一键安装此套包中的所有插件：
42plugin install owl-listener/kit/ai-design-skillsowl-listener
执行结构化的红队测试，以发现模型对齐失败的问题。
owl-listener
起草涵盖安全性、语气和边界规则的 AI 行为政策。
owl-listener
为 AI 功能创建完整的设计护栏规范，确保系统安全与合规。
owl-listener
为特定功能设计完整的人机对话交互流程，优化用户体验。
owl-listener
构建用于评估 AI 输出质量的评分标准，帮助量化模型表现。
owl-listener
根据既定标准对 AI 功能执行结构化评估。
owl-listener
设计基准测试套件，以持续衡量 AI 产品的性能表现。
owl-listener
为复杂任务设计多步骤的提示词链，优化工作流执行效率。
owl-listener
评估现有提示词的清晰度、有效性及边缘情况，优化 AI 交互质量。
owl-listener
为 AI 功能创建结构化的系统提示词，优化模型响应效果。
owl-listener
识别并展示 AI 驱动工作流中每个阶段的负责人，清晰呈现团队分工与协作结构。
owl-listener
依据交互模式分类体系，评估现有的 AI 交互过程。
owl-listener
为智能体系统创建人工监督计划，确保自动化流程的安全性与可控性。
owl-listener
规划并可视化 AI 智能体的职责分工、边界定义及通信模式，优化多智能体协作架构。
owl-listener
构建完整的多智能体协作流程，明确角色分工、任务交接及异常回退机制。
owl-listener
创建完整的 AI 人设规范，包含语音、语调及行为规则。
owl-listener
针对边缘案例、对抗性输入及情感场景，对 AI 角色进行压力测试。
owl-listener
构建语气矩阵，将不同上下文映射至适配的 AI 行为模式。
owl-listener
依据交互模式分类体系，评估现有的 AI 交互设计。
owl-listener
起草涵盖安全性、语气和边界的 AI 行为政策，确保模型输出符合预期规范。
owl-listener
设计基准测试套件，以持续衡量 AI 产品的性能表现。
owl-listener
为 AI 功能创建结构化的系统提示词，优化模型表现与输出一致性。
owl-listener
规划智能体的职责分工、边界界定及通信模式，优化多代理协作流程。
owl-listener
主动识别潜在故障模式、滥用场景及非预期后果，提前规避系统风险。
owl-listener
构建语气矩阵，将不同上下文映射到适当的 AI 行为模式。
owl-listener
将组织价值观和用户期望转化为系统约束条件，确保产品设计符合核心价值导向。
owl-listener
向用户展示 AI 已知、未知及置信度信息，提升交互透明度。
owl-listener
设计审查工作流，以识别并减轻 AI 输出中的偏见。
owl-listener
设计支持知情同意、退出机制及人工干预的用户交互流程，确保用户对数据与操作拥有充分控制权。
owl-listener
定义 AI 的行为边界，明确其应当执行和禁止执行的操作。
owl-listener
通过明确的置信度与来源信号，帮助用户建立对 AI 的合理信任，避免过度或不足信任。
owl-listener
定义 AI 何时及如何向人类升级、拒绝请求或寻求澄清，确保交互安全与准确。
owl-listener
对 AI 故障进行分类，涵盖幻觉、拒绝响应、无关回答、语气不符及延迟等问题。
owl-listener
将尼尔森启发式原则适配于AI界面，并引入针对人工智能的特定评估标准。
owl-listener
追踪 AI 产品质量随时间的变化，包括漂移、退化及改进情况。
owl-listener
衡量 AI 是否真正帮助用户达成目标，评估交互的实际成效。
owl-listener
解读隐性与显性反馈，包括编辑、重新生成及放弃操作，以评估用户体验。
owl-listener
通过设计推理思维链，优化逻辑流程，从而生成更高质量的输出结果。
owl-listener
定义 AI 输出的质量标准，涵盖准确性、相关性和实用性。
owl-listener
解析高效系统提示的构成要素，涵盖角色设定、上下文背景、约束条件及输出格式。
owl-listener
提供 A/B 测试、并排比较及偏好排序功能，用于评估 AI 输出结果。
owl-listener
设计由 AI 动态生成 UI 组件的交互界面，实现自适应的用户体验。