提示词工程与大模型输入准备

把提示词当成输入包处理

一次可靠的大模型调用通常不只是一句话。它会同时包含指令、来源证据、语言要求、数据格式规则和风险说明。这个工作流先把这些部分拆开处理，等每一部分都可审阅后再组合。

先用 prompt-optimizer 让角色、任务、约束和示例变得清楚，再用 ai-token-estimator 检查计划中的指令和证据是否适合目标上下文窗口。这里的估算只是规划证据，不代表模型一定会按某种方式回答。

清洗并检查来源材料

如果 PDF 会成为依据文本，先用 pdf-to-clean-text-for-llm 抽取更干净的文本，再用 pdf-prompt-injection-scanner 扫描后才进入自动化或对话管线。隐藏、极小、页外或图层文本应作为风险证据被复核，而不是悄悄混入提示词。

多语言输入可以结合 prompt-translator 和 ai-language-detector，让最终指令明确目标语言并保留关键术语。如果提示词引用表格、JSON、CSV、方程或正则表达式，再用 ai-data-normalizer、ai-math-solver 和 ai-regex-explainer 把细节解释清楚。

交接时写明边界

最终交付物应是一份准备好的输入包：提示词、token 说明、清洗后的来源文本、语言假设、规范化数据和安全警示。它也要写明仍然不确定的地方。这些工具能提升清晰度和可审阅性，但不保证模型最终输出的质量、准确性或安全性。