1. 认识 Claude Prompt：模型特性与提示词基础
1.1 Claude 的能力边界与提示词的核心作用
我刚开始用 Claude 的时候，觉得它像个什么都懂的朋友。问它问题，它总能说出一大堆。可时间久了，我发现同一个问题，换个问法，答案质量差很多。有次我让它写产品介绍，直接说“写个介绍”，它给的内容很泛。后来我改成“你是资深文案，为这款保温杯写一段面向户外爱好者的介绍，突出24小时保温、轻量、防漏”，它输出的东西直接能用。这个对比让我明白，Claude 的能力有边界，提示词就是那把钥匙。
从开发者角度看，Claude 擅长理解自然语言，也能处理代码、分析数据、创作内容。它不擅长猜我心里没说的需求。我做过一个实验，让 Claude 从一段用户反馈里提取问题分类。第一次我只说“分析这些反馈”，它给了笼统总结。第二次我加上“按功能缺陷、体验问题、价格抱怨三类整理，每类列出原始句子”，它立刻给出清晰表格。提示词的核心作用，是把我的意图翻译成模型能精确执行的任务。
换个身份，作为内容创作者，我依赖 Claude 做大纲、改稿、找灵感。我慢慢意识到，Claude 不是魔法，它是个概率模型。我给的提示越具体，它越能命中我想要的方向。提示词的核心作用，不是命令，而是协作。我告诉它目标、背景、限制，它在这个框架里发挥。没有这个框架，它的回答就像没有靶子的箭。
1.2 Claude Prompt 的基本组成：角色、任务、上下文、格式与约束
我写 Claude Prompt 的时候，习惯拆成几个零件。角色设定放在最前面，比如“你是一位有十年经验的儿科医生”。任务描述要动词开头，比如“解释”“总结”“生成”“评估”。上下文包括背景资料、用户情况、历史对话。格式和约束决定输出样子，比如“用 Markdown 表格”“不超过200字”“避免专业术语”。这几个零件拼起来，Claude 的表现会稳定很多。
有次我帮朋友做旅行规划。最初我只说“推荐日本行程”，Claude 给了东京大阪京都的通用路线。我重新写：角色是“熟悉日本小众景点的旅行策划师”，任务是“为喜欢摄影和徒步的夫妻设计7天行程”，上下文是“他们去过东京，想避开人群，预算中等”，格式是“每天分上午下午晚上，标注交通方式和拍摄点”，约束是“不推荐购物点”。这次输出直接可以当攻略用。我朋友看完说，比他自己查半个月都强。
从团队协作角度，我发现把这几部分写清楚，别人也能复用我的提示词。我们小组做竞品分析，我写了一个模板：角色是“市场分析师”，任务是“对比三款笔记软件的定价、核心功能、用户评价”，上下文附上官网链接和评论截图，格式要求“先结论后分点，每点带数据来源”，约束是“不评价公司道德”。新同事拿去改改就能用，省了很多沟通成本。基本组成不是死板公式，它帮我减少遗漏。
1.3 为什么 Claude 偏好清晰分层、XML 标签与显式指令
我观察到一个现象。同样一段复杂需求，我写成一大段话，Claude 容易漏掉中间某条。我把它拆成几个带标题的小块，Claude 就能逐条回应。比如我让它“分析这份合同的风险，同时给出修改建议，还要用通俗语言解释”。它经常把解释和建议混在一起。后来我用 XML 标签：<风险点>、<修改建议>、<通俗解释>，每个标签里放具体内容。Claude 的输出立刻变得条理分明，我复制到文档里几乎不用调整。
我问过自己为什么 Claude 吃这一套。我的理解是，Claude 在训练时见过大量结构化文本，比如网页、代码、技术文档。XML 标签对它是很强的边界信号，它知道标签开始和结束之间是一个独立单元。显式指令像“第一步做A，第二步做B”也比“帮我处理一下”有效得多。我试过用“请思考后回答”，Claude 会真的在内部展开推理。我试过用“不要编造数据”，它会更谨慎地引用我给的材料。
从实际项目出发，我做过一个多轮对话的客服机器人。用户问题五花八门，我需要在提示词里分层：系统指令、当前任务、历史摘要、输出格式。我用 <system>、<task>、<history>、<format> 分开。Claude 在多轮里很少跑偏。如果我全塞成一段，第三轮它就开始忘记前面的约束。清晰分层和 XML 标签不是 Claude 的怪癖，是我和它高效沟通的捷径。
