agentleFS
Bbar0n234Bbar0n234/learnflow-ai/.claude/skills/prompt-engineering/SKILL.md

prompt-engineering

Skill35 starsChanged 3 months agoApache-2.0View on GitHub

Помогает писать системные промпты для LLM. Используй когда нужно написать prompt, system prompt, системный промпт, инструкцию для модели.

88 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use security-checklist, multi-agent-orchestration and 9 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • atuljha23Skill

    security-checklist

    OWASP-style quick reference — authn/authz, injection, secrets, sessions, crypto, dependencies. Use during code review and before committing security-sensitive changes.

    Also in 3 projects that use this

  • javalenciacaiSkill

    multi-agent-orchestration

    Design and coordinate multi-agent systems where specialized agents work together to solve complex problems. Covers agent communication, task delegation, workflow orchestration, and result aggregation. Use when building coordinated agent teams, complex workflows, or systems requiring specialized expertise across domains.

    Also in 4 projects that use this

  • xfstudioSkill

    llm-evaluation

    Implement comprehensive evaluation strategies for LLM applications using automated metrics, human feedback, and benchmarking. Use when testing LLM performance, measuring AI application quality, or establishing evaluation frameworks.

    Also in 3 projects that use this

  • GoogleSkill

    coding-principles

    Enforces engineering, architecture, public API, and code quality standards distilled from human reviewer feedback across A2UI pull requests. Use when authoring new code, refactoring, addressing review feedback, or reviewing PR diffs. Don't use for release publishing or spec blueprint generation without code or PR changes.

    Also in 3 projects that use this

  • pproencaSkill

    refactoring

    Code refactoring best practices based on Martin Fowler's catalog and Clean Code principles. This skill should be used when refactoring existing code, improving code structure, reducing complexity, eliminating code smells, or reviewing code for maintainability. Triggers on tasks involving extract method, rename, decompose conditional, reduce coupling, or improve readability.

    Also in 6 projects that use this

  • mjunaidcaSkill

    tool-design

    Design tools that agents can use effectively. Use when creating new tools for agents, debugging tool-related failures, or optimizing existing tool sets.

    Also in 3 projects that use this

The file

Files
SKILL.md

Prompt Engineering

Ключевые принципы

Язык: английский по умолчанию. Русский — если явно указано или данные на русском.

High-signal токены: Каждый токен промпта должен нести информацию. Attention budget модели конечен — тратить его на сигнал, не на шум. Избегать воды, повторений, очевидных вещей которые модель и так знает.

Goldilocks zone (правильная высота): Промпт между двумя крайностями:

  • Слишком низко: хардкод логики, if-else правила на каждый кейс → хрупкость, сложная поддержка
  • Слишком высоко: размытые указания, ложное предположение общего контекста → модель не понимает что делать

Оптимум: достаточно специфично для направления поведения, достаточно гибко для применения эвристик в непокрытых кейсах.

Вытекающие инструкции: Если из описания задачи логически следуют требования — включай их, даже если заказчик не проговорил явно. Не добавляй только то, что не относится к задаче.

Структура промпта

Форматирование: Markdown + XML

  • Markdown — форматирование текста (списки, bold, italic)
  • XML теги — семантическое разделение блоков

XML теги двусторонние (<tag>...</tag>), что предотвращает смешивание секций.

Выбор тегов

Теги подбираются под задачу. Имя тега отражает семантику содержимого.

Примеры (не обязательный набор):

  • <background> — контекст, ситуация, предпосылки
  • <task> — что нужно сделать
  • <constraints> — ограничения
  • <examples> — few-shot примеры
  • <output_format> — формат ответа
  • <domain_knowledge> — специфичные знания домена
  • <evaluation_criteria> — критерии оценки

Секция role (опционально)

Роль полезна, когда нужна конкретная точка зрения:

  • Эксперт в домене
  • Критик/ревьюер
  • Пользователь системы

Не нужна, если <background> уже даёт достаточный контекст.

Понимание вместо инструкций

Объяснять как и почему, не только что.

Вместо:

Отвечай кратко.

Лучше:

Целевая аудитория — занятые специалисты.
Им нужен быстрый ответ, не погружение в детали.

Когда модель понимает контекст и причины, она лучше справляется с ситуациями, не покрытыми явными инструкциями.

Итеративный подход

Промпт разрабатывается итеративно, не пишется сразу "идеальным":

  1. Начать минимально — базовый промпт с задачей и ключевым контекстом
  2. Тестировать на лучшей модели — увидеть baseline поведения
  3. Добавлять по failure modes — инструкции и примеры появляются когда модель ошибается в конкретных кейсах
  4. Не over-engineer заранее — не предугадывать проблемы, решать реальные

Антипаттерны

Хардкоды без требований

Не указывать конкретные числа (длина, количество), если заказчик не требовал.

Плохо:

Напиши описание продукта (3-5 предложений)

Хорошо:

Напиши описание продукта

Нерелевантные инструкции

Не добавлять:

  • Ограничения, не относящиеся к задаче
  • "Защитные" формулировки без реальной угрозы

Примеры: laundry list edge cases

Не пихать в <examples> список всех возможных edge cases. Вместо этого — курировать diverse, canonical examples, которые демонстрируют ожидаемое поведение.

Примеры — "картинки worth a thousand words". Несколько хороших примеров эффективнее десятка правил.

Примеры иллюстрируют паттерн и подход, а не хардкодят единственно верные значения.

Чеклист

  • Каждый токен несёт сигнал (нет воды, повторений, очевидностей)
  • Промпт в Goldilocks zone (не хардкод, не размытость)
  • Вытекающие из задачи требования включены
  • Нет нерелевантных ограничений
  • Теги подобраны под семантику содержимого
  • Есть объяснение "почему", не только "что"
  • Примеры diverse и canonical, не laundry list edge cases

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.