@Vincent_AINotes: Anthropic 官方演示了一套更稳定的提示词写法： 不要把背景、资料、规则、示例和输出要求混成一大段，而是让每类信息都有明确位置，再用 XML 标签划清边界。 核心不是把 Prompt 写得更长，而是尽量减少模型需要猜测的东西。 我整…
摘要
Anthropic 官方演示了一种通过 XML 标签结构化提示词的方法，将背景、资料、规则、示例和输出要求分离，以减少模型猜测、提升稳定性。
查看缓存全文
缓存时间: 2026/07/06 16:15
Anthropic 官方演示了一套更稳定的提示词写法：
不要把背景、资料、规则、示例和输出要求混成一大段，而是让每类信息都有明确位置，再用 XML 标签划清边界。
核心不是把 Prompt 写得更长，而是尽量减少模型需要猜测的东西。
我整理了 4 张关键方法图，完整演示放在下一条👇 https://t.co/oUkAu24gM4
相似文章
@RealCodedAlpha: 看完这张疑似 Anthropic 内部优化的 Fable 5 Prompt 结构，我才意识到：大多数人写 Prompt，其实一开始方向就错了！ 很多人以为好 Prompt = 更长、更复杂、更多技巧、更多角色设定。 但这张图给出的结构非常…
这篇推文介绍了一种源自Anthropic内部优化的Fable 5 Prompt结构，强调写提示词时应聚焦于目标、边界和验收标准，而不是冗长的指令，尤其对于更强的模型（如Claude、Codex）应避免教模型如何思考。
@berryxia: 兄弟们，想认真学提示词工程，周末花这 25 分钟是非常值得！ 这个就是来自于 Anthropic 官方的 Prompting 101 课程，带你从零搭建一个能落地的 prompt 任务： 1. 语气背景 2. XML 结构 3. Few-…
Anthropic 官方推出的 Prompting 101 课程，系统讲解如何从零构建实用 prompt，涵盖语气背景、XML 结构、Few-shot 示例、输出格式化和预填充等核心技巧。
@Saccc_c: 昨天爆火的Claude Design系统提示词已泄露。简单看了一下，提示词非常强调整体设计上下文，鼓励多方案探索，并且预先设定了“去AI味”的规则。确实有点东西，完整版如下：
Claude Design的系统提示词遭泄露，内容强调整体设计上下文，鼓励多方案探索，并内置了去除AI生成痕迹的规则。
@denziideng: 才发现：提示词原来是这么写的！把你的提示词从“随便写写”变成专业可复用资产 每次用 AI 写东西、生成图片、做分析，提示词随便一扔，效果时好时坏，太折腾人了…… 现在有了这个工具，能一键优化提示词，自动测试、对比、迭代，还能永久保存成可复…
介绍 Prompt Optimizer，一个开源工具，帮助用户优化、测试和复用提示词，支持多平台部署，将提示词从一次性使用转变为可反复调用的资产。
@VincentLogic: Anthropic 这个演讲有点东西。 以前写 Agent 还得自己费劲搞路由（Router）、重试机制、上下文压缩，现在演讲者直接说：这些“脚手架”模型已经内置了，别费劲造轮子了。 最炸裂的是最后那个 Demo：让 Claude 自己打…
这篇文章评论了 Anthropic 关于 Claude 的演讲，指出模型现已内置路由、重试等 Agent 脚手架功能，并展示了 Claude 自主复现、修复前端 Bug 及测试的流畅闭环 Demo，标志着 Agent 开发进入新阶段。