Greg Isenberg最近发了个深度视频《我用错了Claude》，广受好评，他基于Anthropic官方研究拆解了10个让Claude效率提升10倍的技巧。
这些技巧专门解决AI"幻觉"、"懒惰"、"平庸回答"的问题。
1. 协作语气
Anthropic研究发现：命令式语气让模型变得防御性过强。
❌ "立刻把这堆垃圾修好！这代码根本跑不通"
✅ "请检查这段代码中的错误。我的目标是让它运行得更有效率。如果你发现了bug，请解释原因并提出修复建议，就像我们在进行代码审查一样"
协作语气激活了模型的"队友模式"，它会更主动思考解决方案。
2. 明确性原则
模糊输入=模糊输出。把被动请求转化为行动指令。
❌ "我需要一些关于咖啡的博客点子"
✅ "生成10个关于'精品咖啡对现代职场文化影响'的博客标题。目标受众是25-35岁的科技工作者。语气要诙谐且引发共鸣"
明确了主题、数量、受众和语气，结果会精准得多。
3. 定义边界
限制是创造力的催化剂。给AI无限空间，它往往不知所措。
❌ "写一个关于未来的故事"
✅ "写一个不超过500字的短篇故事。风格限制：结合海明威的极简主义和赛博朋克设定。主角限制：一个在火星上调查数据盗窃案的过时机器人侦探"
具体约束迫使模型在特定框架内进行深层创造。
4. 草拟、计划、然后行动
最重要的技巧。让模型先"思考"再"执行"。
❌ "写一份关于远程工作优势的完整报告"
✅ 分步法：
第一步："请先为我起草一个详细大纲，包含引言、三个主要论点和结论" 第二步（反馈后）："把第二点'节省成本'改为'心理健康影响'" 第三步："现在根据修订后的大纲撰写完整报告"
避免模型在生成长文时迷失方向。
5. 要求结构化输出
指定输出的"细节要求"，内容质量会随之提高。
❌ "告诉我关于阿波罗任务的事"
✅ "列出最后三次阿波罗任务。格式要求：使用Markdown表格。列标题应为：任务名称、发射日期、机组人员名单、关键科学成就"
数据清晰，易于提取和使用。
6. 解释原因
为指令提供背景。模型理解了你的目的，就能推断出你没说明的细节。
❌ "给这些运动鞋写几句广告词"
✅ "给我5个新运动鞋品牌的营销口号。背景：我们的品牌核心是'极度舒适'和'可持续发展'，鞋子用回收海洋塑料做的。目的：打动那些在意环保但又想要舒适度的城市跑者"
广告词会紧扣环保和舒适，而非通用的"跑得更快"。
7. 控制详略程度
告诉AI这篇文章的深度和长度。
简化版："用5岁孩子能听懂的语言解释量子纠缠。使用简单比喻，不要用专业术语"
深度版："为物理系研究生详细解释量子纠缠。要求：逐步推理，引用相关数学概念，确保技术准确性"
同一话题，完全不同的输出层级。
8. 提供模板
别让AI从零构建结构，给它"填空题"模板。
❌ "总结这篇文章"
✅ "阅读这篇文章，严格按照以下格式总结：
一句话核心论点：[在此处插入] 关键数据/事实（3个）：[数据1][数据2][数据3] 潜在的反直觉见解：[在此处插入]"
保证输出一致性，特别适合处理大量文件。
9. 使用专业术语
特定短语能激活模型的特定训练权重。
"Think step by step"（逐步思考）→ 强制展示推理过程，减少逻辑错误 "Critique your own response"（批评你的回答）→ 让模型自我反思，提高准确率 "Adopt the persona of..."（扮演...角色）→ 切换语料库风格 "Chain of Thought"（思维链）→ 要求模型写出如何得出结论
10. 分而治之
即使Claude有巨大的上下文窗口，一次性处理复杂任务也会降低质量。
❌ "帮我写一个完整的iOS应用程序"
✅ 分步法：
"先设计数据库架构" "编写用户认证模块代码" "编写前端UI的SwiftUI代码"
模块化方法确保每个部分质量最高。
终极综合示例
把所有技巧融合的超级提示词：
"扮演一位世界级的大学历史教授。我正在为一群对二战历史没有任何了解的高中生准备一堂45分钟的入门课。我的目标是让他们对那段历史产生兴趣，而非死记硬背日期。首先，不要写讲稿。请先为我创建一个讲座大纲。大纲必须包含三个主要部分，且总时长严格控制在45分钟内。使用嵌套的Markdown列表格式。每个要点都要包含一个具体的'故事钩子'。语气要生动、引人入胜，但保持学术严谨性。"
这个请求包含了：角色设定、背景说明、任务分解、边界定义、格式要求、具体细节和语气指导。
虽然技巧以claude为示例，但对于其他AI来讲并无什么不同，其核心是思维的转变：从把AI当搜索引擎，到当作理解复杂需求的专业队友。你是指挥家，AI是乐手。
