2026 年真正好用的 30 个提示词技巧
AI 前沿· 编译自 MOSS进化论· 5 分钟阅读96 阅读
有个叫 @zodchiii 的博主写了一篇长文，把他每天用 Claude 4.6 写代码积累的 30 个提示词技巧全盘托出了。原文翻译如下：市面上大多数提示词工程指南都过时了。它们还在教你「扮演一个资深专家」，然后写一大堆文字。那是 2024 年的玩法。Claude 4.6 完全不一样。它会逐字理解
有个叫 @zodchiii 的博主写了一篇长文，把他每天用 Claude 4.6 写代码积累的 30 个提示词技巧全盘托出了。
原文翻译如下：
市面上大多数提示词工程指南都过时了。它们还在教你「扮演一个资深专家」，然后写一大堆文字。那是 2024 年的玩法。
Claude 4.6 完全不一样。它会逐字理解你说的话，你让它做什么它就做什么，多一点都不会。
我从 2025 年开始每天用 AI 写代码，花了好几个月才摸清楚哪些技巧是真正有效的。
以下是我全部的经验，压缩成 30 个技巧，今天就能直接用。
先看这段。Anthropic CEO Dario Amodei 在 2026 年达沃斯论坛上说：
“我们可能只需要 6 到 12 个月，模型就能完成软件工程师大部分甚至全部的端到端工作。”
问题早已不是 AI 能不能写代码了。它已经在写了。真正的问题是：你会不会指挥它？
这篇文章就是关于这件事。30 个在 Claude 4.6 上实测有效的提示词技巧，每天都在用，不是从 2023 年的旧指南里抄来的。
基础篇
这些是基本功。但「基本功」不等于「可以跳过」。跳过这些，后面的技巧全都白搭。
1. 说清楚，别含糊
Claude 4.6 不会猜你的意思。你说「写点好东西」，它就给你一段泛泛而谈的内容。你说「为一个面向 CTO 的 B2B SaaS 落地页写 200 字产品描述，口语化，不要用行业黑话」，它就精准地给你这个。
反面案例：「帮我改改简历」
正面案例：「重写我简历的工作经历部分。我是一个有 5 年 Python 经验的后端工程师。目标读者是 B 轮创业公司的招聘负责人。语气自信但不傲慢。每段工作最多 4 个要点。」
Anthropic 官方文档里有一条黄金法则：把你的提示词拿给一个完全没有上下文的同事看，如果他看不懂，Claude 也看不懂。这条真的是金科玉律。
2. XML 标签是 Claude 的母语
Anthropic 内部训练 Claude 时就用结构化提示词。XML 标签不是什么野路子，它就是这个模型被设计来处理信息的方式。
把你的内容用标签包起来：
<task>分析这个数据集，找出趋势</task><context>2025 年 Q4 欧洲市场销售数据</context><rules>关注同比增长。忽略收入低于 100 万美元的市场。</rules><output_format>前 5 个市场的表格，然后两段总结</output_format>
光是这一步，根据测试数据，输出质量就能提升 30% 以上。常用标签：<instructions>、<context>、<examples>、<output>。
3. 长内容放前面，问题放后面
把文档、数据和上下文放在提示词的前面，问题放在最后。这不是风格偏好。Anthropic 自己的测试表明，把问题放在上下文之后，回答质量能提升最多 30%。
反面案例：
总结关键发现。 [500 行研究数据]
正面案例：
[500 行研究数据] 基于以上内容，用大白话总结 3 个关键发现。
4. 一个好例子胜过十句描述
Claude 会模仿它看到的模式。
<examples><example> 输入："我们 Q3 收入增长了 12%" 输出："Q3 收入：+12%，增长稳健，但低于董事会演示文稿中设定的 15% 目标。" </example></examples> 现在分析这条："客户流失率降到了 4.2%"
3 到 5 个多样化的例子是最佳数量。覆盖边界情况。Claude 从模式中泛化，不是从形容词中泛化。
5. 规则要带理由
Claude 对「带理由的指令」理解得更好。别光列规则，解释为什么。
反面案例：「回复中不要用省略号。」
