你从 Claude 得到的每一个结果，都始于一件事：你的提示词。
保存这段话 :)
平庸的提示词产生平庸的输出。精准的提示词产生精准的输出。模型是一样的，订阅是一样的，唯一的变量是你如何与它沟通。
而大多数人都做得非常差。
不是因为他们笨。而是因为没人教过他们。他们随手输入脑子里冒出来的东西，按下回车，然后希望得到最好的结果。当结果不理想时，他们责怪模型，而不是自己的提示词。
提示词工程是当下 AI 领域杠杆率最高的技能。学习成本为零，不需要任何技术背景。初级提示词和专家级提示词之间的差距，就是“有点用”的工具和能彻底改变你工作方式的工具之间的差距。
这是一套完整的课程。从零到专家。每一个重要的技巧，都配有示例讲解。
第一级：基础篇（90% 的人会犯的错）
最大的一个错误
大多数人像这样写提示词：
“写一篇关于 AI 趋势的博客文章。”
这就像走进一家餐厅说“给我吃的”。你会得到一些东西，可能还能吃，但绝不是你想要的，因为你根本没说你想要什么。
解决办法是具体化。你每遗漏一个元素，Claude 就要猜测一次。而 Claude 的猜测，不是你的偏好。
下面是同一个需求，正确的写法：
“写一篇 1500 字的博客文章，主题是 2026 年企业软件领域最重要的三个 AI 趋势。我的读者是中等规模 SaaS 公司的副总裁级别决策者。语气要有权威性但不失对话感——就像一个知识渊博的同事，而不是教科书。每个趋势都要包含具体的公司案例和数据支撑。开头用一个挑战常见假设的钩子来吸引注意力。结尾给出三个可执行的下一步行动。不要使用‘在当今快速变化的环境中’或‘值得注意的是’这类短语。”
同样的模型，同样的订阅。输出完全不同。唯一的区别就是提示词。
五要素框架
每个专家级的提示词都有五个组成部分。缺少任何一个，输出质量都会下降。
1. 角色 — Claude 在这个交互中扮演什么角色？ “你是一位拥有 10 年 B2B SaaS 经验的高级产品营销经理” 能让 Claude 从特定的视角进行写作。没有角色，Claude 的默认身份就是“通用助手”，这不是任何人的理想声音。
2. 背景 — Claude 需要知道什么？ 你的行业、你的受众、你的项目、你的目标。Claude 掌握的上下文越相关，输出就越有针对性。
3. 任务 — 你到底想要什么？ 不是大概，而是精确。“分析这个”太模糊。“找出这份合同中的前三个风险因素，解释每个因素的重要性，并建议具体的措辞更改来降低每个风险” 才是精确的。
4. 格式 — 输出应该是什么样子的？ 要点列表？流畅的散文？表格？邮件？带章节的报告？如果你不指定格式，Claude 会自己选一个，但可能不符合你的需求。
5. 约束 — Claude 不应该做什么？ “不要超过 500 字。不要使用行话。不要添加免责声明。不要使用被动语态。” 负面约束是消除 AI 听起来很“机器感”的最快方法。
牢记这个框架，每次写提示词都用上。你的输出质量会立刻提升。
第二级：进阶技巧
技巧 1：给示例
一个示例比十段说明文字更有效。
与其抽象地描述你想要的格式，不如给 Claude 展示一个具体的例子：
“以下是我想要的输出格式示例：
趋势：边缘计算采用率
现状：企业正在将推理工作负载从云端迁移到边缘设备，延迟从 200ms 降低到 10ms 以下。
为何重要：对于自动驾驶汽车和工业机器人等实时应用，延迟降低决定了方案的可行性。
谁在做：Tesla（Dojo 芯片）、Apple（神经引擎）、Qualcomm（AI Hub）。
关注点：云服务商是否会推出混合边缘云解决方案来应对，还是让出这个市场。
现在，按照这个格式再写三个趋势板块。”
Claude 根据示例进行模式匹配，比解释抽象描述要准确得多。一定要“展示”，而不是只“告诉”。
技巧 2：链式提示
复杂的任务分解成步骤来做，效果更好。
不要让 Claude 在一个提示词里完成研究、分析、提纲和撰写完整报告。把它拆成四个提示词：
提示词 1：“研究过去 3 个月里 [主题] 的 5 个最重要进展。对于每个进展，给我一句两句话的摘要和来源。”
提示词 2：“根据这些发现，找出 3 个最重要的趋势。对于每个趋势，解释驱动因素和潜在影响。”
提示词 3：“为一份关于这些趋势的报告创建提纲。包括执行摘要、每个趋势的详细章节和建议部分。”
提示词 4：“根据这个提纲写出完整报告。匹配我的写作风格 [参考项目中的示例]。目标 2000 字。”
