还不会向AI提问？顶尖AI公司总结的这份提示词指南太有用了

上下文工程（或称语境工程）在大语言模型应用中越来越重要，而提示词工程是其基础。

提示词工程说白了就是精心设计指令，让AI模型输出更好的结果。你需要琢磨怎么提问、指定什么风格、提供哪些背景，从而引导模型达成你的目标。

模糊的指令和精心打磨的提示词，效果差得不是一星半点。模糊的指令可能需要来回沟通好几轮才能理清思路，精心设计的提示词一次就能搞定。

为了帮你快速上手，我们整理了团队积累的最佳实践，都是能立竿见影提升效果的实用方法。我们从今天就能用的简单技巧讲起，逐步扩展到处理复杂项目的高级手法。

1. 提示词工程的基本用法

最基础的层面上，提示词工程就是调整你发给大语言模型的查询。往往只需要在正式请求前加点信息就行——关键是得知道加什么信息才是对的，这就是设计优秀提示词的诀窍。

这些提示词工程的核心技巧是高效AI交互的基础。坚持用下去，回复质量立刻就能上个台阶。

1.1 明确清晰

现代AI模型特别吃清晰明确这一套。别指望模型自己猜你想要啥——有啥说啥。用大白话把需求说清楚，别含糊其辞。

核心原则：直接告诉模型你想看到什么。想要全面的输出就明说，想要特定功能就列出来。Claude这样的现代模型特别受益于明确的指导。

案例：创建分析仪表板

模糊版："创建一个分析仪表板"

明确版："创建一个分析仪表板。尽可能多地加入相关功能和交互。别只做基础版，要做功能齐全的完整实现。"

第二个版本明确要求全面的功能，而且传达出你希望模型超越最低标准。

最佳实践：

用直接的动词开头："写"、"分析"、"生成"、"创建"
别整开场白，直奔主题
说清楚你要输出里包含什么，不只是处理什么
明确质量和深度的期望

1.2 提供背景和动机

解释某件事为什么重要，能帮AI模型更好地理解你的目标，给出更精准的回复。对于那些能推理出你深层意图的新模型，这招特别管用。

案例：格式偏好

效果一般："永远别用项目符号"

效果更好："比起项目符号，我更喜欢自然的段落形式，流畅的散文读起来更舒服，也更像在聊天。项目符号给我感觉太正式、太像列清单了，跟我平时轻松的学习风格不搭。"

第二个版本让模型明白了规则背后的道理，这样它在处理相关格式时就能做出更合理的选择。

什么时候该提供背景：

解释输出的用途或受众
说明为啥设置某些限制
描述输出会被怎么用
指出你要解决的具体问题

1.3 足够具体

提示词工程里的具体性，说的是用明确的指导和要求来构建指令。你说得越具体，结果越靠谱。

案例：饮食计划

模糊版："给我做个地中海饮食计划"

具体版："给糖尿病前期患者设计地中海饮食计划。每天1800卡路里，主打低血糖指数食物。列出早中晚三餐加一份零食，每个都要附完整营养分析。"

怎样算足够具体？

要包括：

明确的限制（字数、格式、时间）
相关背景（给谁看的、目标是啥）
期望的输出结构（表格、列表、段落）
各种要求或限制（饮食禁忌、预算上限、技术约束）

1.4 给出示例

示例不是必需品，但在解释概念或演示特定格式时特别好用。这招也叫单样本或少样本提示，用展示代替描述，能把那些难以言传的细节要求说清楚。

现代模型的重要提醒：Claude 4.x这类先进模型会特别留意示例里的细节。务必让你的示例跟你想要的行为保持一致，尽量避开你不想要的模式。

案例：文章摘要

没示例版："总结这篇文章"

有示例版：

我想要的摘要风格是这样的：

文章：[AI监管相关文章链接]
摘要：欧盟通过针对高风险系统的综合AI法案。核心条款包括透明度要求和人工监督规定。2026年生效。

现在用同样风格总结这篇：[你的新文章链接]

