type
status
date
slug
summary
tags
category
icon
password
大家好，我是易安！
今天给大家分享的内容来自Anthropic公司Claude团队内部圆桌讨论的干货！
我花了一小时解析这场圆桌讨论(原视频在这里：https://www.youtube.com/watch?v=T9aRN5JkmL8)，我整理出了5个提示工程师必备的实战技巧，这些可都是原厂大佬们亲口透露的内部经验！赶紧学起来！
五大提示工程秘诀
1. 清晰沟通
Amanda Askell（微调团队负责人）指出，优秀的提示工程师首先要有清晰的沟通能力。
确实很多人写的提示词跟写天书一样，要么几十行还没说明白要干啥，要么就是许愿是提问，也不讲背景直接上来给我写一篇xxx文章，帮我实现个xxx，效果差是必然的！
想象你在给一个聪明的"外来人员"布置任务，这个人很聪明，但对你的业务一无所知。你需要用清晰的指令告诉他每一步该怎么做，不能假设他懂得任何公司内部知识。
2. 多轮迭代
Amanda分享了她的工作方法：15分钟内可能会发送数百个提示，不断来回测试。
这不就是我们程序员调参的日常嘛！作为码农，我深有体会，调试AI提示和调试代码一样，一次成功的太少了，都是改了一点点再试，不断迭代。
我发现最有效的迭代方法是这样的：
3. 预判错误：为异常情况设计明确的处理方式
David在讨论中指出，很多开发者总是假设用户输入完美格式的内容，但现实是用户输入常常充满错别字、缺乏标点和结构。
作为一个资深技术人，这让我想起了那句经典名言：永远不要相信用户输入！
比如下面这个案例：
我实测了各大模型，发现Claude在这方面做得特别好，它会诚实地告诉你"我不确定"，而不是胡编乱造。不得不说，Anthropic在安全性上确实下了功夫！
4. 临时工思维模型（俗称定角色）
把AI当成聪明但对你的业务一无所知的临时工
Alex在讨论中分享了一个金句，直接把我整笑了：
"想象你雇佣了一个临时工来做这个任务。这个人到了，他们相当有能力，了解你的行业，但他们不知道你公司的名字。"
这不就是降维打击版的"如何跟老板解释技术问题"吗？😂
5. 让模型自查
Amanda分享了一个我从未在其他地方看到过的技巧，这绝对是提示工程的终极奥义。
她会直接问模型："你做错了，你能想想为什么吗？你能写一个我指令的修改版本，让你不会再犯同样的错误吗？"
这招绝了！这相当于让AI成为自己的调试员！
实战代码：
我实测了这个方法，成功率高达80%以上！特别是对复杂任务，让模型自己改进提示比我们人类瞎猜要有效得多。
直接让模型学习提示工程论文
Amanda还分享了一个让我大开眼界的操作：
"当我想让模型学习一种提示技术时，我会直接给它相关论文。我会说：'这是关于提示技术的论文。我只想让你写下17个这种技术的例子。'"
我立刻去测了这个方法，效果真的惊人！我找了几篇Chain-of-Thought和Few-Shot Learning的论文摘要，让Claude阅读后生成例子，结果比我自己写的提示模板强太多了！
实测效果：
我让Claude阅读了思维链提示方法的论文摘要，然后生成数学问题的思维链提示模板，效果比直接让它"用思维链方法解题"强了至少30%！
未来趋势：用AI来调教AI
David在讨论中提到了一个让我深思的观点：
"我发现自己更多地使用模型来写提示。我给模型一些现实的输入样例，模型写一些答案，我稍微调整一下，这比我从头开始写完美答案要容易得多。"
这不就是提示工程的"AutoGPT"化吗？用AI来调教AI，这简直就是元编程的终极形态！我已经在日常工作中尝试这种方法，发现确实高效很多。
比如你不会写某个场景的提示词，问AI，让AI告诉你如何更好地使用AI。
试想一下，未来可能有专门的"提示编译器"，你只需要提供几个输入输出样例，AI自动为你生成最优提示，这将彻底革命化我们使用大模型的方式！
提示工程是"外化你的大脑"
Amanda在讨论最后分享了一个重要洞察，她将提示工程比作哲学写作：
"这是把你大脑中的事物拿出来，足够地分析它们，使你感觉自己完全理解它们。你可以把任何一个路人，一个理性的人，把你的大脑外化给他们。我觉得这就是提示工程的核心。"
这句话点醒了我！作为程序员，我们经常说"代码是写给人看的，顺便能被机器执行"。提示工程也是如此，它是写给AI看的，但首先得让人类（包括你自己）理解你到底想要什么！
我突然理解了为什么有些人总能写出效果惊人的提示，而有些人无论怎么调整都差强人意。前者是真正理解了自己的需求并能清晰表达，后者可能连自己要什么都没想清楚！
最后再分享一个我个人的超级技巧：输入示例永远比抽象描述强！与其告诉AI"我要一个专业的营销文案"，不如直接给它3个你认为优秀的文案示例，效果会好10倍，当你提供足够的知识库和标准结果，那么AI的回复会更加接近你的预期。
总结
通过这场内部讨论，我们可以看到提示工程不仅仅是一种技术技能，更是一种思维方式。Anthropic的团队已经走在了前沿，他们不仅在研发更强大的模型，也在思考如何让普通人更好地使用这些模型。
技术的本质从来不是复杂的规则和流程，而是对核心原理的深刻理解。提示工程也是如此，掌握了这些核心思维方式，你就能在任何场景下写出高效的提示。无论你是研究人员、开发者还是普通用户，这些来自Claude团队的实战经验都能帮助你更好地与AI模型交流，充分发挥其潜力。
最强的提示不是最长的，而是最清晰的；不是最复杂的，而是最直观的；不是最技术化的，而是最人性化的。
我是易安，一位专注AI技术研究的AI超级个体。每天为大家带来前沿AI工具评测和实践经验，用通俗易懂的方式解读复杂的技术概念，👇长按扫码关注，一起探索AI技术的无限可能！
如果觉得我的文章对你有帮助的话，可以帮我点个赞👍或者喜欢❤，让更多跟你一样好品味的人看到这些内容，感谢🙏
- Author:NotionNext
- URL:http://preview.tangly1024.com/article/22ced26c-0da0-81a5-92ec-d573ecf8ac2b
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
