prompt-engineering

SKILL.md

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 |

Erstellen Sie effektive LLM-Eingabeaufforderungen mithilfe von Zero-Shot-, Few-Shot-, Chain-of-Thought- und strukturierten Ausgabetechniken. Verwenden Sie es beim Erstellen von LLM-Anwendungen, die zuverlässige Ausgaben erfordern, beim Implementieren von RAG-Systemen, beim Erstellen von KI-Agenten oder beim Optimieren von Promptqualität und -kosten. Behandelt OpenAI-, Anthropic- und Open-Source-Modelle mit mehrsprachigen Beispielen (Python/TypeScript). Quelle: ancoleman/ai-design-components.

Original anzeigen