Claude Prompt Engineering 完整指南：让模型更听话

一、为什么 Prompt Engineering 对 Claude 特别重要？

Claude 是一个极其强大但对指令高度敏感的模型。同样的问题，不同的问法可以让输出质量相差数倍。这不是 Claude 的缺陷，而是它的特性：它会尽力按照你给的信息来工作，你给的信息越精确，它的输出就越符合你的预期。

Anthropic 官方文档明确指出，Claude 相比其他模型更善于遵守明确的指令、更诚实地处理不确定性、更愿意在指令和默认行为之间以指令为优先。这意味着写好 Prompt 在 Claude 上的回报率极高。

第一层：基础技巧（适合所有人）

技巧一：给 Claude 一个具体的角色

角色设定是最简单、效果最显著的技巧之一。不是简单说”你是专家”，而是给出职业身份 + 核心专长 + 相关背景三要素。

技巧二：明确输出格式

如果你需要特定格式，直接说出来。Claude 非常善于遵守格式约束，但它不会主动猜测你想要什么格式。

请分析这份数据，输出格式要求：
- 用 Markdown 表格对比三个方案
- 每个方案必须包含：优点（2-3条）、缺点（2-3条）、适用场景
- 最后一行给出"综合推荐"，说明推荐哪个方案及核心理由
- 总字数控制在600字以内

技巧三：说明目标受众

同样的内容面向不同受众，深度、用词、举例方式完全不同。明确受众能让 Claude 自动调整表达。

技巧四：明确说”不要什么”

负面约束和正面要求同样重要，有时甚至更重要。把你最不想看到的输出特征列出来。

帮我写一篇关于远程工作的文章。

不要：
- 不要用"在这个快节奏的时代"这类开场白
- 不要用"首先、其次、最后"这种八股结构
- 不要超过800字
- 不要加没有实质内容的总结段落
- 不要用感叹号超过2个

技巧五：给出具体的字数/长度要求

Claude 默认倾向于给出相对完整的答案。如果你需要简短精炼的内容，必须明确说出来：

第二层：进阶技巧（显著提升质量）

技巧六：背景-任务-要求三段式结构

把信息分为三类分开写，Claude 的理解准确率会大幅提升。这是最通用的结构化 Prompt 框架：

【背景】
我是一家10人 SaaS 公司的产品经理，产品是面向中小企业的 HR 管理系统。
我们下周要向一家有500人的制造业企业做产品演示，对方的决策者是 HR 总监和 IT 总监。

【任务】
帮我准备一份15分钟的演示脚本。

【要求】
- 开头2分钟：用他们的业务痛点引入，不要从产品功能讲起
- 中间10分钟：展示3个最关键的功能，每个功能要说明能解决什么具体问题
- 结尾3分钟：处理常见异议（价格、数据安全、迁移成本）
- 语气专业但不死板，避免推销感
- 穿插1-2个同行业客户的使用案例

技巧七：Chain of Thought（思维链）

对于需要推理的复杂问题，要求 Claude 先展示思考过程，再给结论。这能大幅减少”快速但错误”的回答：

技巧八：Few-shot（给例子引导输出风格）

当你需要特定风格或格式时，给1-3个示例比描述更有效：

我需要为产品功能写简短说明，请参考以下风格：

【示例1】
功能名：智能排班
说明：根据员工技能和历史出勤，自动生成最优排班方案，减少排班冲突90%。

【示例2】
功能名：一键报税
说明：自动汇总工资数据，生成符合税务要求的报表，30分钟完成过去需要2天的工作。

现在请用同样风格，为以下功能写说明：
功能名：员工画像
（功能描述：收集和分析员工的工作表现、技能、学习记录，生成个人发展报告）

技巧九：XML 标签结构化（Claude 特别响应）

Claude 对 XML 标签格式有特别好的响应——它能精确区分不同类型的输入，适合复杂多参数的 Prompt：

<task>
  审查以下代码，找出所有安全漏洞
</task>

<context>
  这是一个处理用户支付的 Python 后端服务，每天处理约10万笔交易
</context>

<requirements>
  - 按严重程度分级：Critical / High / Medium / Low
  - 每个问题说明：漏洞描述、攻击场景、修复建议
  - 给出优先修复顺序
</requirements>

<code>
def process_payment(user_id, amount, card_number):
    query = f"SELECT * FROM users WHERE id = {user_id}"
    # ... 更多代码
</code>