1.4 常见误区：模糊目标、信息过载与格式缺失
我踩过的第一个坑是模糊目标。我写过“帮我优化这段文字”，Claude 改完，我觉得不对，又说“再正式一点”，它又改，我还是不满意。来回五次，我才发现我根本没定义什么叫“优化”。是改语法？调语气？减字数？加感染力？后来我改成“把这段文字改成适合公众号发布的风格，保留原意，每段不超过三行，增加一个提问式开头”。一次就过了。模糊目标让 Claude 猜，猜错的概率很高。
第二个坑是信息过载。有次我让 Claude 写市场分析，我把十页调研报告全粘进去，还加了五篇新闻、三份财报。结果它输出的内容很浅，关键数据反而没提。我后来学会筛选：只给最相关的三段背景、两个核心数据、一个竞品案例。Claude 的注意力有限，塞太多它会平均用力。信息过载还会让提示词变得冗长，我自己读着都累，模型更难抓住重点。
第三个坑是格式缺失。我让 Claude 生成一份会议纪要，它给了大段文字。我需要的是“决议事项、负责人、截止日期”三列。我没说，它就不给。我加上“用表格输出，表头为事项、负责人、DDL”，结果直接能用。格式缺失让输出变得不可控。我现在写提示词，哪怕再简单，也会加一句“用分点列表”或“输出 JSON”。这个习惯帮我省下大量后期整理时间。
2. 构建高质量 Claude Prompt 的核心原则
2.1 目标明确：定义成功输出与验收标准
我曾经让 Claude 写一段产品介绍，只说“写个介绍”，它给了很泛的内容。我反复改了好几次，还是觉得不对。后来我停下来问自己：我到底想要什么？我要的是能放在官网首页、让访客看了想点“购买”的文案。我重新写提示词：“你是资深文案，为这款智能手表写一段官网首页介绍。成功标准是：突出心率监测和七天续航，语气自信但不浮夸，包含一个行动号召。输出控制在150字以内。”这次 Claude 一次就给了我能用的东西。目标明确，它才知道往哪使劲。
我们团队做项目时，会先一起定义“验收标准”。比如让 Claude 生成竞品分析，我们列出来：必须包含三个竞品、每个竞品对比定价和核心功能、最后给出我们的差异化建议。这些标准写进提示词，Claude 输出后我们逐条检查。这样避免了我一个人觉得“还行”但别人觉得“不够”的情况。验收标准越具体，返工越少。
还有个技巧，把成功输出描述成具体的样子。比如“我要一篇能让读者看完想转发到朋友圈的文章开头”，比“写个吸引人的开头”有效得多。Claude 会去抓“转发”这个动作背后的情绪——共鸣、意外、实用。目标清晰了，它自己会找路径。
2.2 上下文充分：提供背景、资料、示例与边界条件
有次我让 Claude 分析一份销售数据，只给了 CSV 文件。它给出的结论很表面，比如“销售额有增长”。我后来把业务背景补上：这是某款咖啡机在华东区的月度数据，目标是找出为什么三月后销量下滑。我还给了前两个月的对比、促销活动记录、竞品降价信息。Claude 立刻指出“四月竞品降价15%，我们的促销结束，导致转化率下降”。上下文就像拼图，缺一块，画面就不完整。
作为开发者，我习惯给 Claude 示例。比如让它分类用户评论，我会先给三条已经标好的例子：“电池续航太短”归为“硬件问题”，“客服回复慢”归为“服务问题”，“价格比预期高”归为“定价问题”。然后让它处理新的评论。示例比长篇解释管用，Claude 会模仿例子的模式。我试过不给示例，只描述分类规则，它经常把边界情况搞错。
边界条件也要说清楚。我会加一句“只用我提供的资料，不要引用外部知识”“如果信息不足，直接说无法判断”。有次我让它总结一份合同，它自己脑补了不存在的条款。后来我加上“只基于以下文本”，它就老实了。边界条件帮 Claude 知道哪里不能越界。
2.3 结构清晰：分步指令、优先级与输出格式控制
我写复杂提示词时，会把任务拆成几个动作。比如让 Claude 处理一份用户反馈报告：提取所有提到“卡顿”的句子，按发生场景分类，给每个场景写一句改进建议。我用箭头或者数字标出顺序，Claude 就按顺序执行。如果我把这些混成一段话，它经常漏掉中间那步。
