Оптимизация промптов LLM для продакшена
Команды часто выпускают промпты без четкой оценки, структуры или рекомендаций по эксплуатации. Этот навык предлагает практические шаблоны для проектирования промптов, анализа RAG и планирования агентов.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "senior-prompt-engineer" from https://skillstore.io/skills/davila7-senior-prompt-engineer.md and its manifest at https://skillstore.io/api/skills/davila7-senior-prompt-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «senior-prompt-engineer». Промпту чат-бота службы поддержки требуются более стабильные и безопасные ответы.
Ожидаемый результат:
Использование «senior-prompt-engineer». RAG-ассистент возвращает подробные, но недостаточно обоснованные ответы.
Ожидаемый результат:
Использование «senior-prompt-engineer». Команда хочет спланировать многоэтапного агента для внутренних операционных процессов.
Ожидаемый результат:
The static network reconnaissance findings are false positives from the phrase "Resource awareness" in performance guidance. The external command findings are Markdown fences or inline file references, with no hidden command execution, obfuscation, or prompt injection evidence found.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/davila7-senior-prompt-engineer/audits/12?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-senior-prompt-engineer?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-senior-prompt-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-senior-prompt-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-senior-prompt-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). senior-prompt-engineer security audit report (audit version 12) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-senior-prompt-engineer/audits/12@techreport{davila7-davila7-senior-prompt-engineer-2026,
author = {davila7},
title = {senior-prompt-engineer security audit report (audit version 12)},
institution = {Skillstore},
year = {2026},
number = {12},
url = {https://skillstore.io/skills/davila7-senior-prompt-engineer/audits/12},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "senior-prompt-engineer security audit report (audit version 12)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/davila7-senior-prompt-engineer/audits/12"
identifiers:
- type: other
value: "skillstore:davila7-senior-prompt-engineer:audit:12"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
alirezarezvani-senior-prompt-engineer
2026-09-09
davila7-senior-prompt-engineer
2026-09-09
Преобразуйте неформальные промпты для функций продукта в структурированные инструкции с целями, ограничениями, примерами и критериями приемки.
Создавайте практические проверки качества промптов, поведения RAG, режимов отказа и готовности к эксплуатации в продакшене.
Определяйте роли агентов, границы использования инструментов, требования к наблюдаемости и аспекты развертывания систем ИИ.
Проанализируйте этот промпт на ясность. Определите цель пользователя, недостающий контекст, неоднозначные формулировки и три конкретных улучшения: [paste prompt].
Создайте продакшен-промпт для [task]. Включите роль, входные данные, формат вывода, ограничения, примеры и границы отказа.
Разработайте план оценки для [LLM feature]. Включите критерии успеха, тестовые сценарии, пограничные случаи, рекомендации по выставлению оценок и периодичность проверок.
Спланируйте рабочий процесс агента для [business process]. Определите обязанности агентов, доступ к инструментам, политику памяти, мониторинг и восстановление после сбоев.
Автор
davila7Лицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Ссылка
b959ebfd1043a07c0c4378ab94ca4342cb0259f5
Актуальность поддержки
26.07.2026
Использование
7 загрузок · 194 просмотров
Структура файлов
Создание исследовательских постеров в LaTeX
Исследовательские постеры сложно форматировать и проверять для печати в LaTeX. Этот навык предоставляет шаблоны, рекомендации по макету и проверки PDF для постеров, готовых к конференции.
Создавайте маркетинговый контент, готовый для SEO
Маркетинговым командам нужен понятный контент, который соответствует голосу бренда и поисковым целям. Этот навык предоставляет шаблоны, скрипты анализа и рекомендации по платформам для повторяемого производства контента.
Создание структурированных планов медицинского лечения
Клинические планы лечения часто оказываются непоследовательными, слишком объемными или сложными для проверки. Этот навык предоставляет специализированные шаблоны, измеримые цели, временные рамки и локальные средства контроля качества.
Создание структурированных клинических отчетов
Клиническим командам нужны понятные отчеты, соответствующие медицинским и регуляторным стандартам. Этот навык предоставляет шаблоны, чек-листы и рекомендации по валидации для описаний клинических случаев, диагностических отчетов, исследований и заметок о пациентах.
Анализ файлов научных данных
Файлы научных данных сложно исследовать, поскольку каждый формат по-разному хранит структуру и метаданные. Этот навык определяет форматы, оценивает качество данных и создает практические отчеты по разведочному анализу данных в формате markdown.
Запуск рабочих процессов молекулярного докинга DiffDock
Настройка молекулярного докинга часто завершается неудачей, поскольку сложно согласовать входные данные, параметры и оценки уверенности. Этот навык помогает выполнять рабочие процессы DiffDock от подготовки до анализа результатов.
Создание агентов Claude Code
от Dami-Randle
Проектировать надежных агентов Claude Code сложно без структуры. Этот навык предоставляет шаблоны, правила валидации и примеры для промптов агентов, триггеров, инструментов и метаданных.
Проектирование надежных инструментов для агентов
от Asmayaseen
Агенты дают сбои, когда названия инструментов, входные данные, выходные данные или ошибки неоднозначны. Этот навык дает практические шаблоны для описаний инструментов, схем, форматов ответов и тестирования.
Диагностика деградации контекста в ИИ-агентах
от ChakshuGautam
Длинные диалоги и большие промпты могут приводить к тому, что ИИ-агенты теряют важную информацию или следуют противоречивому контексту. Этот навык помогает Claude, Codex и Claude Code выявлять паттерны деградации и выбирать стратегии смягчения.
Проектирование архитектур приложений LangChain
от sickn33
LLM-приложения могут становиться сложными для структурирования по мере роста числа агентов, памяти, поиска и инструментов. Этот навык помогает выбирать подходы к проектированию LangChain и выполнять проверки для продакшена.
Создание субагентов Claude Code
от BrendanShields
Командам часто нужны специализированные агенты для ревью, исследований и работы в предметной области. Этот навык предоставляет структурированный процесс и шаблоны для создания субагентов Claude Code с ограниченным набором инструментов.
Создание обоснованных RAG-приложений
от wshobson
LLM-приложениям часто нужны надежные ответы из частных или изменяющихся источников знаний. Этот навык помогает проектировать RAG с использованием разбиения на фрагменты, embeddings, retrieval, reranking, prompting и evaluation.