作者玛菲特聊AI与AGENT在日常使用AI Agent或智能体时很多朋友都会遇到这样的困惑明明已经给AI下达了很具体的指令比如“我要你生成一份XXX并且要这样这样做……”但最终的结果却总是不尽人意——要么偏离预期要么充满“机器味”一看就不像人类写的内容。这往往并非AI能力不足而是我们的提示词Prompt没有写到位导致AI没能准确捕捉到我们的真实需求。那么如何写出一个高质量的提示词呢最直接的方式就是向顶尖的技术团队学习。网上虽然已有大量相关教程但质量参差不齐、观点各异缺少一个可供普通用户参照的通用范式。因此我特意整理了Anthropic官方团队关于撰写Prompt的一次公开演讲原视频链接https://b23.tv/0qJCbig将其中约30分钟的精华内容提炼如下供大家参考。以下内容均为个人学习总结如有理解偏差欢迎指正。---一、一个生动的案例从“看图说话”到“专业定损”视频开头Anthropic团队向Claude Code客户端上传了一张手绘的汽车事故草图并简单提问“这张图发生了什么”Claude仅能根据图像进行笼统的描述既不清楚用户的真实意图也缺乏对细节的深入理解。随后团队补充了更多相关图片、文件并给出了明确的任务描述“你是一名AI助手协助保险理赔定损员审阅瑞典语书写的车祸报案材料。你的工作内容为1. 核查标准事故报告单及当事人手绘的事故现场草图2. 梳理并明确从两份材料中能够确凿推断出的全部信息3. 最终给出判断结论——是否有十足把握判定其中一方为完全肇事全责若无法下定论则需告知人工定损员应进一步补充调取更多佐证材料。”通过分步对话和信息逐步灌输Claude最终完整理解了事故全貌以车险定损员的专业身份对责任做出判定并生成了一份规范的理赔定损报告圆满达成用户目标。---二、撰写优质Prompt的核心心得基于Anthropic团队的演示和相关资料我总结出以下几个关键要点1. 采用“起始-闭合”的结构化标签模板这种标签式结构能让AIAgent更快速扫描到关键token从而更准确地进行语义分析和预测。推荐使用XML或HTML风格的标记语言来组织内容清晰且易于解析。2. 上下文Context要有序、完整且具备交互性尽量遵循标准化的模板框架重点位置加以强约束该简练的地方简练该细致的部分充分展开。这样才能让AI既有方向感又不失深度。以下是我个人常用的一种Prompt结构示例供参考根据以下内容执行任务description用两到三句话概述你的需求例如“生成一份XXX文件具体要求详见下方detail标签”。让AI快速定位到后续详细说明/descriptioncontext你是一位资深的XX领域专家擅长处理XX类文件。现需要你生成一份……简述背景帮助AI深入理解语境/contextdetail id11. 具体操作步骤……2. 二级细节……3. 三级细节……相关工具、资料、方法路径可在下方的document和example标签中查找/detaildetail id2更多拓展细节……/detailexample1. 模板路径……2. 模板内容简介及参考要点模板对结果准确性至关重要/exampletask id1对于复杂项目建议拆分为多个有序步骤明确每个环节使用的工具、参考模板的哪部分让AI执行方向更清晰。/tasktask id2第二步……/tasktask id3第三步……/taskdocument列出所有相关文件的存放路径/documentconstraint强约束条件限制AI的行为边界减少幻觉输出/constraintoutput_format描述最终产物的保存路径、格式等即明确你想要的最终效果/output_format---三、关于Claude Code中的“标签”理解需要特别说明的是并不存在一个固定名称的单一标签。所谓“标签”是一种通用的最佳实践——即通过各类结构化标签尤其是XML标签来组织指令从而让AI更准确地理解任务和执行步骤。这种灵活性恰恰是其强大之处。---四、未来的期待当然我也希望随着AI技术的不断成熟未来能出现一套国际通用的标准Prompt模板如同教科书一般清晰规范。届时普通用户也能更加轻松、规范地驾驭AI让智能体真正成为人人可用的高效工具。---如果您也有自己的Prompt写作心得欢迎一起交流探讨