prompt-engineering

Design and optimize prompts for large language models (LLMs) to achieve reliable, high-quality outputs across diverse tasks.

This skill provides systematic techniques for crafting prompts that consistently elicit desired behaviors from LLMs. Rather than trial-and-error prompt iteration, apply proven patterns (zero-shot, few-shot, chain-of-thought, structured outputs) to improve accuracy, reduce costs, and build production-ready LLM applications. Covers multi-model deployment (OpenAI GPT, Anthropic Claude, Google Gemini, open-source mode...

| Goal | Technique | Token Cost | Reliability | Use Case |

يطالب مهندس LLM الفعال باستخدام تقنيات الإخراج ذات اللقطة الصفرية والقليلة وسلسلة الأفكار والإخراج المنظم. يُستخدم عند إنشاء تطبيقات LLM التي تتطلب مخرجات موثوقة، أو تنفيذ أنظمة RAG، أو إنشاء وكلاء الذكاء الاصطناعي، أو تحسين الجودة والتكلفة السريعة. يغطي نماذج OpenAI والإنسانية ومفتوحة المصدر مع أمثلة متعددة اللغات (Python/TypeScript). المصدر: ancoleman/ai-design-components.