正面案例：「你的回复会被文字转语音引擎朗读，所以不要用省略号，因为引擎不知道怎么读它。」
反面案例：「控制在 200 字以内。」
正面案例：「控制在 200 字以内，这段内容要发 Telegram，超了会被截断。」
这一个改变，是我日常使用中效果提升最大的。
6. 一句话消灭幻觉
“如果数据不足以得出结论，直接说明，不要猜测。”
不加这句，AI 会自信满满地编造答案。加了这句，你得到的是诚实的回答和真正可信的输出。
7. 明确指定输出格式
“用连贯的散文段落回答。不要用列表、编号、Markdown 标题。”
或者反过来：
“返回一个 JSON 对象，包含以下字段：title、summary、confidence_score（0-1）、sources（URL 数组）。”
8. 描述成功的样子，而不是要做什么
大多数人描述的是让 Claude「做什么」。更好的方式是描述「成功长什么样」。
“我要一份竞品分析，目的是让产品团队决定下个季度优先做哪 3 个功能。成功的标准是：PM 读完之后 5 分钟内就能做决策，不需要再追问。”
9. 有时候说「不要什么」比说「要什么」更快
“不能听起来像：通用 AI 输出、企业黑话、LinkedIn 大 V。不能包含：废话、多余的免责声明、‘在当今快节奏的世界中’。”
10. 用对话代替一次性提示
“先给我一个初稿。然后我给反馈，我们一起改。”
从「一条完美提示词」到「对话」的思维转变，是新手和高手之间的分水岭。
进阶篇
基础打好了。接下来这些东西会让 Claude 用起来像换了一个工具。
11. 让 Claude 先想再答
“在给出最终答案之前，一步步想清楚。考虑边界情况和潜在问题。”
对于复杂问题，光是这一句就能让输出质量脱胎换骨。Anthropic 把这叫「自适应思考」，Claude 会自己判断一个问题需要多深的思考。
12. 任务拆链
别在一条提示词里让 Claude 做 5 件事。拆开来：
第一轮：「读这份文档，提取 10 个关键事实。」第二轮：「用这些事实，写一段 3 段式的高管摘要。」第三轮：「把这个摘要变成 5 条推文级别的要点。」
每一步建立在上一步的基础上。质量会复利增长。
13. 把规则写进文件
这是最大的解锁。与其每次都把你的规则、风格、偏好打一遍，不如写进一个文件。
创建一个 rules.md：
# 我的写作规则 - 语气：直接，不废话，略带不正经 - 受众：25-35 岁懂技术的人，做事的人而非消费者 - 绝不使用："在当今世界"、"值得注意的是"、"赋能" - 必须：包含具体数字，引用来源，以行动项结尾 - 格式：短段落，每段最多 3 句
然后提示：「开始之前先完整读一遍 rules.md。如果你要违反其中任何一条规则，停下来告诉我。」
Claude 读一次就会在整个对话中遵守。
这就是 Karpathy 说的「Agent 工程」的意思：你不再是在写提示词了，你是在配置一个 Agent。
14. 系统提示词当合同写
你是：[角色，一句话] 目标：[成功长什么样] 约束： - [约束 1] - [约束 2] - [约束 3] 不确定时：明确说出来，并问 1 个澄清问题。 输出格式：[精确的格式要求]
这给了 Claude 清晰的边界。它知道该做什么、不该做什么、以及不确定时该怎么办。
15. 反转思维法
最被低估的技巧之一。别问「怎么成功」，换个问法：
“我们的目标是 【目标】。先列出 10 种能保证失败的方式。然后把每种失败模式反转成一条成功策略。标出其中 3 条最反直觉但确实有潜力的。”
Claude 的推理深度让这个方法能产出真正出人意料的洞察。
16. 让 Claude 自查
“给你的回答在准确性、完整性和清晰度上打 1-10 分。然后根据自己的评分改进。只展示改进后的版本。”
或者：
“完成之前，用 【测试标准】 验证你的答案。”
这个方法在代码和数据分析场景下尤其可靠。
17. 预填充回复已经不需要了
在 Claude 4.6 中，预填充回复（你替 AI 写开头）已经不再支持了。模型足够聪明，不需要这个了。
旧方法（已失效）：
Assistant: {"analysis":新方法：「返回一个合法的 JSON 对象。不要前言，不要解释，只要 JSON。」
