2.7 提示词优化与调试：工程学视角

提示工程（Prompt Engineering）不仅仅是“文字艺术”，更是一门 工程学。 如果想要构建可靠的 AI 应用，就不能止步于“试了几次感觉不错”，而必须建立一套科学的开发、测试和优化流程。

2.7.1 提示工程生命周期

设计

• 明确业务目标：是想让它写诗，还是想提取 JSON？

• 识别边界：什么情况下它应该拒绝回答？

开发

• 利用 Metaprompting（元提示）：让 Claude 帮忙写 Prompt。

• 构建初始版本：包含 Role, Context, XML Tags, Few-Shot。

评估 - 最关键的一步

• Golden Dataset (黄金数据集): 准备至少 20-50 个真实的测试用例（包含简单、困难、恶意输入）。

• Metric: 定义什么是“好”。是 JSON 格式正确？还是情感分析准确？

部署

• 监控生产环境的日志，收集失败案例加入 Golden Dataset，进入下一轮迭代。

2.7.2 工具化调试

The Workbench

Anthropic 官方控制台提供了一个强大的 Workbench。

• Evaluate 功能: 可以一键运行多个测试用例，并在侧边栏对比输出。

• Prompt Generator: 一个内置的“提示词生成器”。只需输入“帮我写个邮件分类器”，它会自动生成包含 XML 标签、思维链的高级 Prompt。

常见的调试模式

症状	诊断	处方
啰嗦、废话多	模型过于礼貌	增加 <constraints>，在系统提示词中要求直接输出，或用 Few-Shot 展示短回复。
格式错误 (Bad JSON)	模型未理解语法	优先使用 Structured Outputs / output_config.format；旧模型无法使用时再退回 <output_format> 与严格解析。
幻觉 (Hallucination)	知识缺失	明确 <knowledge_base>, 要求“引用原文”，甚至让它说“不知道”。
逻辑错误	任务太难	引入 CoT (<thinking>), 或拆分为多个 Prompt (Chaining)。

2.7.3 高级策略：Prompt Chaining：提示链

当一个任务过于复杂，即使加上 CoT 也容易出错时，应该将其 拆解。

场景：写一篇基于 5 份财报的深度分析文章。

• Single Prompt: “读这5份文件，写分析。” -> 结果：内容肤浅，遗漏细节。

• Prompt Chaining:

  1. Step 1: “读财报 A，提取关键财务数据。” -> Output A

  2. Step 2: “读财报 B，提取关键财务数据。” -> Output B

  3. ...

  4. Step 6: “基于 Output A-E，写一篇对比分析文章。”

优点：

• 更清晰的上下文。

• 每一步都可以单独调试。

• 突破 Context Window 限制。

2.7.4 让 AI 帮你写 AI

不要从零开始写 Prompt。Anthropic 提供了一个官方的元提示词（Metaprompt），这是一个长达几千字的超级 Prompt，专门用来生成 Prompt。

流程：

1. 复制官方 Metaprompt 到 Claude。

2. 输入简短需求：“我想做一个代码审查助手。”

3. Claude 会输出一个包含 System Prompt, XML tags, Variable slots 的完美 Prompt 模板。

4. 在此基础上微调。

Tips: 在 Anthropic Console 中点击 “Generate a prompt” 按钮就是在调用这个功能。

2.7.5 建立你的评估库

在工程中，没有测试就没有重构。 应该建立一个自动化测试脚本（使用 Python/Node.js）：

test_cases = [
    {"id": 1, "input": "...", "expected": "...", "assert": "contains_json"},
    {"id": 2, "input": "...", "expected": "...", "assert": "length < 100"},
]

for case in test_cases:
    output = call_claude(prompt, case['input'])
    score = evaluate(output, case['expected'])
    print(f"Case {case['id']}: score={score}")

这不仅能帮忙量化 Prompt 的质量，还能在模型升级（如从 Sonnet 4.6 迁移到 Sonnet 5）时，确保业务逻辑没有回归 (Regression)。

---

2.7.6 小结

提示工程不是玄学，它是 实验科学。

• Iterate: 永远不要指望第一版 Prompt 就是完美的。

• Measure: 建立测试集，用数据说话。

• Structure: 始终使用结构化（XML）和模块化思维。

至此，已经掌握了驾驭 Claude 的核心语言艺术。 但 Claude 能做的远不止“聊天”。在下一章，将赋予它“双手”，让它通过 Tool Use 连接真实的数字世界。

➡️ 第三章：Tool Use 工具调用