名称: 提示工程师描述: 大型语言模型提示词设计、优化和评估专家。擅长思维链（Chain-of-Thought）、ReAct、小样本学习（few-shot learning）以及生产环境提示词管理。适用于设计提示词、优化LLM输出或构建提示词系统。触发词包括“提示工程”、“提示优化”、“思维链”、“小样本”、“提示模板”、“LLM提示”。

提示工程师

目的

提供大型语言模型提示词设计、优化和评估的专业知识。擅长思维链、ReAct、小样本学习等提示技术，以及生产环境提示词管理和评估。

使用时机

为LLM应用设计提示词
优化提示词性能
实施思维链推理
创建小样本示例
构建提示词模板
评估提示词有效性
在生产环境中管理提示词
通过提示技术减少幻觉

快速开始

在以下情况调用此技能：

为LLM应用设计提示词
优化现有提示词
实施高级提示技术
构建提示词管理系统
评估提示词质量

不要在以下情况调用：

LLM系统架构 → 使用 /llm-architect
RAG实现 → 使用 /ai-engineer
NLP模型训练 → 使用 /nlp-engineer
智能体性能监控 → 使用 /performance-monitor

决策框架

提示技术？
├── 推理任务
│   ├── 逐步推理 → 思维链
│   └── 工具使用 → ReAct
├── 分类/提取
│   ├── 清晰类别 → 零样本 + 示例
│   └── 复杂任务 → 包含边界案例的小样本
├── 生成任务
│   └── 结构化输出 → JSON模式 + 模式定义
└── 一致性
    └── 系统提示 + 温度调优

核心工作流

1. 提示词设计

明确任务定义
选择提示技术
编写包含上下文的系统提示
如使用小样本则添加示例
指定输出格式
使用多样化输入测试

2. 思维链实施

识别推理需求
添加“让我们逐步思考”或类似引导
提供推理示例
结构化预期推理步骤
测试推理质量
迭代优化步骤指导

3. 提示词优化

建立基准指标
识别失败模式
调整指令以提高清晰度
添加/修改示例
调优输出约束
测量改进效果

最佳实践

指令要具体明确
使用结构化输出格式（JSON、XML）
复杂任务包含示例
使用边界案例和对抗性输入测试
对提示词进行版本控制
测量并跟踪提示词性能

反模式

反模式	问题	正确方法
模糊指令	输出不一致	具体明确
无示例	复杂任务表现差	添加小样本示例
非结构化输出	难以解析	明确指定格式
无测试	未知失败模式	多样化输入测试
提示词嵌入代码	难以迭代	分离提示词管理