18. 百万 token 上下文窗口的正确用法
Claude Opus 4.6 能处理 100 万 token，大约 75 万个英文单词。相当于一整个代码库、一年的文档、或者 300 页的报告。
但上下文越大不等于效果越好。几个要点：
最长的内容放在提示词最前面
用 XML 标签分隔不同文档：
<document index="1">、<document index="2">让 Claude 先引用相关段落再分析：「先提取 5 段最相关的引文，然后分析它们」
别什么都往里塞，精选内容
19. Agent 循环：计划 → 执行 → 验证 → 迭代
这是提示词和工具（MCP 服务器、Skills 等）结合的地方。
“我的目标是 【目标】。先制定一个最多 5 步的计划。每一步用可用工具执行。每步完成后验证结果是否达标。如果没达标，迭代。只有当前步骤通过验证才进入下一步。”
20. 多视角辩论
需要深度分析时，让 Claude 跟自己辩论：
“从三个视角分析这个商业决策：
想快速推进的乐观创始人
关心烧钱速度的谨慎 CFO
不关心我们内部问题的客户
每个角色用 2-3 句话陈述自己的立场。然后综合给出最终建议。“
这比单一视角的提示词产出的分析质量好得多。
即拿即用的模板
别想了，直接复制。每一个都经过实测。
代码审查模板
你是一个资深工程师，正在审查一个 Pull Request。审查以下代码： - 安全漏洞（SQL 注入、XSS、暴露的密钥） - 逻辑错误和边界情况 - 性能问题 - 代码可读性 每个问题列出：严重程度（Critical/High/Medium/Low）、精确位置、为什么危险、修正后的代码片段。 [粘贴代码]
研究分析模板
研究 [主题] 并产出结构化分析。 结构： 1. 高管摘要（最多 3 句） 2. 关键发现（前 5 个，附支撑证据） 3. 风险和未知项 4. 建议的下一步 尽量引用来源。如果数据不足，直接说明。
内容写作模板
写一篇 [类型：博客文章 / 邮件 / 落地页文案]，主题是 [主题]。 受众：[谁] 语气：[具体语气] 字数：[字数] 不能听起来像：[要避免的] 成功标准：[读者读完后的反应] 参考风格：[粘贴示例或描述]
调试模板
以下代码产生了这个错误：[错误信息]。 先一步步诊断根本原因，不要急着写修复代码。 然后给出修正后的代码，并用 2 句话解释问题出在哪。 [粘贴代码]
架构设计模板
我在构建 [系统描述]。 需求： - [需求 1] - [需求 2] - [需求 3] 提出 2 种架构方案。每种包含：架构图描述、优点、缺点、预估复杂度。然后推荐一种并说明理由。
数据分析模板
分析这个数据集，找出： 1. 前 3 个趋势 2. 异常值或离群点 3. 变量之间的相关性 用表格呈现发现，然后写 2 段叙述性总结。如果数据不足以支撑某个结论，明确说明。 [粘贴数据]
邮件模板
写一封邮件。 收件人：[对方 + 关系] 目标：[你想让对方做什么] 语气：[正式 / 随意 / 坚定] 长度：不超过 [X] 句 背景：[情况说明] 不能听起来：[抱歉 / 咄咄逼人 / 含糊]
学习模板
给我解释 [概念]。 我的水平：[入门 / 中级 / 专家] 我已经知道：[你知道的] 我困惑的地方：[具体困惑] 用 [熟悉领域] 的类比来解释。然后给出技术层面的解释。最后给一个我能自己动手试的具体例子。
头脑风暴模板
我需要关于 [项目/问题] 的点子。 约束： - [约束 1] - [约束 2] 先不加筛选地列出 10 个想法。然后按 [标准] 排序。最后把前 3 个展开成 2 句话的简短提案。
Ruben Hassid 的万能框架
我想要 [任务]，目的是 [成功标准]。 开始之前先完整读完这些文件： [文件名.md] — [内容说明] 这是我想要达到的效果参考： [上传参考文件或粘贴示例] 这个参考之所以好，是因为：[模式、语气、结构，作为规则列出] 成功简报 输出类型 + 长度：[什么格式] 不能听起来像：[要避免的] 成功标准：[读者读完后会怎样] 我的上下文文件包含我的标准、约束和受众。 开始前完整读一遍。如果你要违反其中任何一条规则，停下来告诉我。 不要马上开始执行。先问我澄清问题，我们一步步对齐方向。 在你动笔之前，先列出我上下文文件中对这个任务最重要的 3 条规则。然后给我你的执行计划（最多 5 步）。 对齐之后再开始。
