从入门到进阶：Anthropic 1P 提示工程互动教程（中文整理）

一份面向实战的 Claude 提示工程学习笔记。涵盖基础结构、角色设定、变量模板、输出格式化、思维链、Few-shot、降低幻觉、复杂提示编排，以及提示链、工具调用与检索增强等进阶主题。

0. 教程使用指南

• 使用 Messages API（推荐）进行对话，基本参数：model、max_tokens、messages，可选：system、temperature。
• 建议设置 temperature=0 以获得更稳定输出。
• 函数封装：建立 get_completion(prompt, system_prompt="", prefill="") 便于统一调用。
• 运行顺序：从上至下执行单元；跨 Notebook 使用 %store 共享变量，如 API_KEY、MODEL_NAME。

1. 基础提示结构（Basic Prompt Structure）

• 最小调用格式：messages=[{"role":"user","content": "..."}]。
• 规则：
  • 会话轮次必须严格交替：user / assistant。
  • 第一个消息必须是 user。
  • 可用 system 传入全局指令，例如语气、角色、边界。
• 示例要点：
  • 错误示例：缺少 role/content 字段；不按角色交替。
  • system prompt 可强力提升规则遵循度（如要求用提问式输出）。

2. 清晰直接（Being Clear and Direct）

• 核心准则：像指导一位新同事一样，直截了当、具体明确。
• 常见技巧：
  • 直接要求“跳过前言”、“只输出一个名字且无其他字符”。
  • 明确“若必须二选一，请给出你唯一的选择并直答”。
  • 对长度或风格做硬性约束（如 800+ 字、严禁解释）。

3. 角色设定（Assigning Roles / Role Prompting）

• 为模型设定“身份+受众+任务”能显著改变风格与表现。
• 应用场景：文风控制、逻辑/数学提升、面向特定行业（法务/金融/客服）。
• 技巧：
  • 在 system 或 user 中写清：你是谁、对谁说、以什么方式做题。
  • 针对推理任务可设定“逻辑机器人”“数学批改员”等角色。

4. 数据与指令分离（Separating Data and Instructions）

• 用变量与模板复用提示骨架；把“指令”和“数据”清晰分隔。
• 强烈建议用 XML 标签包裹可变输入，避免歧义：
  • 例如：<email>...</email>、<sentences>...</sentences>。
• 小细节很重要：错别字、误导性标点会影响解析效果。

5. 输出格式化与“代说”（Formatting Output & Speaking for Claude）

• 让 Claude 用你希望的格式输出：XML/JSON/自定义标签。
• Prefill（代说）：在 assistant 放入起始输出（如 <haiku> 或 {），模型会从此处继续生成，更稳更贴合。
• 可结合 stop_sequences（如闭合标签）提前停采样，节省 Token。

6. 先思考再作答（Precognition / Thinking Step by Step）

• 指示“先在某标签内思考，再给最终答案”可显著提升复杂任务正确率。
• 注意顺序敏感：在对立选项时，模型常倾向第二项；可通过结构与引导减小偏置。
• 适用：情感判定、常识/事实检索、复杂指代、多步问题。

7. 用示例引导（Few-Shot Prompting）

• 通过“好/坏示例”快速对齐风格与格式，比纯口头指令更高效。
• 实践要点：
  • 示例与目标任务尽量贴近，格式完全对齐（含标签、大小写）。
  • 可用 assistant prefill 提供结构起点（如 <individuals>）。

8. 降低幻觉（Avoiding Hallucinations）

• 原则：
  • 给“台阶”：不确定时要明确说“不知道/证据不足”。
  • 先抽取证据/引用，再基于证据作答；答案需与证据一一对应。
  • 对缺失信息，要求“指出缺口并给出收集方法”，而非编造。
• 正确性工程：
  • 结构化链路：<relevant_quotes> → <answer>。
  • 明确引用样式与证据对应关系。