每一步都建立在前一步的基础上。质量在每一步中递增，因为 Claude 在处理经过提炼的输入，而不是从头做所有事。
技巧 3：负面约束堆叠
有时，获得优秀输出的最快方法是消除一切不好的东西。
“不要使用填充短语。不要以‘值得注意的是’或‘总之’开头句子。不要使用‘赋能’、‘协同’、‘范式’或‘生态’这些词。不要添加不必要的免责声明或模棱两可的话。不要使用被动语态。不要重复你已经说过的观点。”
堆叠 6 到 10 条负面约束，输出立刻听起来不像 AI，而更像一个有真实观点的真人。
技巧 4：自评循环
“写完回复后，从三个标准给自己打分（1-10 分）：准确性、清晰度、对特定受众的有用性。如果任何一项低于 8 分，请进行改进。只显示改进后的版本。”
在 Opus 4.7 上，这个方法比早期模型有效得多，因为它的自我验证能力更强了。Claude 会自己发现弱点并修复，甚至在你看到之前就完成了。
技巧 5：上下文优先排序
把你的参考资料放在你的指令之上，而不是之下。
不好：“总结这些数据中的关键发现。[500 行数据]”
好：“[500 行数据] 根据以上内容，总结出与 B 轮融资最相关的 3 个关键发现。”
Anthropic 自己的测试显示，这种排序能产生更好的结果，因为 Claude 在处理指令之前先处理了上下文，而不是需要在阅读上下文的同时把指令记在心里。
第三级：专家技巧
技巧 6：XML 结构
Claude 是在结构化提示词上训练的。XML 标签是它的母语。
1<role>你是一位专注于 SaaS 指标的资深财务分析师</role>2<context>我正在准备下周二的董事会会议。董事会包括三位主要关心增长效率指标的投资人。</context>3<task>分析附带的财务数据，并制作一份董事会可用摘要</task>4<output_format>5 - 执行摘要（3 句话）6 - 关键指标表（ARR、增长率、烧钱倍数、CAC 回收期、NRR）7 - 三个优势领域及支持数据8 - 两个需要关注的领域及建议行动9 - 附录：方法论说明10</output_format>11<constraints>12 - 不得进行猜测或前瞻性预测，除非明确标注为估算13 - 使用具体数字，而非近似值14 - 总长度不超过 1500 词（不含附录）15</constraints>
XML 提示词比自然语言提示词能产生更一致、更结构化的输出，因为它消除了指令之间界限不清的问题。
技巧 7：多角色辩论
“从三个角度分析这个商业决策：
角色 1：关注增长、想快速行动、抢占市场份额的 CEO。
角色 2：关注单位经济和现金流、风险规避的 CFO。
角色 3：只关心用户体验是否改善的用户倡导者。
每个角色用 3-4 句话提出最强有力的论点。然后综合三个视角，给出一个建议，并指出关键权衡点。”
这个技巧能产生比简单要求 Claude “分析” 更丰富的分析，因为它迫使模型考虑多个角度。
技巧 8：渐进难度
先从一个简单的任务版本开始，然后逐步升级。
“首先，用一句话给出这份文档的 3 个关键点。” [Claude 回复]
“好的。现在把第 2 点扩展成完整的一段，并附上具体的支持证据。” [Claude 回复]
“现在写一个质疑者在第 2 点上可能提出的反驳论点，然后进行驳斥。”
每一步都建立在前一步之上，并不断深入。最终的输出比任何单个提示词产生的都更有层次感。
技巧 9：迭代优化
最好的提示词工程师从不指望第一次就完美。他们期望一个好的起点，然后不断优化。
“这已经完成了 70%。需要修改的地方如下：
- 开头太泛。用一个具体的轶事或数据点替换。
- 第 3 节太长。缩减 40%，只保留最强的论点。
- 结尾问了一个问题，但应该以陈述句结束。其余部分保持不变。”
具体、编号的反馈能产生具体的改进。像“改得更好些”这种模糊的反馈只能带来随机的变化。
技巧 10：大师级提示词模板
这是专家用户保存下来，并为每个主要任务进行定制的模板：
1<role>[具体的专家身份]</role>2<context>[项目、受众和情况的背景信息]</context>3<task>[要生成的内容的精确描述]</task>4<examples>[2-3 个期望输出质量和格式的示例]</examples>5<output_format>[交付物的确切结构]</output_format>6<quality_criteria>[对于这个特定输出，“优秀”的标准]</quality_criteria>7<constraints>[5-10 个要避免的具体事项]</constraints>8<verification>[要求 Claude 在交付前根据质量标准进行自我评估]</verification>
