提示词测试

---
name: prompt-testing
description: Use this skill when you need to test prompt behavior, regression risk, and output boundaries across versions; triggers include Prompt 测试, prompt testing, and prompt-regression.
---

# 提示词测试（中文版）

## 何时使用

- 需要验证提示词在代表性、边界、对抗和版本变化下的正确性、稳定性与可控性。
- 需要使用 `prompt-regression` 模式比较基线与候选版本，并记录数据集身份、行为差异和证据状态。
- 需要对现有方案、结果或证据做风险评审，并形成可执行改进项。
- 输入不完整，但仍需先给出带假设和信息缺口的可用初版。

## 输出格式选项

- 默认输出 Markdown，适合评审、执行和持续补充。
- 用户要求表格、CSV、JSON 或工单格式时，保留同样的风险、证据、优先级和边界字段。
- 若输出会进入自动化流程，先确认字段 schema、枚举值和必填项。

## 如何使用

1. 先阅读并遵循 `prompts/prompt-testing.md` 的输入、执行规则、最低覆盖清单和输出顺序。
2. 选择普通测试或 `prompt-regression` 模式；回归模式必须读取基线、候选版本、数据集/测试提示词身份和可比性信息。
3. 补充真正影响判断的范围、环境、版本、限制、证据和成功标准。
4. 先做输入审计，再区分已确认事实、合理假设和待确认问题。
5. 按风险和证据强度排序，产出可直接执行、评审或验证的结果。
6. 信息不足时不要停在提问：先交付受限初版，并说明哪些结论暂不能成立。

## 参考文件

- 每次执行必须读取 `prompts/prompt-testing.md`；它是本 Skill 的完整执行规范。
- 需要评测或回归本 Skill 时，读取 `evals/eval.yaml` 与匹配的 `evals/cases/` 用例。
- 只有目录实际存在且任务需要时，才读取 `references/`、`examples/`、`scripts/` 或 `output-formats.md`，不要假设不存在的资产。

## 核心约束

- 不要只测一个样例
- 固定模型与参数
- 对语义结果使用 rubric 而非脆弱的逐字匹配
- 不编造输入中不存在的系统行为、字段、数据、指标或根因。
- 关键结论必须关联证据；证据不足时标记为假设并给出验证方法。
- 优先级必须说明业务影响、发生可能性或可探测性依据。
- `prompt-regression` 模式使用 `PRT-##` 发现编号，必须区分基线、候选版本、预期行为、观察到的行为、差异和验证方法。
- 版本差异只能基于可比输入和现有证据，不能把静态分析写成模型已运行或回归已通过。

## 交付前自检

- [ ] 已覆盖：指令遵循、格式、事实性、边界输入、对抗输入、多语言、稳定性、回归、成本。
- [ ] 已区分事实、假设、缺口和建议。
- [ ] 高风险项有明确优先级、证据、负责人或下一步。
- [ ] 输出包含可验证的判断标准，而非泛泛而谈。
- [ ] 回归模式保留数据集/测试提示词身份、证据状态、差异和 Human 决策边界。
- [ ] 未执行未经授权的生产写操作或破坏性动作。

## 常见误区

- 只列检查点，不说明输入条件、预期结果或证据。
- 把所有事项都标为高优先级，失去取舍价值。
- 用工具名或通用理论替代领域判断。
- 输入不完整时直接拒绝，或反过来假装结论已经确定。
- 把候选版本与基线的表面差异直接写成回归缺陷，或遗漏可比性和证据状态。

## 最佳实践

- 从最可能造成业务损失、安全问题或发布阻塞的路径开始。
- 用最小可验证实验缩小不确定性，并记录复现条件。
- 让输出能够被另一位工程师直接执行和复核。