"进化为 Agent 可直接加载的技能：四原则管信息组织、专家域启动替代"act as an expert"，output_verbosity_spec 是输出长度契约，缺了它输出容易发散。

相关概念 ​