prompt-engineering

Effective prompt engineering is fundamentally about closing two gaps between human intent and model behavior. Understanding which gap you're dealing with determines whether prompt refinement will actually solve your problem.

This gulf separates what you mean from what you actually wrote in the prompt. Your intent — the task you want the LLM to perform — is often only loosely captured by the words you write. Specifying tasks precisely in natural language is surprisingly hard.

Even prompts that seem clear often leave crucial details unstated. For example:

Используйте этот навык при создании, просмотре или улучшении подсказок для конвейеров LLM, включая подсказки по задачам, системные подсказки и подсказки LLM как судьи. Триггеры включают в себя: запросы на написание или уточнение подсказки, диагностику того, почему LLM выдает противоречивые или неправильные результаты, устранение разрыва между намерением и поведением модели, уменьшение двусмысленности в инструкциях, добавление нескольких примеров, структурирование сложных подсказок или улучшение форматирования вывода. Также используйте, когда пользователю нужна помощь в различении ошибок спецификации (нечетких инструкций) от ошибок обобщения (ограничений модели) или при повторении подсказок на основе наблюдаемых режимов ошибок. НЕ используйте для общих задач кодирования, создания документов или написания документов, не связанных с LLM. Источник: maragudk/evals-skills.