RAG 系统的 Prompt 要处理检索片段、引用、冲突资料、缺信息和拒答，避免把检索当作万能答案。

Prompt Injection 的核心风险是用户输入覆盖系统意图，防护需要从上下文隔离、权限校验和工具调用边界入手。

Prompt Library 的价值不在收集模板，而在统一场景、变量、评测、版本和使用边界。

Prompt 调试需要记录输入、模板版本、模型参数、检索片段、工具结果和输出校验，才能定位质量问题。

面向生产 AI 应用的输出契约设计方法，覆盖 JSON schema、错误状态、枚举、兼容和降级。

提示词进入生产后，需要像代码一样管理版本、变更说明、评测结果和回滚策略。

降低幻觉不能只靠提醒模型不要编造，而要通过证据输入、引用要求、缺失处理和输出校验形成闭环。

从权限、状态、人工确认、审计和回滚角度，判断 Agent 工作流能否进入生产环境。

分析 AI 应用中成本、延迟和质量之间的取舍，并介绍缓存、模型路由、降级和批处理策略。

用产品目标、用户任务、数据条件和交付成本判断 AI 功能是否值得进入 MVP。