9. 从零构建复杂提示（Complex Prompts from Scratch）

• 推荐结构（可按需增减）：
  1. 任务/身份背景（Task/Tone Context）
  2. 详细规则与出错兜底（“不知道就直说”）
  3. 示例（包含边界/异常）
  4. 输入数据（XML 包裹）
  5. 即时任务重申（底部再强调要做什么）
  6. 先思考再回答（思维链/草稿区）
  7. 输出格式（统一标签/JSON）
  8. Prefill（可选，给出开头）
• 行业范式：法务 Q&A、税务解析、代码导师等都可沿用该骨架。

10. 附录

10.1 提示链（Chaining Prompts）

• 通过多轮对话让 Claude“二次检查/润色/改写”，通常能提升质量。
• 把上一步的 assistant 输出直接作为下一轮的“已知上下文”输入。
• 给“不需要更改”的出路，减少过度修改。

10.2 工具使用（Tool Use / Function Calling）

• 思想本质：让 Claude 产出“函数调用请求”，由外部执行，再把结果回填，继续对话。
• 两要素：
  • 系统提示：交代工具清单、参数、调用格式、何时调用与何时不调。
  • 编排逻辑：检测 </function_calls>，解析参数，执行函数，构造 <function_results> 回注。
• 用例：计算器、简易“数据库”CRUD、天气/检索等。

10.3 搜索与检索增强（Search & Retrieval, RAG）

• 借助外部资料提高时效性与准确度：Wikipedia、自有知识库、向量数据库等。
• 关键点：切片与召回、引用与证据、再写作（总结/整合/转述）。

---

实操速查清单

• 系统指令（全局约束）
  • 明确身份、语气、边界与“不会就说不知道”。
• 输入模板（复用+可维护）
  • 指令与变量分离；变量用 XML 包裹；小心错别字与标点。
• 输出格式（结构化）
  • XML/JSON；必要时用 Prefill 起手；可设置 stop_sequences。
• 思维链与示例
  • 先思考后回答；给 1-3 个贴近任务的高质量示例。
• 可信度与反幻觉
  • 先抽取证据再作答；严格对齐证据；不确定就拒答。
• 复杂提示骨架
  • 背景 → 规则 → 示例 → 输入 → 即时任务 → 思维链 → 格式 → Prefill。
• 进阶编排
  • 提示链：复核/润色/改写；工具使用：函数调用-回填-继续。

常见坑与规避

• 忽略角色与轮次交替 → 严格 user/assistant。
• 指令与数据混杂 → 用 XML 清晰分隔。
• 口头化要求太模糊 → 给示例，给格式。
• 让模型“只给答案不思考” → 思维链必须外显，否则难以生效。
• 长提示信息量过载 → 结尾处再次明确“现在要做什么”。

可直接复用的微模板

• 清晰直答（无前言）：
  • “请直接回答问题本身，省略任何前置说明或客套话。”
• 唯一选择：
  • “如果必须二选一，请只输出你的唯一选择的名称，不要任何其他字符。”
• 变量模板：
  • “请基于以下输入生成结果：{VAR}。除结果外不输出其他内容。”
• 思维链+证据：
  • “先在 内列出与问题相关的原文要点，再在 内作答；若证据不足，请在 明确说明不知道。”
• 输出 JSON：
  • Prefill assistant 为 {，指示键集合与值类型；设置 stop_sequences 为 } 后的自定义终止项（可选）。

---

结语

这套 Anthropic 1P 互动教程覆盖了从基础到进阶的完整提示工程方法论。建议以“可运行的最小闭环”为目标：先用足元素拿到稳定正确，再逐步瘦身优化。结合提示链、工具调用与检索增强，你可以把 Claude 打造成可靠的行业助手与生产力伙伴。

如需，我可以把本文转成 README.md 并推送到你的项目中，或生成一版含最小可复制代码片段的“速用手册”。

参考资料