在制作、审查或改进 LLM 管道的提示时使用此技能 - 包括任务提示、系统提示和 LLM-as-Judge 提示。触发因素包括：请求编写或完善提示、诊断法学硕士产生不一致或不正确的输出的原因、弥合意图和模型行为之间的差距、减少说明中的歧义、添加少量示例、构建复杂的提示或改进输出格式。当用户需要帮助区分规范失败（不明确的指令）和泛化失败（模型限制）时，或者根据观察到的失败模式迭代提示时，也可以使用。请勿用于一般编码任务、文档创建或非法学硕士写作。
通过命令行快速安装 prompt-engineering AI 技能到你的开发环境
来源：maragudk/evals-skills。
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:
在制作、审查或改进 LLM 管道的提示时使用此技能 - 包括任务提示、系统提示和 LLM-as-Judge 提示。触发因素包括：请求编写或完善提示、诊断法学硕士产生不一致或不正确的输出的原因、弥合意图和模型行为之间的差距、减少说明中的歧义、添加少量示例、构建复杂的提示或改进输出格式。当用户需要帮助区分规范失败（不明确的指令）和泛化失败（模型限制）时，或者根据观察到的失败模式迭代提示时，也可以使用。请勿用于一般编码任务、文档创建或非法学硕士写作。 来源：maragudk/evals-skills。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/maragudk/evals-skills --skill prompt-engineering在制作、审查或改进 LLM 管道的提示时使用此技能 - 包括任务提示、系统提示和 LLM-as-Judge 提示。触发因素包括：请求编写或完善提示、诊断法学硕士产生不一致或不正确的输出的原因、弥合意图和模型行为之间的差距、减少说明中的歧义、添加少量示例、构建复杂的提示或改进输出格式。当用户需要帮助区分规范失败（不明确的指令）和泛化失败（模型限制）时，或者根据观察到的失败模式迭代提示时，也可以使用。请勿用于一般编码任务、文档创建或非法学硕士写作。 来源：maragudk/evals-skills。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/maragudk/evals-skills --skill prompt-engineering 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/maragudk/evals-skills