prompt-engineering-patterns
LLMの性能、信頼性、制御性を本番環境で最大化するための高度なプロンプトエンジニアリング技術をマスターできます。プロンプトの最適化、LLMの出力品質の向上、本番用プロンプトテンプレートの設計時に活用してください。
description の原文を見る
Master advanced prompt engineering techniques to maximize LLM performance, reliability, and controllability in production. Use when optimizing prompts, improving LLM outputs, or designing production prompt templates.
SKILL.md 本文
プロンプトエンジニアリングパターン
LLMのパフォーマンス、信頼性、制御性を最大化するための高度なプロンプトエンジニアリング技法をマスターします。
このスキルを使うべき場合
- 本番用LLMアプリケーション向けの複雑なプロンプト設計
- プロンプトのパフォーマンスと一貫性の最適化
- 構造化推論パターン(チェーン・オブ・ソート、ツリー・オブ・ソート)の実装
- 動的な例の選択を行うフューショット学習システムの構築
- 変数補間を備えた再利用可能なプロンプトテンプレートの作成
- 一貫性のない出力を生成するプロンプトのデバッグと改善
- 専門的なAIアシスタント用システムプロンプトの実装
- 信頼性の高い解析のための構造化出力(JSONモード)の使用
コア機能
1. フューショット学習
- 例の選択戦略(意味的類似性、多様性サンプリング)
- 例の数とコンテキストウィンドウ制約のバランス調整
- 入出力ペアを使った効果的なデモンストレーションの構築
- ナレッジベースからの動的な例の取得
- 戦略的な例の選択を通じたエッジケースの処理
2. チェーン・オブ・ソート プロンプティング
- ステップバイステップの推論の引き出し
- 「ステップバイステップで考えましょう」を使ったゼロショットCoT
- 推論トレースを含むフューショットCoT
...
詳細情報
- 作者
- Asymmetric-al
- ライセンス
- unknown
- 最終更新
- 2026/3/7
Source: https://github.com/Asymmetric-al/Compass / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。