优先级也很关键。有一次我让 Claude 同时做总结和翻译，它两个都做得一般。我改成“优先保证总结准确，翻译可以意译，如果时间不够，总结必须完整”。Claude 就懂得取舍。我会明确说“准确性优先于简洁性”或者“格式优先于文采”。这样它不会在次要目标上浪费精力。
输出格式控制，我常用 XML 标签。比如 <摘要>、<关键词>、<行动建议>。每个标签里放对应内容。Claude 输出后我直接解析。我还会指定“用 Markdown 表格”“每点不超过20字”“JSON 格式，字段为 title, summary, tags”。格式越明确，后期处理越省事。
2.4 迭代优化：从单轮试错到多轮反馈修正
我刚开始总想一次写出完美提示词。结果每次都不满意，又不知道哪里不对。后来我改变策略：先写一版，让 Claude 跑，看输出。哪里不对，我就改提示词里的对应部分。比如它写的语气太正式，我就在提示词里加“用朋友聊天的语气”。它漏了数据，我就加“必须引用至少三个具体数字”。单轮试错变成了快速迭代。
多轮对话里，我会给具体反馈。Claude 写完初稿，我说“第二段太笼统，请补充一个真实案例”“第三点的逻辑和第一点重复了，请合并”“结尾太平淡，加一个反问句”。它每次都能调整。我试过只说“再改改”，它不知道改什么，输出的东西跟原来差不多。反馈越具体，修正越到位。
我们团队会把每次迭代的提示词版本存下来。比如 v1 是基础版，v2 加了示例，v3 调整了格式。我们比较哪个版本输出质量高、速度快。积累多了，新任务直接找最接近的版本改。迭代优化不是一次性的，它是个持续的过程。
2.5 安全合规：隐私、偏见与敏感信息处理原则
我处理用户数据时，永远先脱敏。把姓名、电话、地址替换成 [姓名]、[电话]、[地址]。有次我忘了脱敏，直接把客户反馈粘给 Claude，虽然它不会主动泄露，但这是坏习惯。脱敏后再让它分析，我心里踏实。隐私是底线，不能靠模型自觉。
偏见问题我也遇到过。让 Claude 写招聘文案，它写“寻找年轻有活力的候选人”。我意识到“年轻”可能涉嫌年龄歧视。我加指令：“使用中性语言，避免年龄、性别、地域、外貌暗示”。它改成了“寻找有活力、乐于协作的候选人”。偏见往往藏在常用词里，需要主动排查。
敏感领域，比如医疗、法律、金融，我会让 Claude 加免责声明。比如“以下内容仅供参考，不构成专业医疗建议”。我还会要求它“不确定时说不确定，不要编造法条或病例”。有次它差点给出一个不存在的法律条款，我加了“只引用我提供的文件”才避免。安全合规不是限制，是保护我和用户。
3. Claude Prompt 编写技巧：从有效到高效
3.1 角色扮演与视角控制技巧
我经常让 Claude 扮演不同角色。写技术文档时，我让它当“资深后端工程师”，它会用更专业的术语。写小红书文案，我让它当“美妆博主”，语气立刻变了。角色描述越具体越好。“你是老师”不如“你是有十年经验的高中数学老师，擅长把复杂概念讲给基础差的学生听”。视角控制也很重要。我让它从用户角度、从老板角度、从竞品角度分别看同一个方案，得到的反馈完全不同。
有次我让 Claude 模拟客户提意见。我写“你是我们的目标客户，35岁职场妈妈，注重性价比，对广告很敏感。请评价这个产品页面。”它提的意见比我自己想的还细。角色扮演让 Claude 跳出通用模式。我会明确说“不要用专家口吻，用普通消费者口吻”。视角切换几次，就能拼出更完整的图景。
团队里有人写提示词只写“你是助手”，输出很平淡。我建议改成“你是我的写作搭档，负责挑刺，直接指出逻辑漏洞”。效果立竿见影。角色是给 Claude 一个身份锚点，它知道该调用哪部分知识，该用什么语气。
3.2 思维链、分步推理与自检指令技巧
复杂问题我会让 Claude 一步步想。算一个促销方案是否划算，我让它“先列出所有成本项，再算收入，再对比利润，最后给结论”。它中间如果跳步，结果容易错。我有时加“请展示你的推理过程”，这样我能检查哪里出了问题。不过展示过程会占输出长度，简单任务不需要。
