Anthropic Prompt Engineering (提示工程)教程

这份〖Prompt Engineering (提示工程) 〗教程，提到了 10 项操作技巧〖technique〗，并对每一项都进行了详细的介绍。

[技巧1] 提示词要清晰明确 (Be clear & direct)
说明：在与 Claude 互动过程中，输入清晰直接的提示词，对于获得最佳响应至关重要。

[技巧2] 给 Claude 举例 (Use examples)
说明：提示词包含几个精心设计的例子，可以显著提高 Claude 回答的准确性、一致性和质量。这一技巧通常也被称作 few-shot prompting / one-shot prompting。

举例是提升 Claude 性能、引导产生符合期望的输出的最有效工具。如果你的输出需要包含更多的细节、更加结构化、或者遵守特定格式，那么〖举例〗这个技巧尤其有效。
通常，提供的示例越多，Claude 回答就越可靠，但代价是响应时间、计算资源等随之增多。
确保给 Claude 提供常见的边缘情况示例。

[技巧3] 角色扮演 (Give Claude a role)
说明：在提示词中给 Claude 设定指定一个角色 (比如数学家)，能引导提升其准确性和性能。这一技巧也常被称作 role prompting。

[技巧4] 使用 XML 标签 (Use XML tags)
说明：Claude 大模型已经针对 XML 标签进行了专门训练，因此特别推荐使用 XML 标签来强化提示词的结构。

[技巧5] 任务拆解 (Chain prompts)
说明：把复杂任务拆解成多个步骤，并将子任务构建成串行的工作流，确保过程中的每一步 & 最终输出是准确的。

[技巧6] 逐步思考 (Let Claude think)
说明：面对复杂问题时，让 Claude 在回答之前先想清楚具体的步骤，再根据步骤生成最终的答案。这一技巧也被称作 chain of thought (CoT) prompting [思维链]。

[技巧7] 预填充引导 Claude回答 (Prefill Claude's response)
说明：在提示词中设定 Assistant 内容，可以控制输出格式，并帮助 Claude 在角色扮演场景中保持角色特性。

[技巧8] 控制输出格式 (Control output format - JSON mode)
说明：提供清晰的指令 [技巧1]、给 Claude 举例 [技巧2]、预填充 [技巧3]，这些都可以引导 Claude 生成结果符合你期望的结构/风格。

[技巧9] 请求Claude重写（Ask Claude for rewrites)
说明：即使提示设计得很好，Claude 回答也可能不够准确或完全不符合预期。这种情况下，可以利用 Claude 自我修订能力，通过重写来改善生成质量。

[技巧10] 长上下文窗口技巧 (Long context window tips)
说明：长上下文增加了大模型处理复杂任务的能力。例如，一份长文档，之前需要将其切割并分别处理，现在可以完整输入给大模型，既有助于 Claude 全面理解上下文，又使得生成结果准确度更有保障。