Anthropic 最新发布的 Prompt Engineering 指南介绍了元提示、模板、系统角色和XML标签等关键技术，强调固定与变量内容的结合。

良好的prompt应具备角色赋予、清晰的上下文和优化技巧，如添加示例和思维链。使用XML标签可提高结构清晰度，预填充和链式提示有助于处理复杂任务，同时应注意避免越狱和提示注入的风险。

什么是Prompt模板？

Prompt就像是给AI的"工作指令"，包含两部分：

• 固定部分：角色设定、输出格式等
• 变量部分：用户输入、数据库查询结果等（每次都不同）

用{{变量名}}来标记变量，就能做成可复用的模板。

🎯 评价：把Prompt当成"代码"来管理，而不是随手写的文本。这样才能版本控制、团队协作、持续优化。

一、好Prompt的核心要素

对比案例

❌ 差的例子：

从下面的标题中找出这句话属于哪篇文章：
标题：{{titles}}
句子：{{sentence}}

✅ 好的例子：

你是一个文本分类专家。

<article_titles>
{{titles}}
</article_titles>

<sentence_to_classify>
{{sentence}}
</sentence_to_classify>

请按以下步骤操作：
1. 找出句子的关键概念
2. 匹配最相关的3个标题
3. 选出最佳答案

只输出标题名称，不要解释。  

1.1 角色设定三要素

• 身份：你是谁（财务分析师、法律顾问等）
• 背景：在什么场景下工作
• 任务：要完成什么目标

🎯 评价：角色不是装饰，而是"激活"AI相关知识的开关。说"你是律师"比说"请用法律术语"效果好10倍。

1.2 清晰的任务描述

必须说清楚：

• 给谁看（目标受众）
• 用在哪（使用场景）
• 什么要求（长度、语气、必含要素）
• 怎么算成功（可检验的标准）

🎯 评价：写Prompt就像写需求文档，越具体越好。"写个邮件"不如"写150字专业邮件给技术总监汇报进度"。

二、四大优化技巧

2.1 加示例（Few-shot）

<example>
输入：仪表板加载太慢，找不到导出按钮！
输出：
- 类别：UI/UX、性能
- 情感：消极
- 优先级：高
</example>

现在分析：{{新反馈}}  

🎯 评价：一个好例子胜过十行说明。但别给太多，3-5个涵盖主要情况就够了。

2.2 思维链（让AI"打草稿"）

三个进化阶段：

1. 基础版：加一句"请逐步思考"
2. 引导版：明确思考步骤
3. 结构版：用标签分离思考和答案

<thinking>
这里写分析过程...
</thinking>

<answer>
这里写最终答案...
</answer>  

🎯 评价：不是所有任务都需要思维链。简单任务用了反而慢。复杂逻辑、数学计算、多步骤分析时才用。

2.3 XML标签（结构化神器）

作用：

• 清晰分区，减少误解
• 方便程序提取结果
• 便于维护和修改

<context>背景信息</context>
<task>具体任务</task>
<constraints>限制条件</constraints>
<output_format>输出格式</output_format>  

🎯 评价：把Prompt想象成网页HTML，用标签来组织内容。但别过度，超过8个标签说明该简化了。

2.4 预填充（强制格式）

在prompt末尾预先写出输出的开头：

提取产品信息为JSON格式：
<description>{{产品描述}}</description>
{
 

AI会自动续写完成JSON。

🎯 评价：这招对付"爱闲聊"的模型特别有效，直接把它拉回正轨。

三、高级技巧

3.1 链式提示（复杂任务分解）

把大任务拆成小步骤：

1. 提取风险 →
2. 起草邮件 →
3. 优化语气

每步一个明确目标，用XML标签传递结果。

🎯 评价：就像编程的"函数拆分"。每个环节都能单独调试，出错也容易定位。适合文档分析、内容创作等复杂流程。

3.2 长文本处理技巧

• 文档放前面，指令放后面
• 每个文档用标签包装
• 先提取相关引用，再基于引用分析

<documents>
  <document index="1">
    <source>报告.pdf</source>
    <content>{{内容}}</content>
  </document>
</documents>

先找出相关段落，再回答问题。

🎯 评价：处理长文本时，"先筛选后分析"能大幅提高准确率。就像读书先看目录一样。

3.3 深度思考框架

给AI提供成熟的分析框架：

• SWOT分析
• 波特五力
• 5W1H方法

🎯 评价：框架就是"思维模板"，防止AI东拉西扯。特别适合战略分析、方案设计等需要系统思考的任务。

3.4 防止"胡说八道"

关键策略：

1. 允许说"我不知道"
2. 要求引用原文作证据
3. 所有结论标注来源
4. 无法验证就标记[]

如果信息不足，请说"无法确定"而不是猜测。
所有观点必须引用原文[编号]。

🎯 评价：这是法律、医疗、财务等高风险领域的必备技巧。宁可不答，不可乱答。

3.5 稳定输出格式

• 明确定义JSON/XML结构
• 提供完整示例
• 使用预填充技巧
• 空值用null或[]

🎯 评价：格式稳定=后端省心。在生产环境中，这比"回答质量"更重要。

3.6 安全防护（防越狱）

分层防御：

1. 预审查用户输入
2. 在prompt中明确价值观和限制
3. 设定标准拒绝回复
4. 链式验证关键输出

<values>
- 不协助违法行为
- 保护用户隐私
- 拒绝有害内容
</values>

违反以上原则时回复："抱歉，我不能协助此类请求。"

🎯 评价：安全不是加个警告就行，要像建防火墙一样层层设防。特别是涉及金融、医疗的应用。

总结

好的Prompt Engineering不是"调参数"，而是"建系统"：

• 把prompt当代码管理
• 用工程思维解决问题
• 持续测试和优化
• 安全永远是第一位

记住：清晰的结构 + 具体的示例 + 适度的约束 = 稳定的输出

🎯 建议：建立自己的prompt库，不断积累和优化。今天的"最佳实践"可能明天就过时了，保持学习和实验的心态最重要。

原文：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview

本文由公众号“空格的键盘”授权AI产品之家转载，原文连接：  https://mp.weixin.qq.com/s/Ksb8beDlWlTFieP9da8C1A