提示词工程（Prompt Engineering）完全指南

提示词工程是有效使用 AI 模型的核心技能。本文整理自 Anthropic 官方文档，涵盖核心技巧、实用示例和最佳实践。

场景化的可复制模板（写测试、Code Review、重构、写中文技术文）见场景实战。

一、核心原则

1. 清晰直接

黄金法则：把你的提示词给一个不了解任务的同事看，如果他们能理解，AI 也能。

❌ 不够好：

帮我写个分析面板

✅ 更好：

创建一个数据分析面板。包含尽可能多的相关功能和交互。
不要只做基础版本，要做一个功能完整的实现。

2. 提供上下文

告诉 AI 为什么要做这件事，它能给出更精准的回复。

❌ 不够好：

永远不要用省略号

✅ 更好：

你的回复会被文字转语音引擎朗读，所以永远不要用省略号，
因为语音引擎无法正确发音。

3. 给 AI 一个角色

在系统提示词中设定角色，能显著影响 AI 的语气和行为。

你是一个专业的 Python 编程助手，擅长代码审查和优化。

二、实用技巧与示例

技巧 1：使用示例（Few-Shot）

提供 3-5 个相关示例，能大幅提高输出的一致性和准确性。

示例：情感分类

请将以下用户反馈分类为正面、中性或负面。

<examples>
  <example>
    <input>这个产品太好用了，超出我的预期！</input>
    <output>正面</output>
  </example>
  <example>
    <input>还行吧，没什么特别的感觉。</input>
    <output>中性</output>
  </example>
  <example>
    <input>客服态度太差了，再也不会买你们的产品。</input>
    <output>负面</output>
  </example>
</examples>

现在请分类：
<input>物流很慢，但产品质量还不错。</input>
<output>

技巧 2：使用 XML 标签组织提示词

XML 标签帮助 AI 区分不同类型的信息（指令、上下文、示例、输入）。

<instructions>
  你是一个专业的代码审查助手。请审查以下代码：
  1. 找出潜在的 bug
  2. 提出性能优化建议
  3. 检查代码风格
</instructions>

<context>
  这是一个电商平台的订单处理模块，需要高并发支持。
</context>

<code>
{用户代码}
</code>

技巧 3：长文档处理

当处理大量文档时（20k+ tokens）：

长文档放在提示词顶部
用 XML 标签包装每个文档
让 AI 先引用相关段落再分析

<documents>
  <document index="1">
    <source>年度报告.pdf</source>
    <document_content>
      {年度报告内容}
    </document_content>
  </document>
  <document index="2">
    <source>竞品分析.xlsx</source>
    <document_content>
      {竞品分析内容}
    </document_content>
  </document>
</documents>

请从以上文档中引用相关段落，然后分析战略优势并推荐 Q3 重点方向。
先列出相关引用，放在 <quotes> 标签中，然后给出分析。

技巧 4：控制输出格式

告诉 AI 应该做什么，而不是不该做什么：

❌ "不要用 Markdown" ✅ "你的回复应该由流畅的段落组成"

使用 XML 标签控制格式：

将你的分析放在 <analysis> 标签中，
将建议放在 <recommendations> 标签中。

减少 Markdown 过度使用：

<avoid_excessive_markdown>
  撰写报告、文档、技术说明时，使用清晰的段落和句子。
  只在以下情况使用 Markdown：
  - 行内代码：`code`
  - 代码块：```...```
  - 简单标题：## 和 ###
  不要使用 **加粗** 和 *斜体*。
  除非用户明确要求，否则不要使用列表。
</avoid_excessive_markdown>

三、实战示例

示例 1：代码生成

你是一个全栈开发工程师。请创建一个用户注册功能。

<requirements>
  1. 前端：React 表单，包含输入验证
  2. 后端：Node.js API，包含密码哈希
  3. 数据库：PostgreSQL 用户表
  4. 错误处理：友好的错误提示
</requirements>

<constraints>
  - 使用 TypeScript
  - 遵循 RESTful API 设计
  - 包含基本的单元测试
</constraints>

请按步骤实现，先给出方案，再写代码。

示例 2：技术文档撰写

<role>你是一位资深技术写作专家</role>

<task>
  为这个 API 编写开发者文档
</task>

<api_info>
  {API 信息}
</api_info>

<output_format>
  文档应包含：
  1. 概述（一段话说明 API 用途）
  2. 认证方式
  3. 端点列表（每个端点包含：URL、方法、参数、示例请求、示例响应）
  4. 错误码说明
  5. 常见问题
</output_format>

使用清晰简洁的语言，面向有一定编程经验的开发者。

示例 3：数据分析

你是一个数据分析师。请分析以下销售数据：

<data>
  {销售数据}
</data>

<questions>
  1. 哪些产品销量最高？哪些最低？
  2. 按地区分析销售趋势
  3. 识别异常数据点
  4. 提出改进建议
</questions>

请先引用数据中的关键数字，再给出分析结论。
将数据引用放在 <quotes> 标签中，分析放在 <analysis> 标签中。

示例 4：多步骤任务

请完成以下任务，按顺序执行：

1. 分析现有代码库的结构
2. 识别需要重构的模块
3. 制定重构计划
4. 逐步实施重构
5. 运行测试确保功能正常

每个步骤完成后，简要总结你做了什么。

四、Claude Code 中的提示技巧

在 Claude Code 中使用提示

bash

# 带提示启动
claude "审查这个项目的安全性并提出改进建议"

# 管道输入
cat error.log | claude -p "分析错误原因并给出解决方案"

# 继续对话
claude -c

会话内命令

命令	用途
`/plan`	进入计划模式，先设计方案再执行
`/code-review`	代码审查
`/diff`	查看变更
`/batch`	大规模并行重构

五、常见错误

错误	改进
"帮我写代码"	明确语言、框架、功能需求
"修复 bug"	描述具体症状和预期行为
一次性给太多任务	拆分步骤，逐步执行
不提供上下文	说明项目背景和技术栈

六、进阶技巧

提示词链（Prompt Chaining）

将复杂任务分解为多个提示词，按顺序执行：

第一步：分析需求，输出需求文档
第二步：根据需求文档，设计架构
第三步：根据架构，编写代码
第四步：审查代码，优化性能

思考模式

让 AI 先思考再回答：

在给出最终答案之前，请先：
1. 分析问题
2. 列出你的推理过程
3. 考虑可能的替代方案
4. 最后给出结论

将思考过程放在 <thinking> 标签中。

参考资源

💡 提示词工程是一门需要实践的技能。最好的学习方法就是多写、多测试、多改进！

提示词工程（Prompt Engineering）完全指南 ​

一、核心原则 ​

1. 清晰直接 ​

2. 提供上下文 ​

3. 给 AI 一个角色 ​

二、实用技巧与示例 ​

技巧 1：使用示例（Few-Shot） ​

技巧 2：使用 XML 标签组织提示词 ​

技巧 3：长文档处理 ​

技巧 4：控制输出格式 ​

三、实战示例 ​

示例 1：代码生成 ​

示例 2：技术文档撰写 ​

示例 3：数据分析 ​

示例 4：多步骤任务 ​

四、Claude Code 中的提示技巧 ​

在 Claude Code 中使用提示 ​

会话内命令 ​

五、常见错误 ​

六、进阶技巧 ​

提示词链（Prompt Chaining） ​

思考模式 ​

参考资源 ​