核心用法
本Skill是Prompt Engineering的综合性实践指南，通过inference.sh CLI工具调用Claude、GPT-4、Gemini、FLUX、Veo等主流模型。内容涵盖三大模块：
LLM提示工程：采用"角色+任务+约束+输出格式"四段式结构，支持链式思维（Chain-of-Thought）、少样本学习（Few-Shot）、系统提示（System Prompt）等核心技术。提供代码审查、情感分析、多轮推理等完整工作流示例。
图像生成提示：遵循"主体+风格+构图+光照+技术参数"五维框架，涵盖FLUX、Stable Diffusion等模型的正向/负向提示词技巧，包含摄影术语、艺术风格引用、质量关键词等实战模板。
视频生成提示：针对Veo等模型设计，强调镜头运动（tracking shot/dolly zoom）、时间描述（slow motion/timelapse）、电影感语言等视频特有的Prompt结构。
显著优点
1. 模型覆盖全面：同时覆盖文本、图像、视频三类生成模型，避免碎片化学习
2. CLI原生集成：所有示例可直接复制执行，实现"文档即代码"的无缝体验
3. 渐进式学习：从基础结构到迭代优化、多轮推理，难度曲线合理
4. 错误对照清晰：常见错误表格（模糊/冗长/冲突/无格式）提供可操作的修正方案
潜在局限
- 平台绑定较深：示例代码强依赖inference.sh生态，迁移至OpenAI原生API或其他平台需改写调用方式
- 模型版本迭代风险：Claude Sonnet 4.5、Veo 3.1等具体版本号可能快速过期
- 深度理论缺失：侧重实操技巧，对Prompt Engineering的学术原理（如soft prompt、automatic prompt optimization）未涉及
- 多语言支持有限：示例以英文Prompt为主，中文场景的特化技巧较少
适合人群
- 需快速上手多模态AI的开发者与设计师
- 希望通过统一CLI管理多模型API的技术团队
- 已有基础AI使用经验、希望系统化提升输出质量的进阶用户
常规风险
1. API成本失控：图像/视频生成模型调用成本较高，迭代优化过程中易产生意外费用
2. 提示注入安全：LLM示例中包含直接拼接用户输入的代码（如SQL注入示例），生产环境需严格参数化
3. 版权与合规：风格关键词引用特定艺术家（如Greg Rutkowski）可能涉及版权争议
4. 输出一致性：即使遵循指南，扩散模型仍存在随机性，关键业务场景需设置种子值或多次采样
来源可信度评估依据
内容由inference.sh官方团队维护（从inference-sh/agent-skills仓库分发），平台本身为T1级AI基础设施服务商，但Skill文档未经第三方安全审计，故综合评定为T2。