AI 长大了。你的提示词也该跟上。
30 个技巧。每天实测。零理论。
Claude 4.6 完全不一样。它会逐字理解你说的话，你让它做什么它就做什么，多一点都不会。
我从 2025 年开始每天用 AI 写代码，花了好几个月才摸清楚哪些技巧是真正有效的。
以下是我全部的经验，压缩成 30 个技巧，今天就能直接用。
先看这段。Anthropic CEO Dario Amodei 在 2026 年达沃斯论坛上说：
“我们可能只需要 6 到 12 个月，模型就能完成软件工程师大部分甚至全部的端到端工作。”
问题早已不是 AI 能不能写代码了。它已经在写了。真正的问题是：你会不会指挥它？
这篇文章就是关于这件事。30 个在 Claude 4.6 上实测有效的提示词技巧，每天都在用，不是从 2023 年的旧指南里抄来的。
基础篇
这些是基本功。但「基本功」不等于「可以跳过」。跳过这些，后面的技巧全都白搭。
1. 说清楚，别含糊
Claude 4.6 不会猜你的意思。你说「写点好东西」，它就给你一段泛泛而谈的内容。你说「为一个面向 CTO 的 B2B SaaS 落地页写 200 字产品描述，口语化，不要用行业黑话」，它就精准地给你这个。
反面案例：「帮我改改简历」
正面案例：「重写我简历的工作经历部分。我是一个有 5 年 Python 经验的后端工程师。目标读者是 B 轮创业公司的招聘负责人。语气自信但不傲慢。每段工作最多 4 个要点。」
Anthropic 官方文档里有一条黄金法则：把你的提示词拿给一个完全没有上下文的同事看，如果他看不懂，Claude 也看不懂。这条真的是金科玉律。
2. XML 标签是 Claude 的母语
Anthropic 内部训练 Claude 时就用结构化提示词。XML 标签不是什么野路子，它就是这个模型被设计来处理信息的方式。
把你的内容用标签包起来：
<task>分析这个数据集，找出趋势</task><context>2025 年 Q4 欧洲市场销售数据</context><rules>关注同比增长。忽略收入低于 100 万美元的市场。</rules><output_format>前 5 个市场的表格，然后两段总结</output_format>
光是这一步，根据测试数据，输出质量就能提升 30% 以上。常用标签：<instructions>、<context>、<examples>、<output>。
3. 长内容放前面，问题放后面
把文档、数据和上下文放在提示词的前面，问题放在最后。这不是风格偏好。Anthropic 自己的测试表明，把问题放在上下文之后，回答质量能提升最多 30%。
反面案例：
总结关键发现。 [500 行研究数据]
正面案例：
[500 行研究数据] 基于以上内容，用大白话总结 3 个关键发现。
4. 一个好例子胜过十句描述
Claude 会模仿它看到的模式。
<examples><example> 输入："我们 Q3 收入增长了 12%" 输出："Q3 收入：+12%，增长稳健，但低于董事会演示文稿中设定的 15% 目标。" </example></examples> 现在分析这条："客户流失率降到了 4.2%"
3 到 5 个多样化的例子是最佳数量。覆盖边界情况。Claude 从模式中泛化，不是从形容词中泛化。
5. 规则要带理由
Claude 对「带理由的指令」理解得更好。别光列规则，解释为什么。
反面案例：「回复中不要用省略号。」
正面案例：「你的回复会被文字转语音引擎朗读，所以不要用省略号，因为引擎不知道怎么读它。」
反面案例：「控制在 200 字以内。」
正面案例：「控制在 200 字以内，这段内容要发 Telegram，超了会被截断。」
这一个改变，是我日常使用中效果提升最大的。
6. 一句话消灭幻觉
“如果数据不足以得出结论，直接说明，不要猜测。”
不加这句，AI 会自信满满地编造答案。加了这句，你得到的是诚实的回答和真正可信的输出。
7. 明确指定输出格式
