AD prompt-engineer
Разрабатывает и оптимизирует системные промпты для консультативных ИИ и автономных систем агентов, используя трехуровневую архитектуру (Основа → Структура → Исполнение). Интегрирует методы оценки достоверности с проверенными на практике шаблонами из Claude Code, Vercel v0 и Manus. Используйте при разработке агентных систем с использованием инструментов, создании консультативных ИИ с оценкой уверенности, оптимизации существующих промптов, диагностике сбоев промптов или создании спецификации для передачи инженеру по промптам. Включает базу знаний для построения спецификаций и модульные расширения для RAG-заземления, калибровки домена и многоагентной оркестрации. Активируется по запросам: "system prompt", "agent", "agentic", "prompt engineering", "write a prompt", "improve my prompt", "AI advisor", "tool use prompt", "multi-agent", "build me a spec", "write a spec", "spec for", "tool specification", "system prompt build request".
машинный переводПоказать оригиналСкрыть оригинал«Designs and optimizes system prompts for advisory AI and autonomous ag…»
Designs and optimizes system prompts for advisory AI and autonomous agent systems using a three-layer architecture (Foundation → Structure → Execution). Integrates evidence-graded techniques with production-proven patterns from Claude Code, Vercel v0, and Manus. Use when designing agentic systems with tool use, building advisory AI with confidence grading, optimizing existing prompts, diagnosing prompt failures, or building a spec to hand off to a prompt engineer. Includes a spec builder knowledge base and modular extensions for RAG grounding, domain calibration, and multi-agent orchestration. Trigger on: "system prompt", "agent", "agentic", "prompt engineering", "write a prompt", "improve my prompt", "AI advisor", "tool use prompt", "multi-agent", "build me a spec", "write a spec", "spec for", "tool specification", "system prompt build request".
Разрабатывает и оптимизирует системные промпты для консультативных ИИ и автономных систем агентов, используя трехуровневую архитектуру (Основа → Структура →…
Как процесс D 40/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 40/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 40Согласованность. Имя во frontmatter (prompt-engineer) не совпадает с папкой (prompt-engineer-agentic)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Стоимость исполнения. Тело инструкции 277 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 858: рекомендуется 120–800 символов
- +4Структура: 2 заголовков, инструкции сложно сканировать
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 13 примера фраз-триггеров в кавычках
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.