自检指令很实用。我让 Claude 写完代码后加一句“检查是否有语法错误，检查边界条件”。它真的会回头找。写文章时我让它“写完后自己读一遍，检查有没有逻辑矛盾，有没有重复用词”。自检相当于让它当自己的审稿人。我试过不加自检，它直接给结果，有时有低级错误。加了之后，它会主动修正。
分步推理和自检结合，适合处理需要严谨的任务。我会写“第一步分析数据，第二步找异常点，第三步给建议。每完成一步，回头确认上一步的结论是否成立。”Claude 会按这个流程走。这样输出质量稳定很多。
3.3 XML 标签、分隔符与变量占位技巧
我大量使用 XML 标签来组织提示词。比如 <背景>、<任务>、<输出格式>、<示例>。Claude 对这种结构很敏感，它能准确找到每个部分。有次我把所有信息混在一起，它把任务和背景搞混了。用标签分开后，再也没出过这个问题。标签名可以自定义，但要前后一致。
分隔符也好用。我用三个短横线 --- 或者三个等号 === 来分隔不同区块。提示词里先放参考资料，用 === 隔开，再放我的问题。Claude 知道 === 后面是新指令。变量占位适合做模板。我写“请把 {{产品名}} 替换成实际名称”，然后批量处理不同产品。这样一套提示词能复用很多次。
我还会用标签控制输出。比如 <回答> 里面只放最终答案，<思考> 里面放推理过程。这样我解析结果时直接取 <回答> 部分。标签让提示词像代码一样有结构，调试起来方便。
3.4 少样本示例与输出格式约束技巧
给例子是最直接的技巧。我想让 Claude 写产品标题，先给三个例子：“轻如羽毛，跑马拉松不累脚”“充电5分钟，通勤一整天”“防水到可以游泳，洗澡也不用摘”。然后让它写第四个。它写出来的风格跟例子很像。不给例子，它可能写得很官方。例子要选有代表性的，覆盖不同情况。
输出格式约束，我常用 JSON。比如“输出 JSON 数组，每个对象包含 name, reason, score 三个字段”。Claude 会严格按格式来。有次我没指定字段名，它自己编了一套，我还要重新解析。指定格式后，直接能导入数据库。Markdown 表格也常用。我会说“用表格对比，第一列是功能，第二列是 Claude，第三列是竞品”。
格式约束越细，后期处理越省力。我试过让 Claude 输出纯文本，然后自己写代码提取，很麻烦。后来改成“每行一条，用竖线分隔”，处理起来简单多了。少样本加格式约束，基本能控制输出的大模样。
3.5 长上下文管理与关键信息召回技巧
处理长文档时，Claude 有时会忘记前面的内容。我的做法是把关键信息放在提示词的开头和结尾。开头放任务目标，结尾放“请再次确认你记得以下要点：...”。中间放参考资料。这样它不容易丢。我还会用标签把长文档分成小块，比如 <文档1>、<文档2>，让它分别总结再合并。
关键信息召回，我会明确说“请从上面的资料中找出所有提到‘退款’的句子，逐条列出”。不给具体指令，它可能只总结大意。有次我让它分析一份100页的合同，它漏掉了重要的免责条款。后来我加上“特别注意第3.2节和第7.1节”，它就找到了。长上下文里，主动指路比让它自己摸索有效。
我还会压缩上下文。把不重要的部分删掉，只留核心段落。Claude 的注意力有限，信息太多反而稀释了关键点。我试过给全文和给摘要，给摘要时它回答更准。长上下文管理就是帮 Claude 聚焦。
3.6 多轮对话中的上下文延续与指令纠偏技巧
多轮对话里，Claude 会记住之前的内容。我利用这一点，第一轮让它写大纲，第二轮让它扩展某一部分，第三轮让它调整语气。不用重复背景。有次我改了任务方向，它还在按旧方向走。我直接说“忽略之前的全部要求，现在按新指令来”。它立刻切换。纠偏要果断。
指令纠偏，我会指出具体哪里不对。比如“你第三段举的例子不相关，请换成电商场景”“你用的语气太正式，改成口语化”。它每次都能改。我试过只说“不对”，它不知道错在哪，改来改去还是原样。具体反馈省时间。多轮对话像聊天，我给它反馈，它调整，来回几次就接近目标了。
我还会在每轮开头加一句“基于上一轮的回答，现在做以下修改”。这样它知道是延续。如果我要开新话题，就加“这是一个新任务，与之前无关”。上下文延续和纠偏，关键是让 Claude 清楚当前状态。
4. Claude Prompt 常用模板：场景化复用与改造
