@Mikocrypto11: 大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 …

X AI KOLs Timeline 新闻
anthropic prompting workshop best-practices production workflow claude

摘要

Anthropic 的一个 32 分钟 workshop 强调，好的 prompt 不是单句技巧，而是一套可测试、可改进的工作流，涉及目标设定、边界定义、自我检查与边缘情况处理。

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话 而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要 因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理 所以很多时候，AI 给出的坏答案，不一定是模型差 也可能只是 setup 太差 这个 prompting playbook，建议在下次怪 AI 之前先看完
查看原文
查看缓存全文

缓存时间: 2026/06/02 19:37

大多数人以为 prompting 只是把句子写得更好

Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 而是 production 里的 prompt 到底怎么搭

Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话

而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要

因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些：

  • 让模型知道目标
  • 让模型知道边界
  • 让模型知道怎么检查自己
  • 让模型知道遇到 edge case 时该怎么处理

所以很多时候，AI 给出的坏答案，不一定是模型差 也可能只是 setup 太差 这个 prompting playbook，建议在下次怪 AI 之前先看完

相似文章

@Mikocrypto11: Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一 视频里她拆了…

X AI KOLs Timeline

Anthropic工程师强调不应只手动prompt Claude，而应构建一个能自动prompt自己的系统。文章拆解了用户常见问题：每次从零开始、未利用CLAUDE.md、plugins和workflows，指出这浪费了Claude大部分能力。

@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…

X AI KOLs Timeline

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。