Prompt engineering

Skill unkownpr/prompt-engineering-skill/skills/prompt-engineering

Agent Skill for prompt engineering, RAG, CoT, hallucination reduction, and self-improving LLM loops

Install

npx -y skills add unkownpr/prompt-engineering-skill --skill prompt-engineering

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Yapay zeka ve prompt mühendisliği uzmanı. LLM'ler için yüksek kaliteli prompt yazma, halüsinasyon azaltma, Chain-of-Thought, RAG, model seçimi, prompt değerlendirme ve self-improving prompt döngüleri. Tetikleyiciler - "prompt yaz", "prompt iyileştir", "LLM çıktı kalitesi", "halüsinasyon", "Chain of Thought", "CoT", "RAG", "COSTAR", "few-shot", "prompt evaluation", "model seçimi", "Claude/GPT/Qwen/Kimi/MiniMax prompt", "agent prompt", "system prompt", "prompt injection".

SKILL.md

4.7 KB, as published. Nobody here has run it

Prompt Mühendisliği Skill

Bu skill, LLM tabanlı projelerde yüksek kaliteli prompt tasarımı, halüsinasyon önleme, değerlendirme ve iteratif iyileştirme için sistematik bir uzmandır.

Ne Zaman Aktif Olur

Aşağıdaki durumlarda otomatik devreye gir:

Kullanıcı bir LLM için prompt yazıyor veya iyileştiriyor
Bir prompt'tan beklenmedik/yanlış çıktı alındı (halüsinasyon, format hatası, eksik bilgi)
RAG sistemi kuruluyor veya optimize ediliyor
Bir AI agent / autonomous workflow tasarlanıyor
Few-shot örnekler, system prompt, role assignment konuları
Prompt değerlendirme veya golden dataset oluşturma
Belirli bir model için optimizasyon (Claude, GPT, Qwen, Kimi, MiniMax)

Karar Ağacı — Hangi Reference Dosyası?

Senaryo	Oku
Yeni prompt sıfırdan yazılıyor	`references/frameworks.md` (COSTAR + Anthropic yapısı)
Karmaşık akıl yürütme / kod / matematik	`references/cot-techniques.md`
Model uyduruyor, kaynak dışı bilgi veriyor	`references/anti-hallucination.md`
Prompt'un kalitesi ölçülecek	`references/evaluation.md`
Hangi modeli kullanacağına karar	`references/model-selection.md`
RAG / kurumsal doküman tabanı	`references/rag-tips.md`
Çok adımlı / çok dosyalı proje	`references/prompt-chaining.md`
Otonom ajan / Plan-Act-Reflect / multi-model / debugging few-shot	`references/agentic-loops.md`
Geçmiş başarılı pattern'leri hatırla / sakla	`references/mempalace-integration.md`

Template'ler (templates/ altında) — hazır iskelet doldur:

costar-template.md — genel amaçlı prompt
cot-template.md — <thinking> + <answer> yapılı
rag-template.md — kaynak metinden cevap üretme

Temel Prensipler (Her Zaman Uygula)

Açık ve spesifik ol — "Kodlama hakkında ne biliyorsun?" yerine "Bir web uygulaması için framework seçeneklerini özetle"
Rol ataması — "Kıdemli PHP uzmanı olarak..." → ton ve derinlik ayarlanır
Karmaşıklığı böl — büyük görevi alt adımlara ayır
Sınırlar koy — "Üç cümleyi geçme", "Kişisel görüş ekleme"
XML delimiter kullan — <instructions>, <context>, <example> ile bölümleri ayır
Kritik kuralları sona koy — "Hatırlatma: kaynakta yoksa 'belirtilmemiş' yaz" promptun en altında
Few-shot örnekler ver — 3-5 örnek format taklidi için kusursuz

Self-Improving Döngü (HER PROMPT İÇİN UYGULA)

Bir prompt yazdıktan sonra şunu yap:

Critique pass — "Bu prompt'un en zayıf yönü ne? Hangi edge case yakalanmıyor?"
Challenge — "Bu karara karşı en güçlü argümanı kur" diyerek modelin kendi çıktısını sınama
Refine — eksikleri kapatarak v2 yaz
Test — varsa golden dataset üzerinde çalıştır (references/evaluation.md)
Pattern kaydet — başarılı pattern'i ileride yeniden kullanmak için sakla (references/mempalace-integration.md)

Token Verimliliği Kuralları

Sadece gerekli reference'ı oku. Karar ağacından eşleşmeyenleri atla.
Template kullan, sıfırdan yazma — templates/ altında hazır iskelet var.
Geçmiş bağlamı yeniden yükleme — varsa MemPalace ile recall et.
Caveman uyumlu — gereksiz dolgu sözcüklerden kaçın.
Prompt'u tek seferde mükemmel yazma — iteratif iyileştirme daha verimli.

Anti-Pattern'ler (KAÇIN)

❌ "Lütfen", "yardım et" gibi dolgu → modelin token'ını harcar
❌ Aynı talimatı 3 farklı yerde tekrar etme → çelişki riski
❌ "Akıllı ol", "iyi sonuç ver" gibi muğlak emirler → ölçülemez
❌ Önce kod, sonra düşün → mantık hataları artar (CoT ile tersine çevir)
❌ Kaynak metni göstermeden "doğru bilgi ver" demek → halüsinasyon davetiyesi
❌ Tek dev prompt → küçük zincire böl (references/prompt-chaining.md)

Çıktı Formatı

Bir prompt önerirken her zaman şu yapıyı kullan:

## Görev
[ne yapılacak]

## Prompt
[XML etiketli, tam prompt buraya]

## Neden böyle
[hangi prensip uygulandı, hangi anti-pattern'den kaçınıldı — 2-3 madde]

## Test önerisi
[bu promptu doğrulamak için 2-3 edge case]

Gives 0 of the 12 instructions most prompt engineering skills give

Counted across 563 of the 626 authors here whose files we hold, read 2026-08-06

ask at most three clarifying questionsin 22 of 563, across 15 files
respond in the user input languagein 14 of 563, across 9 files
preserve the original intentin 13 of 563, across 11 files
Establish baseline metrics and collect representative examplesin 12 of 563, across 2 files
Identify failure modes and prioritize high-impact fixesin 12 of 563, across 2 files
Apply prompt and workflow improvements with measurable goalsin 12 of 563, across 2 files
Roll back quickly if quality or safety metrics regressin 12 of 563, across 2 files
validate changes with tests and roll out in controlled stagesin 12 of 563, across 2 files
generate quantitative baseline performance reportsin 12 of 563, across 2 files
create representative test scenariosin 12 of 563, across 2 files
treat prompts as codein 12 of 563, across 5 files
test prompts on diverse inputsin 12 of 563, across 8 files

Said here and by no other author read

be clear and specific
assign a role
set strict limits
use XML delimiters to separate sections
put critical instructions at the end
use templates instead of starting from scratch

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once.