4.1 通用任务模板：总结、改写、翻译、润色
我电脑里存着一套通用任务模板，总结类用得最勤。骨架长这样：<角色>你是资深编辑</角色><任务>总结以下内容</任务><约束>保留关键数字和结论，去掉重复表达，不超过300字</约束><输出格式>先一句话结论，再分点列出</输出格式>。这个模板换个约束就能用在会议纪要、论文摘要、用户反馈汇总上。我试过把“不超过300字”改成“不超过50字”，输出立刻变成电梯演讲风格。总结模板的核心是约束要具体，说清楚保留什么、去掉什么、给谁看。
改写和翻译模板共享一个结构。我会写 <原文>{{原文}}</原文><目标读者>{{读者}}</目标读者><语气>{{语气}}</语气><要求>保留原意，调整表达</要求>。翻译时多加 <术语表> 和 <风格>。润色模板加一条“标注修改处，用表格对比原句和改后句”。有次我润色一份英文简历，Claude 改完还给了我修改理由，省了我很多时间。润色不是简单换词，是让表达更顺、更贴读者。
模板复用关键是变量占位。我把所有会变的部分写成 {{...}}。每次复制模板，替换变量就行。改造时不动骨架，只调约束和示例。通用模板像毛坯房，场景化改造像装修。总结电商评论和总结法律合同，骨架一样，约束天差地别。前者要口语化，后者要严谨引用条款。我习惯在模板末尾加一句“如果原文信息不足，请指出缺什么，不要编造”。
4.2 分析与决策模板：竞品分析、数据解读、方案评估
竞品分析模板我经常改。基础版：<竞品>{{竞品名单}}</竞品><维度>功能、定价、渠道、用户评价、市场份额</维度><输出>Markdown表格，每行一个竞品，最后给差异化建议</输出>。Claude 会填表。我会加一句“数据来源标注在脚注，无法确认的数据写‘待验证’”。这一句很关键，能减少瞎编。有次分析 SaaS 工具，它把某家定价写错了。我加上来源要求后，它改成了“官网显示 $29/月，但促销页写 $19/月，需确认”。这种诚实比假精确有用。
数据解读模板，我一般给背景和指标定义。<背景>这是某电商平台过去30天数据</背景><指标>GMV、转化率、客单价、退货率</指标><任务>找趋势、异常、可能原因，给三条行动建议</任务>。方案评估模板，我会让 Claude 先列评估维度，再打分。维度包括成本、收益、风险、实施难度、合规性。权重我给定。输出格式要求“每个维度打分1-5，最后加权总分”。我还会让它列出“这个方案在什么条件下会失败”。逆向思考能暴露盲点。
改造分析模板，行业知识要加进去。做医疗方案评估，我会加 <合规>符合HIPAA，不输出患者身份信息</合规>。做金融竞品分析，加 <风险提示>不构成投资建议</风险提示>。模板不是法律文件，但约束能防大错。我习惯在模板末尾加“请先确认你理解任务，再开始分析”。Claude 会复述一遍，跑偏概率降低。
4.3 创作与营销模板：文章大纲、脚本、广告文案、社媒内容
文章大纲模板，我这样写：<主题>{{主题}}</主题><读者>{{目标读者}}</读者><核心观点>{{观点}}</核心观点><结构>开头钩子、三个分论点、案例、结尾行动号召</结构><字数>2000字</字数>。Claude 给的大纲有时太通用。我会加 <参考风格>{{风格样本}}</参考风格>，贴一段我喜欢的文章。风格样本一放，输出质量明显提升。脚本模板更细，要标时间轴。短视频脚本：<时长>60秒</时长><场景>办公室</场景><钩子>前3秒提问</钩子><产品>{{产品}}</产品><CTA>点击下方链接</CTA>。
广告文案模板，我会让 Claude 出五个版本。<卖点>{{卖点}}</卖点><痛点>{{痛点}}</痛点><平台>{{平台}}</平台><要求>每个版本不超过50字，带行动号召，语气{{语气}}</要求>。社媒内容模板，平台调性要写清。小红书要口语、emoji、标签。LinkedIn 要专业、数据、行业洞察。我试过同一个产品让 Claude 写两个平台，它切换得很自然。模板里加 <禁用词>最、第一、绝对</禁用词>，能避开广告法风险。
