注意：本文的提示词工程特别针对于 Claude 模型，对其他 LLM 的效果不作保证。

在使用大语言模型（例如Claude、ChatGPT、Deepseek等等）的时候，你有没有感觉大模型的回答经常答非所问、不听人话？即使在对话中指出了大模型的错误，大模型依然可能一边道歉、一遍继续坚持错误的回答，令人心力交瘁。这时你可能会觉得所谓的“AI浪潮”也不过是一群自媒体吹出来的新时代流量密码，实际用起来也就那样。

但你有可能真的错怪大模型了。想象一下，当你被吩咐去做某件事时，通常是得到了一个“指令”，比如说：

你来为我写一段代码，实现输出“a + b”的功能

看上去是一个相当简单的功能，但是要用什么语言来实现？这个功能该包装成一个方法吗？a 和 b 是控制台输入的还是从别的地方传递过来的？在实际工作中这些疑问可能已经有了预设（或者通识），但对大模型来说就是不明不白的一句话了。指令就是我们通过对话框输入的“提示词（Prompt）”，面对一个不明不白的提示词，大模型也只能靠猜测给出回答：

Deepseek的猜测

# 输入两个数
a = float(input("请输入第一个数字："))
b = float(input("请输入第二个数字："))

# 计算并输出结果
print(f"{a} + {b} = {a + b}")

想要让大模型给出满意的答案，还得在提示词上多下功夫，这也是今天本文讨论的重点——提示词工程（Prompt Engineering）。

准备阶段

对于几乎任何一个任务来说都有所谓的“任务目标”存在，当任务目标被完成的时候，任务也就被完成了。在 Claude 提示词工程中，一个明确的任务目标是一个成功的提示词的基石。根据 Anthropic（Claude 的开发公司）官方文档的描述，可以从两个维度定义成功标准：

具体的任务定义：清楚地定义任务目标，不要使用模糊的语言。例如在前文的代码生成场景中，如果用户想得到一个 Python 函数，那么不仅要定义 “生成一个 Python 函数”，还要明确函数的输入输出格式、错误处理机制、性能要求（如时间复杂度）等。
准确的评估指标：明确的目标应该是可衡量的，尽可能用理性的数字来描述成果。我们可以为目标建立多维评估体系，包括：
- 准确性：代码是否符合预期
- 可读性：代码是否符合 PEP8 规范，命名是否符合预期
- 效率：生成代码的时间复杂的和空间复杂度如何
- 安全性：代码能否通过单元测试？是否存在 SQL 注入等安全漏洞

模棱两可的目标：差不多、都行、感觉、可能、应该、尽量（到底是哪个？？）

另外需要明确的是：大模型虽然很强大，但也并非所有事情都能完成（~~例如证明黎曼猜想~~）。根据行业基准、先前实验、AI研究或专家知识设定你的目标，目标不应超出当前前沿模型的能力范围。

围绕两个基本维度，我们就可以开始编写提示词了。符合预期的提示词并不是一步得到的，而是不断与评估指标和和最终目标战斗的过程，直到所有指标都符合预期，一条提示词才最终出炉。

Prompt开发流程

评估往往会进行多轮，由于可能涉及大量评分问题，可以考虑将评分的流程自动化（让 LLM 编写用例并打分等）。虽然自动化评估的准确度可能不如人工评分，但数量优先于质量，更多的自动评分问题（即使信号略低）比少量人工评分的高质量评估要好。

LLM 评分技巧

详细、清晰的评分标准：可以引入一个特定用例，甚至该用例的特定成功标准，可能需要几个评分标准来进行全面评估。例如：“答案应该总是在第一句话中提到‘Acme Inc.’。如果没有，答案自动评为‘不正确’。”
明确具体的结果：比如指示 LLM 只输出“正确 ”或“不正确 ”，或在 1-5 分范围内进行判断。纯定性评估难以快速和大规模评估。
鼓励推理：让 LLM 在决定评估分数之前先思考，然后丢弃推理过程。这可以提高评估性能，特别是对于需要复杂判断的任务。

提示词工程

看完上面的提示词开发流程，我们不免产生一个问题：最初的提示词应该如何编写呢？Anthropic 官方文档给出了帮助开发者快速搭建初版提示词的工具的 Colab 在线文档。这个工具需要付费调用 Claude 的 API，但我们可以看一看它的源码是如何实现的。

在文档中可以看到 Anthropic 为 Claude 编写的元提示词（Metaprompt），其中包含了六个用于解决各种任务的优秀提示词示例。在使用提示词工具时，用户需要声明自己的目标（即 TASK，如“根据评分标准对简历进行评分”），随后可以为目标附加多个预期变量（即 VARIABLES，如评分标准中的多个维度），接下来工具将会把任务插入到元提示词中执行得到预期的结果。

上面是六个用于解决各种任务的优秀提示词示例

That concludes the examples. Now, here is the task for which I would like you to write instructions:

<Task>
{{TASK}}   <- 两个花括号中的变量是可以动态替换的，这有助于形成Prompt模板，保持提问的一致性
</Task>

To write your instructions, follow THESE instructions:

下面是一些指令

直接阅读时会发现元提示中包含了大量标签、花括号、一些看上去像 markdown 语法的内容，这些都是 Anthropic 编写 Claude 提示词工程法则的实际应用。在接下来的文章中，我想介绍一下最近在项目中使用提示词工程的心得，包括赋予角色、使用 xml 标签、采用提示词链、设置思维链、多样例提示五大方案。

为 Claude 赋予角色

在对话中，则可以在对话开头加入对 Claude 的身份设置，例如：

您是一家世界500强科技公司的总法律顾问。

您是一位拥有数十年软件开发经验的开发工程师。

~~你是一个猫娘。~~

在使用 Claude 时，用户可以通过使用 system 参数来赋予大模型一个角色，也可以在对话中插入角色设置，从而显著提升回答表现。不要认为这一步很没必要，大模型是为通用场景设计的，一个合适的角色定位可以将 Claude 从一个通用助手转变为某个虚拟领域的专家。定制化角色还可以影响以下两个方面：

定制语气：角色提示可以调整 Claude 的沟通风格。
提升专注度：通过设置角色背景，Claude 能更好地保持在您任务特定要求的范围内。

在 API 中，可以使用 system 参数设置角色：

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=2048,
    system="You are a seasoned data scientist at a Fortune 500 company.", # <-- 角色提示
    messages=[
        {"role": "user", "content": "Analyze this dataset for anomalies: <dataset>{{DATASET}}</dataset>"}
    ]
)

print(response.content)

使用 XML 标签

Anthropic 在官方文档中强调，XML 标签是提升 Claude 理解能力的关键工具。当提示词包含多个组件(如上下文、指令和示例)时，XML 标签可以形成结构化的提示词，帮助 Claude 更准确地对提示词进行解析，从而产生更高质量的输出，减少因误解提示词部分而导致的错误。

XML 标签和 HTML 标签长得很像，是通过一堆尖括号的形式来划分内容块的。我们可以通过标签来清晰地分割提示词的不同部分，这可以防止 Claude 混淆指令、示例和上下文。
用标签进行划分之后，我们也可以通过在提示词中引用特定标签的名称来提取特定部分进行响应。

一些常见的提示词块包括：

任务描述 \
任务介绍\
格式化描述\
思维链\
样例\
上下文\
回答\

1
2
3

\<task\>
您是一位资深游戏开发工程师，精通Unity引擎、Lua、C#、C++。现在需要您完成...
\</task\>

在实际使用的过程中，xml 标签给我的感受是提示词变得模块化，不仅 Claude 更容易理解，人读起来也舒服。

采用提示词链

在处理复杂任务时，如果你试图在单个提示中处理所有内容，Claude 有时可能会出错、或者遗漏某些关键步骤。提示链技术可以将复杂任务分解成更小、可管理的、有着明确单一目标的子任务，让模型从每个子任务入手，逐步完成整个复杂任务。提示链有以下好处：

准确性：每个子任务都能得到 Claude 的充分关注，这样可以减少错误。
清晰度：更简单的子任务意味着更清晰的指令和输出。
可追溯：可以轻松定位和修复提示链中的问题。

如果 Claude 在回答中经常遗漏了某个步骤或者对某个步骤表现不佳，我们可以将该步骤单独放在一个提示中。这样你可以微调有问题的步骤，而无需重做整个任务。

你还可以用链式提示让 Claude 审查自己的工作，这被称作自我纠正链。自我纠正链可以捕获错误并改进输出，特别是对于一些高风险任务来说。

设置思维链

在处理复杂逻辑时，思维链提示（Chain-of-Thought，cot）可以引导 Claude 深度推理，能显著提升推理能力。思维链鼓励 Claude 逐步分解问题（尤其是在数学/逻辑/分析或复杂任务中），从而产生更准确和细致的输出、减少错误。

例如，在解决经典的 “两数之和” 问题时：

传统提示
编写一个Python函数，输入整数列表和目标值，返回两个数的索引，使得它们的和等于目标值。

思维链
\

遍历列表中的每个元素，记录其索引
对于每个元素，计算目标值与当前元素的差值
检查差值是否存在于后续元素中
若存在，返回当前索引和差值的索引
处理重复元素和边界情况
\</thinking>
\

在写代码之前在 \ 标签中按分点进行思考。最后，在 \ 标签中使用你的分析编写符合要求的代码。

并非所有任务都需要引入思维链。引入思维链会增加输出长度和回答耗时，对简单任务来说可能是得不偿失的。

多示例提示

示例（Example）是让 Claude 精确生成你所需内容的秘密武器。通过在提示词中提供一些精心设计的示例，你可以显著提高 Claude 输出的准确性、一致性和质量。这种技术被称为少样本或多示例提示（Few-Shot Prompting），对于需要结构化输出或遵循特定格式的任务特别有效。Anthropic 官方文档的 Tips 标明在提示词中可以包含 3-5 个多样化、相关的示例。对于复杂任务来说，示例越多表现越好，但也会增加提示词的长度和回答时间。

为了获得最大效果，请确保你的示例是：