技巧十：让 Claude 先列大纲再展开

对于长篇内容，先要大纲、确认结构，再逐节展开，最终质量比一次性生成高得多：

第一步：请先给我这篇文章的详细大纲
主题：如何用 AI 工具提升内容营销效率
目标读者：中小企业市场部负责人
大纲要求：3-5个主要章节，每章节列出2-3个子要点，在每个要点旁注明核心论据

（我看完大纲满意后，再让你逐章节写完整内容）

技巧十一：提供对比参照（告诉 Claude 你要”更像什么”）

帮我改写这段产品描述，风格要更像苹果的产品文案——
苹果的风格特点：短句、留白感、强调用户感受而非技术参数、有一种轻盈的自信。
不要学到华丽堆砌的那种"苹果风"，要学到它的克制。

原文：[粘贴原文]

技巧十二：要求给多个备选方案

不要满足于第一个答案。明确要求备选项，能获得更多角度的解决方案：

给我这篇文章的标题，提供6个备选：
- 2个适合知乎（深度感、知识价值突出）
- 2个适合微信公众号（情绪触发、引发共鸣）
- 2个适合小红书（生活化、个人视角）

每个标题后注明它的吸引点和潜在风险。

第三层：高阶技巧（专业 Prompt 工程师水平）

技巧十三：让 Claude 在回答前先问清楚

对于复杂任务，与其让 Claude 基于假设开始工作，不如让它先提问再动手：

我需要你帮我制定一套社交媒体内容策略。
在开始之前，请先向我提出你认为必须了解的5个关键问题。
不要假设任何信息，先问我，我回答完之后你再给出策略方案。

技巧十四：自我校验（让 Claude 检查自己的输出）

生成内容后，立即让 Claude 对自己的输出进行批判性审查，能发现很多第一遍遗漏的问题：

（Claude 生成代码后，紧接着说：）
现在请用挑剔的眼光审查你刚才写的代码：
1. 有没有边界条件没有处理？
2. 有没有潜在的安全漏洞？
3. 如果这段代码在生产环境中遇到最坏情况，会发生什么？
如果发现问题，直接给出修复后的版本。

技巧十五：角色扮演调试（让 Claude 扮演你的用户/对手）

现在请扮演一个对我们产品持怀疑态度的 B2B 采购经理。
他关心：价格是否值得、能否替代现有工具、实施难度、售后支持。
我会介绍我们的产品，你负责提出他最可能问的刁钻问题。
准备好了就告诉我，我来开始介绍。

技巧十六：迭代精炼（利用对话上下文逐步优化）

把 Claude 当成一个需要沟通的协作者，而不是一次性的查询工具。第一轮给方向，后续轮次精炼细节：

第一轮：[描述大体需求]
第二轮：整体方向对，但第二段太技术化了，改成更口语的表达
第三轮：好多了，把第三条建议的那个例子换成更贴近中国用户的场景
第四轮：最终版了，帮我把整篇的标点符号检查一遍

技巧十七：提示词分层（System + User 分离）

API 开发者必须掌握的技巧——把不变的规则放 System Prompt，把变化的任务放 User Message：

import anthropic
client = anthropic.Anthropic()

# System Prompt：固定的角色和规则，每次都一样
SYSTEM = """你是一名专业的中文技术写作编辑。
写作原则：
- 句子不超过25字
- 每段不超过4句
- 专业术语首次出现时附简短解释
- 不用被动语态
- 避免"总之""综上所述"这类过渡词"""

# User Message：每次任务不同
def edit_article(raw_text: str) -> str:
    response = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=4096,
        system=SYSTEM,
        messages=[{
            "role": "user",
            "content": f"请按照你的写作原则润色以下文章：\n\n{raw_text}"
        }]
    )
    return response.content[0].text

技巧十八：输出格式强约束（确保结构化输出）

需要程序化处理输出时，用强约束要求纯 JSON：

分析以下用户评论的情感倾向，以 JSON 格式返回。

严格要求：
- 只返回 JSON，不要任何解释文字
- 不要 markdown 代码块标记（不要```json```）
- 严格遵守以下结构，不要增减字段

JSON 结构：
{
  "sentiment": "positive|negative|neutral",
  "confidence": 0到1的小数,
  "key_points": ["要点1", "要点2"],
  "suggested_response_tone": "apologetic|appreciative|informative"
}