创作模板改造，品牌语气库是核心。我会把品牌过往文案整理成 <语气样本>，让 Claude 模仿。有次给一个新消费品牌写文案，我放了五条历史推文。Claude 写出来的句子像同一个运营写的。营销模板还要加 A/B 测试思维。我让它一次出三版，标注哪版适合拉新，哪版适合促活。模板复用不是偷懒，是把重复劳动交给机器，把判断留给自己。
4.4 编程与自动化模板：代码生成、调试、解释、测试用例
代码生成模板，我固定包含语言、框架、功能、输入输出、边界条件、代码风格。<语言>Python 3.11</语言><框架>FastAPI</框架><功能>用户注册接口</功能><输入>邮箱、密码</输入><输出>JSON 响应</输出><边界>邮箱格式错误、密码太短、邮箱已存在</边界><风格>PEP8，类型注解，异常处理</风格>。Claude 生成的代码基本能跑。我还会加“给出依赖安装命令”。调试模板，我贴错误信息和相关代码。<错误>{{报错}}</错误><代码>{{代码}}</代码><环境>{{环境}}</环境><已尝试>{{尝试}}</已尝试><任务>定位原因，给出修复方案，解释为什么</任务>。这样它不会乱猜。
代码解释模板，面向新手。<代码>{{代码}}</代码><读者>刚学编程的人</读者><要求>逐行解释，用生活类比，指出常见坑</要求>。测试用例模板，要求覆盖正常、边界、异常。<函数>{{函数}}</函数><输出>测试用例表格，包含输入、预期输出、测试类型</输出>。我经常让 Claude 写 pytest 用例。它写的用例能发现我没想到的边界。自动化模板，比如生成 shell 脚本、cron 任务、GitHub Actions 配置。我会加 <安全>不硬编码密钥，使用环境变量</安全>。
改造编程模板，业务逻辑要注入。通用用户注册模板改成医疗行业，加 <合规>密码加密存储，记录审计日志，不记录明文</合规>。Claude 会调整代码。编程模板的复用性很高，骨架不变，参数和约束变。我习惯把常用模板存成代码片段，用 IDE 的 snippet 功能快速插入。这样每次写提示词的时间从十分钟降到一分钟。
4.5 多轮对话与 Agent 工作流模板
多轮对话模板，我开头设定系统角色和状态。<角色>你是我的项目助理</角色><当前目标>{{目标}}</当前目标><已知信息>{{信息}}</已知信息><规则>每轮回答前先总结上一轮结论，再回答新问题</规则>。这样不会聊着聊着丢了上下文。我还会加“如果我的指令和之前矛盾，请指出并确认以哪个为准”。Claude 会提醒我，避免前后不一致。多轮中我会定期让它总结：“把目前所有决定列成清单”。这个清单能当作项目记录。
Agent 工作流模板，我拆成初始化、执行、检查、汇报。<workflow><目标>{{目标}}</目标><可用工具>{{工具列表}}</可用工具><步骤>1. 理解任务 2. 选择工具 3. 执行 4. 检查结果 5. 汇报</步骤><输出>每步输出思考、动作、结果</输出></workflow>。我让 Claude 扮演协调者，调用不同工具。实际用的时候，我会把工具描述写清楚。比如“搜索工具：输入关键词，返回网页摘要”。它就知道怎么调。工作流模板还要加异常处理。<异常>如果工具失败，重试一次，还失败就换方法，并记录</异常>。
多轮和 Agent 模板改造，场景不同，规则不同。客服 Agent 加 <语气>友好、耐心、不承诺无法兑现的事</语气>。研究 Agent 加 <引用>每个结论必须标注来源</引用>。我试过用同一个 Agent 模板做会议纪要助手和竞品监控助手，改几个标签就行。模板让复杂工作流变得可复制。我不用每次从头想流程，把精力放在业务逻辑上。
4.6 模板改造方法：从通用模板到行业专用 Prompt
改造模板，我有个四步法。换角色、加领域知识、调约束、改输出格式。通用总结模板换成医疗报告总结：角色从“资深编辑”换成“临床医生助理”，加 <术语>{{医学术语表}}</术语>，约束加“脱敏，不出现患者姓名和身份证号”，输出格式改成“先异常指标，再正常指标，最后建议”。骨架没变，内容全变了。我一般保留 <任务> 和 <输出格式> 标签，替换其他部分。
