Prompt

教你更会用大模型之prompt engineer

2025 年 5 月 28 日

掌握大模型使用技巧，提升工作效率与输出质量。核心内容： 1. Prompt Engineering的重要性与优势 2. 提示词优化与示例技巧，提高输出准确性 3. 使用CoT和XML标签，构建高效结构化提示

2025年的大模型是非常聪明，但你也不要高估自己的大模型使用能力，而是谦虚地与时俱进来学习如何更好使用大模型，而且我认为小学生都能学，就不要给自己找借口了。

总结下Anthropic的Prompt Engineer教学

首先为什么要prompt engineering?

prompt engineering比其他模型行为控制方法（例如微调）速度更快，并且通常能够在更短的时间内实现性能飞跃。人话来说就是：省GPU，省钱，模型更新快，省时间，省数据，见效快，不需要重新训练，更好理解文档外内容，保留常识，透明度。

第二点：提示词清晰直接，我们小学生都会用的提示词优化器：yujianaier.xyz就能很好实现这点，论文验证效果提升50%+。

第三点：示例是让 Claude 生成您所需内容的秘密武器。通过在提示中提供一些精心设计的示例，您可以显著提高 Claude 输出的准确性、一致性和质量。这种技巧被称为“few-shot”或“multishot”，对于需要结构化输出或遵循特定格式的任务尤其有效。

第四点：使用 CoT 来完成人类需要思考的任务，例如复杂的数学、多步骤分析、编写复杂的文档或涉及多种因素的决策。

为什么要让Claude思考？准确性：逐步解决问题可以减少错误，尤其是在数学、逻辑、分析或通常复杂的任务中。Debugging：了解克劳德的思维过程有助于您找出提示可能不清楚的地方。

为什么不让Claude思考？增加输出长度可能会影响延迟。并非所有任务都需要深入思考。请谨慎使用 CoT，以确保性能和延迟之间的平衡。

做法：

基本提示：在提示中包含“逐步思考”， “Think step-by-step”。

引导提示：概述Claude在思考过程中要遵循的具体步骤。

结构化提示：使用 <thinking> 和 <answer> 等 XML 标签将推理与最终答案分开。

例子：

第五点：XML标签

XML 提示：使用 <instructions> 、 <example> 和 <formatting> 等标签清晰地分隔提示的各个部分。这可以防止 Claude 将说明与示例或上下文混淆。

高级用户提示：将 XML 标签与其他技巧（例如多重提示 ( <examples> ) 或思维链 ( <thinking> 、 <answer> )）结合使用。这样可以创建超级结构化、高性能的提示。

这里我用ClaudeSonnet 4 Reasoning给我一个简单好懂的例子：

第六点，role prompting。提高准确性：在法律分析或财务建模等复杂场景中，角色提示可以显著提高 Claude 的表现。角色提示：尝试不同的角色！对于同一份数据， data scientist 和 marketing strategist 可能会得出不同的见解。 data scientist specializing in customer insight analysis for Fortune 500 companies 可能仍然会产生不同的结果！

第七点：

预填充Claude的回应以获得更好的输出控制

使用 Claude 时，您可以通过预填充 Assistant 消息来引导其响应。这项强大的技术让您可以控制 Claude 的操作、跳过前导信息、强制执行 JSON 或 XML 等特定格式，甚至帮助 Claude 在角色扮演场景中保持角色的一致性。在某些情况下，如果 Claude 的表现不如预期，一些预先填充的句子可以大大提升 Claude 的表现。一点点预先填充就能带来很大的帮助！

意思就是个性化预设答案，你最喜欢什么颜色？绿色。

第八点：Chain complex prompts for stronger performance

输入提示链：将复杂的任务分解为更小、可管理的子任务。

如：数据处理：提取→转换→分析→可视化。

高级：自我修正链

你可以串联提示，让 Claude 审查自己的工作！这能发现错误并优化输出，尤其适用于高风险任务。

第九点：长上下文提示

将长格式数据置于顶部：将长文档和输入（约 2 万多个词法单元）置于提示顶部附近，即查询、说明和示例的上方。这可以显著提升 Claude 在所有模型上的性能。

在测试中，最后的查询可以将响应质量提高多达 30%，尤其是在复杂的多文档输入的情况下。

使用 XML 标签构建文档内容和元数据：使用多个文档时，为了清晰起见，请将每个文档包装在 <document> 标签中，并使用 <document_content> 和 <source> （以及其他元数据）子标签。

引用原文：对于长篇文档任务，请先让 Claude 引用文档的相关部分，然后再执行任务。这有助于 Claude 剔除文档其余内容的“噪音”。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

教你更会用大模型之prompt engineer

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单