Claude 提示工程

每个 Claude 产品都响应相同的底层模型。你编写提示的方式决定了你所获得结果的质量，无论你是通过 Claude.ai 进行聊天、使用桌面端 MCP 工具，还是将任务委派给 Cowork。一些提示习惯在所有这些场景中都能持续产生更好的结果。本课涵盖你可以立即应用的实用模式：如何构建提示、如何迭代、如何给出多步骤指令，以及不同产品之间的差异。

优质提示的构成

一个结构良好的提示最多包含五个组成部分。并非每个提示都需要全部五个，但了解它们有助于你诊断为何某个回复不尽如人意。如果你只能为一个简单的提示添加一个组件，那就加上上下文：告诉 Claude 你是谁以及你希望达成的目标，这本身就能消除大部分猜测。

• 角色： Claude 在此情境中应扮演的身份。“你是正在审查季度财报的财务分析师”能聚焦 Claude 的视角和用词。

• 上下文： 这是背景信息。Claude 需要充分理解这些信息才能完成任务。“我们公司销售 B2B 软件。主要竞争对手是 X 和 Y。我们正在为下周的董事会会议做准备。”

• 任务： 你希望 Claude 做什么。“写一份一页纸的竞品分析，比较我们 Q3 的业绩与 X 和 Y。”

• 格式： 输出应如何组织。“使用表格进行对比，然后在下方写两段分析。”

• 约束： Claude 应避免或优先考虑的内容。“不要包含价格数据。重点放在市场份额和产品发布上。”

即使是一个简短的提示，应用一两个组成部分也能带来好处：

你是团队负责人。为一位忙碌的高管总结这份文档，只需包含关键决策和主要风险，其他内容一律省略。

一个使用了全部五个组成部分的提示：

你是中型 SaaS 公司的市场营销策略师。我们下个月将推出一款面向员工人数在 200–500 人的运营经理的新产品。撰写一封产品发布通知邮件。使用主题行、三段正文和明确的行动号召。控制在 200 字以内。避免使用术语，且不要提及竞争对手名称。

与“写一封发布邮件”相比，两者都会生成输出。但前者产生的输出是真正可直接使用的。

具体性胜过模糊

大多数人能对提示做出的最大改进就是更加具体。模糊的提示迫使 Claude 猜测你的意图。具体的提示则消除了这种猜测。

• 模糊： “总结这份报告。”

• 具体： “用三个要点总结这份报告。重点关注收入数据、最大的风险因素，以及作者在结论中提出的建议。”

• 模糊： “写一份会议纪要。”

• 具体： “为 3 月 12 日的产品同步会议撰写一份会议纪要。包括：已作出的关键决策、待解决问题、带负责人的行动项，以及下次会议日期。每部分以项目符号列出，整体控制在一页以内。”

具体版本仅需额外 30 秒书写时间，却能节省数分钟的后续沟通与修改。这一规律适用于所有类型的任务：你对输出描述得越精确，Claude 第一次尝试就越接近理想结果。

结构化输出

当你需要特定格式的信息时，请明确要求。Claude 能很好地遵循格式指令，但默认情况下会使用散文段落，除非你另有指示。

有用的格式指令示例：

• 表格： “将对比以表格形式呈现，列包括产品名称、价格、核心功能和局限性。”

• 项目符号： “将行动项以项目符号列出，每个条目以负责人姓名开头。”

• 编号步骤： “将流程写成按顺序执行的编号步骤。”

• 标题与章节： “每个主题区域使用 H2 标题，每个标题下附 2–3 句话。”

• 特定结构： “使用以下格式：问题陈述（2 句话），根本原因（1 段），推荐解决方案（项目符号列表），时间线（表格）。”

你也可以要求 Claude 将数据输出为其他工具可直接使用的格式。“将结果格式化为可粘贴到电子表格中的 CSV”或“将此结构化为包含 name、date 和 status 键的 JSON 对象”，这样生成的输出不仅可读，还可直接使用。

迭代式提示

首次回复几乎从不是最终版本。迭代式提示（通过后续消息逐步完善 Claude 的输出）是大多数实际工作得以完成的方式。

优化循环

1. 从宽泛开始。 给出任务，观察 Claude 生成的内容。

2. 评估。 阅读输出。哪些是对的？哪些是错的？

3. 优化。 明确告诉 Claude 需要更改什么。“语气太正式了。改为更口语化的表达。”“把建议放到最前面。”“扩展风险部分的内容。”

4. 重复 直到输出符合你的需求。

这种方法之所以有效，是因为 Claude 会保留完整的对话上下文。每次后续消息都在之前所有内容的基础上进行构建。你无需重复说明原始任务或重新上传文件。在非常长的对话中，随着对话线程增长，早期上下文可能被降权处理，因此对于跨多日的复杂任务，使用 Project 比单个长对话更可靠。

有效的后续提示

有效的优化必须具体说明要修改的内容及原因：

• “第三段太长了。分成两段，并删掉关于零售的例子。”

• “结构很好。现在让执行摘要更直接些。先提建议，而不是背景。”