建立模板库很重要。我按场景分类：通用、分析、创作、编程、Agent。每个模板记录版本、适用场景、已知问题。团队协作时，模板库能统一输出风格。我会定期回顾哪些模板用得多，哪些该淘汰。A/B 测试两个模板，看哪个输出更符合验收标准。反馈收集从我自己开始，再到同事。模板不是写完就完了，要迭代。
改造要匹配模型能力。Claude 长上下文强，我就多放参考资料。Claude 对 XML 标签敏感，我就用标签分区。模型更新后，旧模板可能失效，要重新测。我遇到过新版本对某些指令理解变了，调整措辞就好了。模板改造的终点是行业专用 Prompt。它包含行业术语、合规要求、业务流程、输出规范。有了这套东西，新人也能快速写出高质量提示词。我的经验是，先从通用模板跑通，再逐步加行业细节，别一上来就追求完美。
5. 进阶实践：Claude Prompt 的评估、调优与工作流集成
5.1 建立 Prompt 评估指标与 A/B 测试方法
我曾经有一阵子特别困惑。同样的任务，今天改一句提示词效果变好，明天再改一句又变差，来回折腾。后来我意识到问题出在我没有量化标准，纯靠感觉判断好坏。凭直觉评提示词，就像凭手感炒菜，换个厨房就翻车。我开始给自己定评估维度。准确性，输出事实和逻辑对不对。完整度，该有的内容有没有漏。格式合规，输出结构是否符合要求。语气匹配，读起来像不像目标场景该有的样子。简洁度，有没有废话。每个维度打1到5分，最后心里就有一本账。
打分之后，我做A/B测试。同一任务准备两个版本的提示词，只改一个变量。比如A版有思维链指令，B版没有。跑十次任务，两边分数拉个平均值。我习惯用表格记录：版本、维度得分、典型输出片段、观察到的差异。A/B测试的关键是变量单一。我试过同时改角色和格式，最后根本分不清是哪个改动带来的效果。测试样本也很重要。跑一次就说A好，那是运气。跑十次二十次，规律才浮出来。
评估还有一类指标容易被忽略，叫稳定性。同一个提示词，换几个不同输入，输出质量波动大不大。我遇到过某个提示词处理标准输入很好，一遇到脏数据就崩。评估的时候我会故意加几条边界case：空输入、超长输入、含矛盾信息的输入。看Claude怎么处理。它在边界上的表现，往往比正常case更能说明提示词的健壮性。我把这个叫“压力测试思维”。跟测软件一样，提示词也得跑跑异常路径。
5.2 版本管理、模板库与团队协作规范
吃了很多亏之后我才开始给提示词做版本管理。以前我直接在原提示词上改，改完不满意想回到上一版，发现已经找不到了。现在我每个提示词都存成文件，命名带日期和版本号。summary_v1_20240115.md，summary_v2_20240120.md。文件里写清楚这一版做了什么改动，为什么改，测试结果如何。这习惯救过我一次，某次大改效果暴跌，三分钟就回到了旧版。
模板库我按四层组织。最底层是基础模板，通用任务骨架。往上一层是场景模板，比如电商总结、法律合同总结。再往上是行业模板，带合规约束和术语表。最上层是项目模板，为具体客户或产品定制。每层之间有继承关系，底层改动可以向上传导。我还会给每个模板写“使用说明”：适合什么任务、不适合什么任务、已知问题、推荐变量取值。团队协作里，这个说明比模板本身还重要。新人拿到模板，看说明就知道边界在哪。
团队协作我会定几条规矩。命名统一，别一个人写 summary_prompt，另一个人写 总结提示。变量占位统一用双花括号 {{变量名}}，别一会儿用方括号一会儿用尖括号。改动记录写在文件头，谁改的、改了什么、测过没有。我见过团队因为提示词版本混乱，两个人同时改同一个模板，结果合到一起就冲突。定期做模板评审也有用。大家一起看哪些模板跑得好，哪些该退役。提示词库像代码库，不维护就会腐烂。
5.3 与 Projects、Artifacts、API 结合的自动化工作流
Claude的Projects功能我用得挺多。它可以把一组相关对话和文件放在一个项目里，上下文持续保留。我给一个品牌做内容策划时，把品牌手册、往期文案、竞品分析全丢进项目知识库。之后每次对话，Claude都带着这些背景回答。不用每次重新贴资料，省了大量重复劳动。项目里我还会固定放一份“当前目标”文档，随时更新，Claude每次回答前都会参考它。这个用法本质上把提示词从单次指令升级成了持续上下文。