“用连贯的散文段落回答。不要用列表、编号、Markdown 标题。”
或者反过来：
“返回一个 JSON 对象，包含以下字段：title、summary、confidence_score（0-1）、sources（URL 数组）。”
8. 描述成功的样子，而不是要做什么
大多数人描述的是让 Claude「做什么」。更好的方式是描述「成功长什么样」。
“我要一份竞品分析，目的是让产品团队决定下个季度优先做哪 3 个功能。成功的标准是：PM 读完之后 5 分钟内就能做决策，不需要再追问。”
9. 有时候说「不要什么」比说「要什么」更快
“不能听起来像：通用 AI 输出、企业黑话、LinkedIn 大 V。不能包含：废话、多余的免责声明、‘在当今快节奏的世界中’。”
10. 用对话代替一次性提示
“先给我一个初稿。然后我给反馈，我们一起改。”
从「一条完美提示词」到「对话」的思维转变，是新手和高手之间的分水岭。
进阶篇
基础打好了。接下来这些东西会让 Claude 用起来像换了一个工具。
11. 让 Claude 先想再答
“在给出最终答案之前，一步步想清楚。考虑边界情况和潜在问题。”
对于复杂问题，光是这一句就能让输出质量脱胎换骨。Anthropic 把这叫「自适应思考」，Claude 会自己判断一个问题需要多深的思考。
12. 任务拆链
别在一条提示词里让 Claude 做 5 件事。拆开来：
第一轮：「读这份文档，提取 10 个关键事实。」第二轮：「用这些事实，写一段 3 段式的高管摘要。」第三轮：「把这个摘要变成 5 条推文级别的要点。」
每一步建立在上一步的基础上。质量会复利增长。
13. 把规则写进文件
这是最大的解锁。与其每次都把你的规则、风格、偏好打一遍，不如写进一个文件。
创建一个 rules.md：
# 我的写作规则 - 语气：直接，不废话，略带不正经 - 受众：25-35 岁懂技术的人，做事的人而非消费者 - 绝不使用："在当今世界"、"值得注意的是"、"赋能" - 必须：包含具体数字，引用来源，以行动项结尾 - 格式：短段落，每段最多 3 句
然后提示：「开始之前先完整读一遍 rules.md。如果你要违反其中任何一条规则，停下来告诉我。」
Claude 读一次就会在整个对话中遵守。
这就是 Karpathy 说的「Agent 工程」的意思：你不再是在写提示词了，你是在配置一个 Agent。
14. 系统提示词当合同写
你是：[角色，一句话] 目标：[成功长什么样] 约束： - [约束 1] - [约束 2] - [约束 3] 不确定时：明确说出来，并问 1 个澄清问题。 输出格式：[精确的格式要求]
这给了 Claude 清晰的边界。它知道该做什么、不该做什么、以及不确定时该怎么办。
15. 反转思维法
最被低估的技巧之一。别问「怎么成功」，换个问法：
“我们的目标是 【目标】。先列出 10 种能保证失败的方式。然后把每种失败模式反转成一条成功策略。标出其中 3 条最反直觉但确实有潜力的。”
Claude 的推理深度让这个方法能产出真正出人意料的洞察。
16. 让 Claude 自查
“给你的回答在准确性、完整性和清晰度上打 1-10 分。然后根据自己的评分改进。只展示改进后的版本。”
或者：
“完成之前，用 【测试标准】 验证你的答案。”
这个方法在代码和数据分析场景下尤其可靠。
17. 预填充回复已经不需要了
在 Claude 4.6 中，预填充回复（你替 AI 写开头）已经不再支持了。模型足够聪明，不需要这个了。
旧方法（已失效）：
Assistant: {"analysis":新方法：「返回一个合法的 JSON 对象。不要前言，不要解释，只要 JSON。」
18. 百万 token 上下文窗口的正确用法
Claude Opus 4.6 能处理 100 万 token，大约 75 万个英文单词。相当于一整个代码库、一年的文档、或者 300 页的报告。
但上下文越大不等于效果越好。几个要点：
最长的内容放在提示词最前面
用 XML 标签分隔不同文档：
<document index="1">、<document index="2">让 Claude 先引用相关段落再分析：「先提取 5 段最相关的引文，然后分析它们」