• “在对比表格中增加一行客户支持响应时间。”

• “已经很接近了。重写结论部分，强调紧迫性而非机会。”

无效的优化则过于模糊：“让它更好一点”或“再试一次”。这些会让 Claude 陷入与模糊初始提示相同的猜测困境。

多步骤指令

对于复杂任务，可以在单一提示中将工作分解为编号步骤。这为 Claude 提供了清晰的执行序列，也使输出更容易验证。

示例：

1. 阅读附带的客户反馈电子表格。

2. 将每条反馈归类到以下主题之一：定价、产品质量、客户支持、入职流程。

3. 统计每个类别中的条目数量。

4. 识别每个类别中最常见的前 3 个投诉。

5. 撰写一份一页纸的总结，包含类别数量的表格，以及每个主要主题的一段文字。

Claude 会按顺序执行这些步骤，并生成与每一步对应的输出。这比单一开放式指令（如“分析这些客户反馈并写一份总结”）更容易审查，因为你可以逐项核对每一步的输出是否符合预期。

多步骤提示也适用于重复性工作流程。将提示保存在 Project 的指令中或作为可复用模板，即可建立一套可反复运行的稳定流程，每次使用新数据即可。

项目指令

上述提示模式适用于单独的对话。项目指令（在之前的课程中介绍过）让你可以将其中一些模式变为持久设置。

不必每次对话都从“你是财务分析师，使用表格进行对比，回复控制在 500 字以内”开始，而是将这些设定为项目指令。项目中的每一次对话都会继承这些设定，而你的实际提示可以完全聚焦于具体任务。

这种分层方式非常强大：

• 项目指令处理角色、语气、格式偏好和重复出现的上下文。

• 单个提示处理具体任务。

结果是提示更短，输出质量更高，因为基础上下文始终存在。

不同产品间的差异

核心提示原则（具体、提供上下文、明确格式、迭代）适用于所有场景。但每个 Claude 产品都有其特性，会影响你的提示方式。

Claude.ai 聊天

标准环境。上述所有模式均可直接使用。你通过后续消息进行迭代，而 Artifacts 会自动保存你的输出。最适合需要逐步塑造输出的对话式交互。

Claude 桌面端搭配 MCP

当 Claude 能访问 MCP 工具时，你的提示可以直接引用外部资源。“读取我文档文件夹中的最新报告并总结它”是可行的，因为 Claude 可以访问文件系统。提示变得更偏向操作性：不再需要上传文件再提问，而是直接告诉 Claude 文件位置及具体操作。

请明确指出你希望 Claude 使用的文件或工具。“查看我下周的日程”是清晰的。而“看看我的东西”则不明确。

Cowork

Cowork 的提示是任务定义，而非对话起点。由于你是委派执行而非实时迭代，因此提示应更完整地预先说明。

一个优秀的 Cowork 提示应包含：

• 要产出的内容（交付成果）。

• 输入来源（哪些文件或文件夹）。

• 输出结构（格式、长度、风格）。

• 任何约束或优先事项。

可以把 Cowork 提示想象成给同事的一份详细任务简报：足够详尽，让他们能独立完成工作，而无需每隔几分钟就回来问问题。

常见错误

以下几种模式会持续导致较差的结果：

• 过于模糊： “帮我处理这个”，会让 Claude 猜测一切。请明确任务、格式和约束。

• 在一个提示中过度堆叠任务： 要求 Claude “研究市场、分析数据、撰写报告、制作演示文稿、起草邮件”在一条提示中完成，会导致五项任务的输出都浅尝辄止。Claude 必须在请求的每一部分之间分配注意力和输出精力，这意味着每部分深度不足。应将大范围任务拆分为独立任务或多步骤指令。

• 未提供足够上下文： Claude 不知道你的公司、受众或目标，除非你主动说明。一句上下文通常就能决定输出是泛泛而谈还是真正有用。

• 不进行迭代： 接受第一次回复就走开，浪费了与 Claude 合作最强大的部分。后续互动才是让通用输出变得具体有用的关键。

• 每次后续都重复完整任务： Claude 记住了对话。只需说“将第二段改得更简洁”就足够了。无需重新解释整个任务。

现在动手试试

找一个你最近使用过的提示，或一段你曾输入 Claude 但得到的输出并不完全满意的内容，或一项你重复执行的任务。

1. 原样写下原始提示。

2. 使用五要素结构重写：添加角色、背景上下文、明确任务、格式指令，以及至少一个约束。

3. 在两个独立对话中分别运行这两个提示（相同模型，相同上传文件），对比输出结果。

差异通常在第一次尝试中就明显可见。如果看不到，说明原始提示本身已经结构良好，这也是一个有价值的参考信息。将改进后的版本保存到可复用的位置：Project 指令、文本快捷方式或笔记中。

总结

优质提示包含角色、上下文、任务、格式和约束。具体性消除猜测。结构化输出指令控制格式。迭代优化结果。多步骤指令引导复杂任务。项目指令使重复模式持久化。这些原则适用于 Claude.ai、桌面端和 Cowork，仅需根据各产品的交互模型稍作调整。