什么时候用示例：

期望的格式展示比描述更直观
你想要特定的语气或风格
任务涉及微妙的模式或惯例
简单指令搞不定，效果不稳定

老手建议：先从一个示例试起（单样本）。只有效果还是不理想时，才多加几个示例（少样本）。

1.5 允许Claude表达不确定性

明确允许AI表达不确定，别让它瞎猜。这能大幅减少幻觉，提升可信度。

案例："分析这份财务数据，找出趋势。要是数据不够得不出结论，就直说，别瞎猜。"

加上这么一句话，回复的可信度立马上去了，因为模型可以坦承自己的局限。

2. 进阶提示词工程技巧

核心习惯能让你走挺远，但有时你还是会碰到需要更复杂招数的情况。构建智能体方案、处理复杂数据结构，或者拆解多阶段问题时，进阶提示词工程技巧就该上场了。

2.1 预填充AI回复

预填充就是给AI的回复开个头，引导格式、语气或结构。这招在强制输出格式或跳过客套话时威力巨大。

什么时候用预填充：

需要AI输出JSON、XML之类的结构化格式
想跳过客套话，直入正题
需要维持特定语气或角色
想控制AI开头怎么说

案例：强制JSON输出

不用预填充，Claude可能说："这是你要的JSON：{...}"

用预填充（API用法）：

messages=[
    {"role": "user", "content": "把产品描述里的名称和价格提取成JSON。"},
    {"role": "assistant", "content": "{"}
]

AI会接着左花括号往下写，只输出合法JSON。

注意：在聊天界面里，你可以说得非常明确来达到类似效果："只输出合法JSON，别加任何前言解释。直接用左花括号开头。"

2.2 思维链提示

思维链（CoT）提示要求AI在回答前先逐步推理。处理那些需要结构化思考的复杂分析任务时，这招特别好使。

现代做法：Claude提供延伸思考功能，能自动完成结构化推理。要是能用，延伸思考一般比手动思维链提示更好。不过，搞懂手动CoT还是很有价值的，毕竟延伸思考不一定总能用上，或者你需要能审查的透明推理过程。

什么时候用思维链：

延伸思考用不了（比如免费版Claude.ai）
需要能审查的透明推理
任务需要多个分析步骤
想确保AI考虑到特定因素

思维链有三种常见玩法：

2.2.1 基础思维链

指令里加上"一步步思考"就行。

给捐赠者写封个性化邮件，请他们给今年的儿童关爱项目捐款。项目信息：
<program> {{PROGRAM_DETAILS}} </program>

捐赠者信息：
<donor> {{DONOR_DETAILS}} </donor>

写邮件前先一步步想清楚。

2.2.2 引导式思维链

设计提示词时给出具体的推理阶段。

写邮件前先想想。第一步，根据这位捐赠者的捐款历史，琢磨什么信息能打动他。第二步，考虑儿童关爱项目的哪些点能引起他共鸣。最后，结合你的分析写封个性化邮件。

2.2.3 结构化思维链

用标签把推理和最终答案分开。

在<thinking>标签里先思考再写邮件。先分析什么信息能吸引这位捐赠者，然后找出相关的项目亮点。最后在<email>标签里写个性化邮件，运用你的分析结果。

注意：就算延伸思考能用，明确的CoT提示对复杂任务还是有好处的。这两招互补，不冲突。

2.3 控制输出格式

对现代AI模型来说，有几招能有效控制回复格式：

2.3.1 告诉AI做什么，别说不要做什么

别说："别在回复里用markdown"
要说："你的回复应该是流畅的散文段落"

