下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“prompt-engineering-patterns”。 Design a prompt that helps users write professional emails
预期结果:
一个结构化的邮件撰写模板，包含角色定义、语气指南和格式部分，可生成一致、专业的邮件输出。
正在使用“prompt-engineering-patterns”。 How can I improve code review quality with AI?
预期结果:
一个少样本提示，提供代码审查示例，包含常见bug模式、安全考虑和最佳实践，引导AI提供全面、建设性的反馈。
安全审计
安全All 216 static findings are false positives. The flagged files are markdown documentation (.md) and example JSON files containing educational content about prompt engineering techniques. The scanner incorrectly interprets backticks in markdown code blocks as shell commands, text references to cryptographic terms as weak crypto implementations, and tutorial references to system commands as reconnaissance. This is a documentation skill with no executable security issues.
低风险问题 (4)
质量评分
你能构建什么
构建可靠的AI产品
为AI驱动的应用程序设计生产就绪的提示系统，具有一致的输出格式和错误处理模式。
改进代码生成
应用结构化提示技术从Claude或Codex获取更好的代码补全和生成结果。
创建AI培训材料
开发全面的提示库和模板，用于团队范围内的AI采用和最佳实践。
试试这些提示
Solve this problem step by step:
Problem: {problem}
Think through each step carefully:
1. [First step]
2. [Second step]
3. [Third step]
Final answer:Classify the following input into one of these categories: {categories}
Examples:
{examples}
Now classify this:
Input: {input}
Category:You are {role}. Your task is {task}.
Guidelines:
- {guideline1}
- {guideline2}
- {guideline3}
Output format:
{output_format}Initial request: {request}
Current draft: {draft}
Feedback to address:
{feedback}
Please revise the draft based on this feedback:最佳实践
- 在系统提示中从清晰的角色定义开始，以建立AI行为边界
- 在少样本提示中使用覆盖边缘情况的具体、多样化示例
- 在多种查询变体上测试提示以确保输出的一致性
避免
- 使用模糊指令如"要helpful"而没有具体的行为指南
- 用太多示例使提示过载，超出上下文窗口限制
- 假设提示在不同LLM模型上工作方式相同，未经测试