保持清晰、直接和详细

使用示例（多示例提示）来引导Claude的行为

思维链

好的结构化提示技术

XML结构化提示词

XML提示: 使用像<instructions>、<example>和<formatting>这样的标签来清晰地分隔提示的不同部分。这可以防止Claude混淆指令与示例或上下文。

标签使用最佳实践

1. 保持一致性：在整个提示中使用相同的标签名称，并在谈论内容时引用这些标签名称（例如，使用<contract>标签中的合同...）。
2. 嵌套标签：对于层级内容，你应该嵌套标签<outer><inner></inner></outer>。
   

通过系统提示给Claude分配角色

就是设置系统提示词罢了。

预填充Claude的回复以获得更好的输出控制

import anthropic client = anthropic.Anthropic() response = client.messages.create( model="claude-3-5-sonnet-20241022", max_tokens=1024, messages=[ {"role": "user", "content": "你最喜欢的颜色是什么？"}, {"role": "assistant", "content": "作为一个AI助手，我没有最喜欢的颜色，但如果非要选择的话，我会选择绿色，因为"} # 在此处预填充 ] )

预填充就是

链式复杂提示以获得更强的性能

就是大任务划分为小任务，然后使用multiagent(prompt)来解决问题！

在处理复杂任务时，如果你试图在单个提示中处理所有内容，Claude有时可能会出现失误。思维链(CoT)提示很好，但如果你的任务有多个需要深入思考的不同步骤怎么办？

如何链接提示

1. 识别子任务：将任务分解为不同的、连续的步骤。
2. 使用XML构建清晰的交接：使用XML标签在提示之间传递输出。
3. 设定单一任务目标：每个子任务应该有一个明确的单一目标。
4. 迭代：根据Claude的表现改进子任务。

链式工作流程示例：

• 多步骤分析：参见下面的法律和商业示例。
• 内容创建流程：研究 → 大纲 → 草稿 → 编辑 → 格式化。
• 数据处理：提取 → 转换 → 分析 → 可视化。
• 决策制定：收集信息 → 列出选项 → 分析每个选项 → 推荐。
• 验证循环：生成内容 → 审查 → 改进 → 重新审查。

长文本提示技巧

https://docs.anthropic.com/zh-CN/docs/build-with-claude/prompt-engineering/long-context-tips