2.3.2 提示词风格跟期望输出保持一致

提示词里的格式风格可能影响AI的回复风格。想要少用markdown，就在提示词里少用markdown。

2.3.3 明确说出格式偏好

要详细控制格式的话：

写报告或分析时，用清晰流畅的散文，完整段落。用标准的段落分隔来组织内容。markdown主要留给行内代码、代码块和简单标题。

别用有序列表或无序列表，除非确实要列举离散的项目且列表是最佳选择，或者用户明确要求列表。

别用项目符号列东西，自然地融进句子里。你的目标是可读、流畅的文字，自然引导读者理解想法。

2.4 提示词链接

跟前面的技巧不一样，提示词链接没法在单个提示词里搞定。链接就是把复杂任务拆成小的连续步骤，每步单独提示。每个提示处理一个阶段，输出传给下个指令。

这招用延迟换准确度，让每个单独任务变简单。通常会用工作流或编程实现，不过你也可以收到回复后手动给提示词。

案例：研究总结

第一个提示："总结这篇医学论文，涵盖方法、发现和临床意义。"
第二个提示："审查上面的总结，看准确性、清晰度和完整性怎么样。给个分级反馈。"
第三个提示："根据这个反馈改进总结：[第2步的反馈]"

每个阶段都通过针对性指令加入细化。

什么时候用提示词链接：

复杂请求需要拆步骤
需要反复优化
要做多阶段分析
中间验证能增值
单个提示结果不稳定

权衡：链接会增加延迟（多次API调用），但对复杂任务来说，准确性和可靠性往往能大幅提升。

3. 你可能听过的技巧

有些早期AI模型里流行的提示词工程技巧，对Claude这样的模型不那么必要了。不过你可能还会在老文档里见到，或者在特定场景下觉得有用。

3.1 用XML标签构建结构

XML标签以前是给提示词增加结构和清晰度的推荐做法，尤其是要塞进大量数据时。现代模型不用XML标签也能更好地理解结构，但特定场景下它们还是有用的。

案例：

<athlete_information>
  - 身高：6'2"
  - 体重：180磅
  - 目标：增肌
  - 饮食限制：素食
</athlete_information>

根据上面的运动员信息生成饮食计划。

XML标签可能还有用的场景：

处理混了多种内容的超复杂提示词
必须严格界定内容边界
用的是老版本模型

现代替代方案：大多数情况下，清晰的标题、留白和明确的表述（"根据下面的运动员信息..."）效果一样好，还省事。

3.2 角色提示

角色提示就是在提问时定义专家角色和视角。虽然可能有效，但现代模型够聪明，通常不需要刻意强调角色。

案例："你是财务顾问。分析这个投资组合..."

重要提醒：别把角色限制得太死。"你是个乐于助人的助手"通常比"你是世界顶尖专家，只说专业术语，从不出错"更好。角色太具体会限制AI的帮助能力。

角色提示可能有用的场景：

多个输出需要保持一致语气
构建需要特定角色的应用
想要复杂话题的领域专业框架

现代替代方案：通常直接说你要什么视角更管用："分析这个投资组合，重点看风险承受能力和长期增长潜力"，别费劲分配角色。

在Claude里试试

4. 综合运用

现在你已经见识了单个技巧，但真正的威力要等你战略性地组合起来才显现。提示词工程的艺术不是把所有技巧都用上——而是为你的具体需求选对组合。

组合多种技巧的案例：

从这份季度报告里提取关键财务指标，用JSON格式呈现。

我要把这数据用于自动化处理，所以你的回复必须只包含合法JSON，不能有任何前言或解释，这点很关键。

用这个结构：
{
  "revenue": "带单位的值",
  "profit_margin": "百分比",
  "growth_rate": "百分比"
}

如果报告里没明确说某个指标，就用null，别瞎猜。

直接用左花括号开头：{

这个提示词综合了：

明确指令（清楚要提取啥）
背景说明（为啥格式重要）
示例结构（展示格式）
允许表达不确定（不确定就用null）
格式控制（用左花括号开头）

5. 选对技巧

不是每个提示词都得用上所有技巧。这里有个决策框架：

从这开始：

你的请求够清楚吗？不够的话先把清晰度搞定
任务简单吗？只用核心技巧（具体、清晰、给背景）
任务要特定格式吗？用示例或预填充
任务复杂吗？考虑拆解（链接）
需要推理吗？用延伸思考（有的话）或思维链

