六条 Prompt 的核心法则
最近朋友圈刷到太多这种东西了——什么「收藏！100 个万能提示词模板」「某某大神整理的 SKILL 合集，拿走不谢」，充满了对 SKILL 的崇拜。更离谱的是，很多人把「提示词工程」当成玄学，什么「跟 AI 说话要温柔」「要多夸它」「威胁它不配合就扣工资」。
其实这些都是末节，真正的底层法则，Anthropic 官方早就亮出来了。下面我一个一个拆给你看。
1. 用「你是谁」先设定角色，固定背景和规则
把「你是谁」（角色设定）和背景、规则放在最前面讲——可以放在系统级提示词（System Prompt）中，也可以放在项目的特定文件里。关键是让 AI Agent 每次执行都能看见。
示例： 「你是一个严谨的交通事故理赔审核员，现在是法治时代，下面是一张标准的理赔表单……」
看起来像废话对吧？但你去翻翻自己收藏的那些 SKILL，有多少是一上来不设置角色的？没有角色锚定，AI 就没有边界；没有边界，它什么都敢替你做主。
任何一个提示语，都可以这样开关：“你是一名 xx 的 xxx……”。
2. 先想后做，用思维链（Chain-of-Thought）提升准确性
让模型在给出最终结论之前，先把思考过程写出来。这不是为了给人看——是因为模型生成的每一步结果都会作为下一步的上下文，为它生成最终结论提供逻辑支撑。这一步能极大提高复杂推理的正确率。
示例： 「在给出最终判断前，请先在 <thinking> 标签内写下你的分析过程、矛盾点对比，然后再在 <final_verdict> 标签内给出结论。」
很多人写提示词直接要结果，跳过了中间推理。复杂任务这么搞，翻车率极高。你让它先想再答，等于给它装了一个前置校验器。事实上现在的 AI Chat 产品很多都是这样设计的，用户输入一句话，输入框下面先是出一堆思考过程，这个过程其实就是思维链。
3. 步步为营，用逐步指令（Step-by-Step）列表提升严谨性
大模型本质上是「文字接龙」，是线性输出的。你如果直接要复杂结果，它容易漏掉中间条件。强制它按步骤一步一步执行，相当于给它搭了一个攀登脚手架。
示例： 「请严格按照以下步骤处理：
- 仔细阅读表单，提取出所有被勾选的选项。
- 分析附件中的草图，描述草图中的车辆轨迹。
- 对比步骤 1 的表单选项与步骤 2 的草图轨迹，找出矛盾之处。
- ……」
不要跳步。你跳一步，它就敢给你编三步。
4. 要求「只在极度自信时回答」，不确定就说「不知道」
这是避免 AI 产生幻觉（Hallucination）最有效的手段之一。大模型天生倾向于「取悦」用户，不知道也会编。你得通过指令赋予它「说不知道的权利」，并且要求「凡出言必有据」。
示例： 「在给出最终结论前，你必须从原始记录中引用原文作为证据。如果提供的信息不足以支撑结论，请直接回复『证据不足，我不知道』，绝对不能进行你认为的合理推测或编造。」
这条太重要了，AI 不撒谎的前提是你允许它不撒谎。你追问得越紧，它编得越欢。给它一条「说不知道」的退路，它反而老实了。
只在极度自信时回答，不确定时就说“I don't know”，这句话可以默认放在任何一条提示语的尾部。
5. 结构化输出
Anthropic 的模型在预训练时大量使用了 XML 标签（如 <tag>...</tag>）作为文本分隔符。相比于纯文本或 Markdown，XML 标签能极其清晰地划定文本块的边界，对后续代码解析非常友好。
但并不是一定要用 XML，尤其不一定完全用 XML。最简的分隔线 --- 也可以，用于将完全不同的两部分内容隔开。JSON 格式也可以，只要符合项目需求。当然，XML 是最灵活的格式，支持任何自定义需求。
示例： 「请将你提取到的车牌号放在 <plate> 标签内，将最终的理赔判断（通过/驳回）放在 <final_verdict> 标签内。」
别小看这一步。你的输出如果不能被程序解析，AI 自动化就是空话。
6. 预填充响应格式（Prefilling）
在 AI 还没返回结果之前，替它先写个开头——这个开头就是预填充响应格式。它强制 AI 顺着你给的结构往下写，至少能彻底杜绝它说客套话。
尤其是在对话场景里，AI 特别喜欢一上来先哔哔一堆没用的套话。预填充就是治这个毛病的。
示例： 如果要求返回 JSON，可以预填充：
User: 「提取案发时间、地点。」
Assistant (预填充):
{ "time": "……
这样模型接管生成时，只能乖乖输出 JSON 的后半部分，一句废话都插不进来。
最后总结一下
六条规则，一条线串下来：
先用角色定义圈定职责 → 再用 Step-by-Step 和思维链搭建步步为营的逻辑工作流 → 接着用「诚实」机制防止撒谎 → 最后用结构化格式和预填充，确保输出结果直接接入自动化流水线。
这不是什么玄学，这就是 Prompt 工程的精髓，简单而实用。它是 SKILL 的 SKILL，任何 SKILL 都可以用它检测，同时也可以用它进一步完善。
📅 2026年05月17日