Artifacts我用它做迭代式创作。写长文时，我先让Claude出大纲。它在Artifact里生成一版，我直接在上面批注修改，让它基于我的修改继续。这种实时协作比来回复制粘贴效率高得多。做数据分析时也一样，我把代码和数据发给它，它生成图表Artifact，我看着图提修改意见。Artifacts的妙处是输出和输入在同一个界面流动，不用反复切窗口。
API集成是更大的一步。我做过一个自动化周报系统。用Python脚本调用Claude API，传入本周的销售数据和市场数据，让它按固定模板生成周报初稿，再输出成Markdown文件。整个流程跑在定时任务里，每周一早上自动出稿。我做的是配置提示词和处理异常，剩下交给机器。API的好处是能嵌入现有工作流。比如客服系统调用它生成回复草稿，内容平台调用它做初步审核。提示词在API场景里变成了程序的一部分，需要更严谨的格式约束和错误处理。我给API用的提示词都会加 <输出格式>严格JSON，不要有额外文字</输出格式>。否则程序解析会崩。
5.4 复杂任务拆解：多 Prompt 编排与工具调用
一个人干不了所有事，一个提示词也搞不定复杂任务。我现在遇到大任务的第一反应是拆。写一份行业白皮书，我拆成六步：市场调研、竞品分析、用户访谈整理、趋势判断、大纲设计、正文撰写。每一步我写一个专用提示词。调研提示词负责信息提取，分析提示词负责结构化输出，撰写提示词负责语言打磨。每个提示词的输出，变成下一个的输入。这种编排方式让每一步都可以单独评估和优化。哪个环节质量差，一眼就能定位。
多Prompt编排我会用“交接文档”思维。上一个提示词输出的结果，按固定格式交给下一个。比如调研输出要求“每条结论附带来源和置信度”。分析阶段的提示词读这些字段，决定哪些信息重点采用。我还会让中间环节输出“待确认问题清单”。下一个提示词的任务之一就是尝试回答这些问题。这样一来，任务推进有闭环感，不是流水线式的一去不回。
工具调用是另一个维度。Claude可以调用搜索、计算、代码执行等工具。我在提示词里明确写清楚有哪些工具、什么时候用、怎么用。<工具列表>搜索工具：输入关键词返回摘要；计算工具：输入表达式返回结果；代码执行：输入Python代码返回运行输出</工具列表>。然后加 <决策规则>需要实时信息用搜索，需要精确计算用计算器，需要验证逻辑用代码执行</决策规则>。实际跑的时候我会加一层“工具调用日志”，让它记录用了什么工具、为什么用、结果如何。这个日志对调试特别有用。出错的时候我能看出来是提示词没说清，还是工具本身有问题。
5.5 从提示词工程到上下文工程的演进
做了很久提示词优化之后，我慢慢发现一个变化。早期我花大量时间抠措辞，想把一句话写得更精准。后来我意识到，模型表现好不好，关键信息是否在上下文里到位，比措辞重要得多。同一句任务指令，配上完整背景资料和示例，输出质量能翻倍。没这些上下文，措辞再漂亮也出不来好东西。我的关注点从“怎么说”转向了“给它什么”。
上下文工程的核心是信息设计。哪些信息该给，哪些不该给，以什么顺序给，用什么格式给。我现在写提示词会先列一份上下文清单：任务背景、目标读者、已知数据、参考案例、约束条件、禁忌事项。然后决定哪些放系统提示，哪些放用户输入，哪些通过文件或知识库提供。长上下文场景里，我还会考虑信息密度。无关内容会稀释模型注意力。给太多信息，跟给太少一样糟。我习惯做减法。先喂核心信息，跑一版。效果不够再加，一次只加一类信息，观察变化。
这个转变让我对提示词的理解上了一个台阶。提示词是上下文的一部分，不是全部。真正的工程能力在于设计一套信息环境，让模型在里面自然地产出好结果。角色、任务、约束、示例、工具描述、状态记录，这些一起构成上下文。我现在做复杂项目，先画一张上下文地图。谁能提供什么信息，信息怎么流动，哪里需要人工确认。提示词只是地图上的节点。把地图画清楚，节点怎么写就变得简单了。从提示词工程走向上下文工程，是我这两年最大的认知升级。
