@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 新闻
prompt-engineering anthropic fable-5 claude agent llm best-practices

摘要

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。

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简单： Context：背景是什么 Request：你到底要模型做什么 Output Format：结果要怎么交付 Constraints：哪些不能假设、不能越界 Checkpoint：什么时候停下来问你 但对 Fable 5、Claude、Codex 这类更强的模型来说，真正关键的不要“教模型怎么思考”，要把任务边界讲清楚！ 尤其是最后这个 Checkpoint 很重要： 只有在三种情况下才暂停： 1. 涉及不可逆操作 2. 任务范围发生变化 3. 需要用户提供信息 其他情况，模型应该继续完成任务，最后再汇报。 这才是 Agent 时代的 Prompt 写法。 模型越强，越不需要你写一堆废话。 它需要的是目标、边界和验收标准。 以后写复杂任务前，先检查这 5 个部分：Context 、Request、Output Format 、Constraints 、Checkpoint
查看原文
查看缓存全文

缓存时间: 2026/07/03 16:40

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简单：

Context：背景是什么
Request：你到底要模型做什么
Output Format：结果要怎么交付
Constraints：哪些不能假设、不能越界
Checkpoint：什么时候停下来问你

但对 Fable 5、Claude、Codex 这类更强的模型来说，真正关键的不要“教模型怎么思考”，要把任务边界讲清楚！

尤其是最后这个 Checkpoint 很重要：

只有在三种情况下才暂停：

  1. 涉及不可逆操作
  2. 任务范围发生变化
  3. 需要用户提供信息

其他情况，模型应该继续完成任务，最后再汇报。

这才是 Agent 时代的 Prompt 写法。

模型越强，越不需要你写一堆废话。

它需要的是目标、边界和验收标准。

以后写复杂任务前，先检查这 5 个部分：Context 、Request、Output Format 、Constraints 、Checkpoint

相似文章

@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…

X AI KOLs Timeline

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。