为每种任务类型填写一次这个模板。保存下来。重复使用。自定义变量。你的提示词将比每次从头开始写的更结构化、更一致、更有效。
技巧 10：大师级提示词模板
这是专家用户保存下来，并为每个主要任务进行定制的模板：
1<role>[具体的专家身份]</role>2<context>[项目、受众和情况的背景信息]</context>3<task>[要生成的内容的精确描述]</task>4<examples>[2-3 个期望输出质量和格式的示例]</examples>5<output_format>[交付物的确切结构]</output_format>6<quality_criteria>[对于这个特定输出，“优秀”的标准]</quality_criteria>7<constraints>[5-10 个要避免的具体事项]</constraints>8<verification>[要求 Claude 在交付前根据质量标准进行自我评估]</verification>
为每种任务类型填写一次这个模板。保存下来。重复使用。自定义变量。你的提示词将比每次从头开始写的更结构化、更一致、更有效。
在任何使用场景下都能产生最佳效果的 5 个提示词
如果你想快速上手，这里有五个即用提示词，能持续产出优秀的输出：
分析提示词： “你是一位拥有 15 年经验的 [领域] 分析师。分析 [主题]，并找出 3 个最重要的 [见解/风险/机会]。对于每个要点，提供：（1）清晰的陈述，（2）支持你主张的具体证据，（3）对 [受众] 的重要性，（4）建议的行动。尽可能使用具体数字。不要模棱两可或添加不必要的免责声明。”
写作提示词： “你是一位专业作家，作品曾发表在 [相关出版物] 上。为 [受众] 写一篇关于 [主题] 的 [格式]。开头用一个 [挑战假设/呈现惊人事实/讲述具体故事] 的钩子。使用短段落。每一句话要么传达知识，要么证明观点，要么推动读者前进。不要使用填充短语、企业行话或被动语态。目标字数 [字数]。”
决策提示词： “我需要在 [选项 A] 和 [选项 B] 之间做出决定。我的情况是：[背景]。根据以下标准分析每个选项：[标准 1]、[标准 2]、[标准 3]。对于每个标准，给每个选项打分（1-10 分），并在一句话中解释原因。然后给出你的最终建议，附带信心水平（高/中/低），并指出最可能改变你建议的一条额外信息是什么。”
解决问题提示词： “我遇到了 [问题]。到目前为止我尝试过：[尝试]。我对根本原因的了解：[知识]。诊断最可能的原因。提出三个可能的解决方案，按成功率排序。对于每个方案，估算所需精力以及成功的概率。推荐最佳前进路径。”
反馈提示词： “根据以下质量标准审阅 [我的作品]：[标准]。对于每个标准，打分（1-10 分），并具体说明哪些地方做得好、哪些地方不好。指出我可以做出的一个最具影响力的改进。重写最薄弱的部分，展示‘优秀’应该是什么样子。请直言不讳——我更喜欢严厉的真相而不是温和的鼓励。”
保存这五个提示词。根据每个使用场景自定义方括号中的变量。现在你已经拥有了 AI 五大最常见任务的专家级模板。
关于提示词工程的坦诚真相
这与记住技巧无关。这与思维清晰度有关。
写一个优秀的提示词，需要你确切地知道自己想要什么，确切地知道你的受众是谁，确切地知道“好”的标准是什么，以及确切地知道要避免哪些问题。
大多数人写不出优秀的提示词，是因为他们还没做过这些思考。他们不清楚自己想要什么，却指望 Claude 能自行理解。
最好的提示词工程师不是打字最快的，而是思维最清晰的。
本文中的每条技巧，本质上都是伪装成格式技巧的思维技巧。XML 标签迫使你把指令分开成清晰的类别。负面约束迫使你明确说出你不想要的东西。示例迫使你定义“好”究竟是什么样的。
提示词只是产物。思维才是技能。
今天就开始使用五要素框架。在你接下来的五个提示词上用起来。你会立刻看到不同。然后每周学习一个新技巧，直到全部十个技巧都变成你的本能。
关注我 @eng_khairallah1 ，获取更多 AI 课程和深度解析。我每周都会发布类似内容。
希望对你有帮助，Khairallah ❤️