用户评论：[粘贴评论]

技巧十九：给 Claude “思考空间”（延迟判断）

要求 Claude 在给出最终答案前先探索多个可能性，能大幅提升复杂问题的答案质量：

这是一个架构设计问题，在给出你的建议之前：
1. 先列出至少3种不同的技术方案
2. 分析每种方案的优缺点和适用条件
3. 再基于我的具体场景，推荐最合适的方案并说明理由
4. 如果你不确定某个方面，直接说"这里我不确定，建议你验证XXX"

问题：[描述技术挑战]

技巧二十：元提示（让 Claude 帮你优化 Prompt）

这是最高级的技巧——用 Claude 来改进你写的 Prompt：

我正在写一个 Prompt，但感觉效果不够好。请帮我分析问题并优化：

我的原始 Prompt：
[粘贴你的 Prompt]

我期望的输出效果：
[描述你想要什么样的结果]

实际得到的输出（不满意的地方）：
[描述哪里不对]

请告诉我：这个 Prompt 的问题在哪里？给我一个改进后的版本，并解释改动的原因。

三、Prompt 调优完整流程

把一个普通 Prompt 优化到专业水平，通常需要以下几个步骤：

Step 1 - 写初稿
明确你要什么（任务），先写一个最简单的版本测试 Claude 的理解。

Step 2 - 识别缺口
对比实际输出和期望输出，找出最大的差距：
  - 方向错误 → 需要加更多背景信息
  - 格式不对 → 需要明确格式要求
  - 深度不够 → 需要加角色设定或要求展开推理
  - 风格偏差 → 需要加 Few-shot 示例或风格约束

Step 3 - 逐一添加约束
不要一次加太多东西，每次只改一个变量，
观察每次改动对输出的影响，找到最有效的优化点。

Step 4 - 压力测试
用边缘案例测试你的 Prompt：
  - 输入极短时表现如何？输入极长时呢？
  - 遇到模糊问题会胡说还是主动澄清？
  - 连续多轮对话后会不会偏离初始设定？

Step 5 - 固化最优版本
把测试效果最好的版本保存下来，
用于 Projects 指令、API System Prompt 或 Prompt 模板库。

四、万能 Prompt 框架模板

把本文所有技巧整合起来，这是一个适用于90%以上专业任务的通用框架：

# 角色
你是[职业身份]，有[N年/特定]经验，擅长[核心专长]。

# 背景
[2-4句话描述任务背景和你的具体情况]

# 任务
[明确说明你需要什么，一件事说清楚]

# 格式要求
- 长度：[字数/段落数]
- 结构：[用列表/表格/标题/段落等]
- 风格：[正式/口语/专业/轻松]
- 输出格式：[Markdown/纯文本/JSON]

# 不要
- [列出你不想看到的内容特征]
- [列出禁止的表达方式]

# 参考示例（可选）
[如果有特定风格，粘贴1-2个例子]

# 思考要求（复杂任务可选）
在给出最终答案前，先[列举方案/分析利弊/提出关键问题]

常见问题

Q：Prompt 越长越好吗？
不是。精准胜过冗长。关键信息必须给，不相关的背景反而会稀释 Claude 对重点的注意力。一个好的 Prompt 通常在100-400字之间，把该说的说清楚，不该说的一个字不加。

Q：中文 Prompt 和英文 Prompt 效果有差别吗？
对于中文输出任务，直接用中文写 Prompt 效果更好——避免了语言切换可能带来的语义损耗。Claude 4 系列的中文理解能力已经非常成熟，不需要为了”效果更好”特意翻译成英文。

Q：Claude 不按格式输出怎么办？
先检查格式要求是否足够具体。如果已经很明确还是不遵守，在 Prompt 最开头加”请严格遵守以下格式要求，这是强制规定”，或者在输出要求部分加”每个字段都必须出现，不得省略”。

总结

Prompt Engineering 的本质是把你脑子里的需求，用 Claude 能准确理解的语言表达出来。20个技巧里最值得先掌握的三个：给具体角色（技巧一）、三段式结构（技巧六）、思维链（技巧七）——掌握这三个，80% 的日常任务质量都能显著提升。其余技巧按需使用，遇到特定问题时拿出来对号入座。最好的学习方式是：遇到一个输出不满意的任务，对照这20个技巧逐一检查，找到最有效的改进点。