别什么都往里塞，精选内容
19. Agent 循环：计划 → 执行 → 验证 → 迭代
这是提示词和工具（MCP 服务器、Skills 等）结合的地方。
“我的目标是 【目标】。先制定一个最多 5 步的计划。每一步用可用工具执行。每步完成后验证结果是否达标。如果没达标，迭代。只有当前步骤通过验证才进入下一步。”
20. 多视角辩论
需要深度分析时，让 Claude 跟自己辩论：
“从三个视角分析这个商业决策：
想快速推进的乐观创始人
关心烧钱速度的谨慎 CFO
不关心我们内部问题的客户
每个角色用 2-3 句话陈述自己的立场。然后综合给出最终建议。“
这比单一视角的提示词产出的分析质量好得多。
即拿即用的模板
别想了，直接复制。每一个都经过实测。
代码审查模板
你是一个资深工程师，正在审查一个 Pull Request。审查以下代码： - 安全漏洞（SQL 注入、XSS、暴露的密钥） - 逻辑错误和边界情况 - 性能问题 - 代码可读性 每个问题列出：严重程度（Critical/High/Medium/Low）、精确位置、为什么危险、修正后的代码片段。 [粘贴代码]
研究分析模板
研究 [主题] 并产出结构化分析。 结构： 1. 高管摘要（最多 3 句） 2. 关键发现（前 5 个，附支撑证据） 3. 风险和未知项 4. 建议的下一步 尽量引用来源。如果数据不足，直接说明。
内容写作模板
写一篇 [类型：博客文章 / 邮件 / 落地页文案]，主题是 [主题]。 受众：[谁] 语气：[具体语气] 字数：[字数] 不能听起来像：[要避免的] 成功标准：[读者读完后的反应] 参考风格：[粘贴示例或描述]
调试模板
以下代码产生了这个错误：[错误信息]。 先一步步诊断根本原因，不要急着写修复代码。 然后给出修正后的代码，并用 2 句话解释问题出在哪。 [粘贴代码]
架构设计模板
我在构建 [系统描述]。 需求： - [需求 1] - [需求 2] - [需求 3] 提出 2 种架构方案。每种包含：架构图描述、优点、缺点、预估复杂度。然后推荐一种并说明理由。
数据分析模板
分析这个数据集，找出： 1. 前 3 个趋势 2. 异常值或离群点 3. 变量之间的相关性 用表格呈现发现，然后写 2 段叙述性总结。如果数据不足以支撑某个结论，明确说明。 [粘贴数据]
邮件模板
写一封邮件。 收件人：[对方 + 关系] 目标：[你想让对方做什么] 语气：[正式 / 随意 / 坚定] 长度：不超过 [X] 句 背景：[情况说明] 不能听起来：[抱歉 / 咄咄逼人 / 含糊]
学习模板
给我解释 [概念]。 我的水平：[入门 / 中级 / 专家] 我已经知道：[你知道的] 我困惑的地方：[具体困惑] 用 [熟悉领域] 的类比来解释。然后给出技术层面的解释。最后给一个我能自己动手试的具体例子。
头脑风暴模板
我需要关于 [项目/问题] 的点子。 约束： - [约束 1] - [约束 2] 先不加筛选地列出 10 个想法。然后按 [标准] 排序。最后把前 3 个展开成 2 句话的简短提案。
Ruben Hassid 的万能框架
我想要 [任务]，目的是 [成功标准]。 开始之前先完整读完这些文件： [文件名.md] — [内容说明] 这是我想要达到的效果参考： [上传参考文件或粘贴示例] 这个参考之所以好，是因为：[模式、语气、结构，作为规则列出] 成功简报 输出类型 + 长度：[什么格式] 不能听起来像：[要避免的] 成功标准：[读者读完后会怎样] 我的上下文文件包含我的标准、约束和受众。 开始前完整读一遍。如果你要违反其中任何一条规则，停下来告诉我。 不要马上开始执行。先问我澄清问题，我们一步步对齐方向。 在你动笔之前，先列出我上下文文件中对这个任务最重要的 3 条规则。然后给我你的执行计划（最多 5 步）。 对齐之后再开始。
AI 长大了。你的提示词也该跟上。
30 个技巧。每天实测。零理论。
最后，介绍一下，我的星球：「AIGC·掘金成长研习社」（可点击链接查看星球全面介绍），主要分享三个板块的内容：
标签：AI
想了解 AI 如何助力您的企业？
免费获取企业 AI 成熟度诊断报告，发现转型机会
