分享在方糖猫和 GeekCast Engine 中，如何通过 JSON Schema、Pydantic 校验和分层重试机制，把 LLM 结构化输出的成功率稳定在 98% 以上。

从我开发的真实的 AI 开发 Prompt 规则库（keframework-aidev-promptkit）和 AI 视频生成管线的实践出发，系统拆解 Prompt 工程：接口化设计、上下文工程、分层规则、Memory Bank、PLAN/ACT 双模式、Agent 编排、幻觉控制、多模态提示与评估回归。

Claude Code 不只是代码补全工具。结合 个人软件工程经验，谈谈如何用 Plan 模式、CLAUDE.md、上下文管理、模型路由、MCP/Skills 等工具生态，把它变成稳定可复用的工程杠杆。