技巧选择指南：

如果需要...	就用...
特定输出格式	示例、预填充或明确的格式指令
逐步推理	延伸思考（Claude 4.x）或思维链
复杂多阶段任务	提示词链接
透明推理过程	带结构化输出的思维链
防止幻觉	允许说"我不知道"

6. 常见问题排查

就算提示词设计得挺用心，也可能出意外。以下是常见问题和解决办法：

问题：回复太泛泛 → 解决办法：加具体性、加示例，或明确要全面输出。让AI"别只做基础的"。
问题：回复跑题或抓不住重点 → 解决办法：更明确你的真实目标。说清楚你为啥这么问。
问题：回复格式不稳定 → 解决办法：加示例（少样本）或用预填充控制开头。
问题：任务太复杂，结果不靠谱 → 解决办法：拆成多个提示词（链接）。每个提示专注做好一件事。
问题：AI加了没用的客套话 → 解决办法：用预填充或明确要求："别客套，直接给答案。"
问题：AI瞎编信息 → 解决办法：明确允许它不确定时说"我不知道"。
问题：AI只给建议不动手 → 解决办法：明确要求行动："改这个函数"，别说"能建议改改吗？"

老手建议：从简单开始，需要时再加复杂度。每次添加都测试一下，看是不是真的改善了效果。

7. 要避免的常见错误

从这些常见坑里吸取教训，省时间，提升提示词质量：

别过度设计：更长更复杂的提示词不见得更好。
别忽视基础：核心提示词要是不清不楚，高级技巧也白搭。
别指望AI读心术：想要啥就说清楚。含糊不清会让AI误解。
别一股脑用所有技巧：挑能解决你具体问题的技巧。
别忘了迭代：第一次提示很少能完美。要测试、要优化。
别依赖过时技巧：现代模型不太需要XML标签和过度的角色提示。从明确清晰的指令入手。

8. 提示词工程的注意事项

8.1 处理长内容

搞进阶提示词工程有个麻烦，会增加语境开销，多消耗token。示例、多个提示词、详细指令——都吃token，语境管理本身就是门技术。

记住要在合理时用提示词工程技巧，得证明用它们是值得的。想全面了解如何有效管理语境，看看我们的语境工程博文。

语境意识能力的改进：Claude 4.x这类现代AI模型的语境意识能力提升明显，这有助于解决以前"在中间迷路"的问题——模型很难平等关注长语境的所有部分。

为啥拆任务还是有用：就算有了这些改进，把大任务拆成小的、独立的块还是很有价值——不是因为语境限制，而是因为这能帮模型在非常明确的要求和范围内专心把活干好。任务明确、边界清晰，效果始终比试图在一个提示词里搞定多个目标要好。

策略：处理长语境时，信息要组织清楚，最关键的细节放开头或结尾。处理复杂任务时，想想拆成小任务会不会让每部分的质量和可靠性都提升。

8.2 好提示词长啥样？

提示词工程是门技术活，得试几次才能上手。判断做得对不对，只能测试了看效果。第一步就是亲自试。用不用我们这里讲的提示词技巧，效果差别立竿见影。

要真正练好提示词工程，得客观衡量提示词的有效性。好消息是我们在anthropic.skilljar.com的提示词工程课程里正好讲这个。

快速评估小贴士：

输出符不符合你的具体要求？
一次就搞定了还是得来回好几轮？
多次尝试格式稳不稳定？
有没有避开上面列的常见错误？

9. 最后的建议

提示词工程说到底就是沟通：说AI最能听懂的话。从本指南前面讲的核心技巧开始，坚持用到成为习惯。只有在解决具体问题时，才上高级技巧。

记住：最好的提示词不是最长或最复杂的，而是用最少的必要结构就能稳定达成目标的那个。随着练习，你会培养出直觉，知道什么场景用什么技巧。

向语境工程转变不会削弱提示词工程的重要性。恰恰相反，提示词工程是语境工程的基础构件。每个精心设计的提示词都是塑造AI行为的大语境的一部分，跟对话历史、附件、系统指令一起创造更好的结果。

今天就在Claude里开始写提示词吧。