工程师 Dan McKinley 根据构建面向消费者的生产级 Agent 的经验提出，提示词本身不重要，可度量的自我改进系统才是关键。他建议让 Claude 生成对抗性场景、写成 pass^k 测试，再用 GEPA 等优化器自动改写提示词并用 holdout 测试防止过拟合，结合 LLM 判官和生产监控形成自改进闭环；领域专家应把精力放在构建好坏样本数据集和评测上，而不是手工打磨提示词。