> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/di-yi-bu-fen-ji-chu-pian/02_prompt/summary.md).

# 本章小结：掌握 AI 的语言艺术

提示工程（Prompt Engineering）并非魔法咒语，它是现代 AI 开发的基础语法。当你通过本章的学习，从“随便问问”进化到“结构化指令”时，你实际上已经完成了从用户到开发者视角的转变。

## 核心知识点回顾

### 三大基石：Clear, Direct, Specific

所有高级技巧都建立在清晰的表达之上。

* **消除歧义**：不要让 AI 猜。
* **肯定指令**：告诉它做什么，而不是不做什么。
* **具体语境**：像给新员工派活一样交代背景。

### 结构化思维

* **物理隔离**：用 `<tag>` 把指令和数据分开。
* **语义锚点**：XML 标签是 Claude 最熟悉的语言路标。
* **鲁棒性**：当 Context 变长时，结构化是防止模型“发疯”的唯一解药。

### 系统提示词

* 它是 AI 的“出厂设置”。
* 包含 **角色 (Role)**、**知识边界 (Scope)** 和 **风格惯例 (Tone)**。
* 具有最高的指令优先级，用于抵抗遗忘和注入攻击。

### 引导与控制技术

* **Few-Shot (举栗子)**：让 AI 模仿格式和风格，无需长篇大论。
* **Chain of Thought (列算式)**：用 `<thinking>` 强迫 AI 慢下来思考，解决复杂逻辑。
* **Structured Outputs**：新模型优先用 API 级结构约束输出格式；Prefill 只适用于仍支持该能力的旧模型。

### 工程化迭代

* Prompt 不是写出来的，是 **测出来的**。
* 建立由真实用例组成的 **Golden Dataset**。
* 利用 **Metaprompting** 让 AI 帮你写 AI。

## 开发者自检清单

在将 Prompt 部署到生产环境前，请问自己：

* [ ] **结构清晰吗？** 是否使用了 XML 区分不同部分？
* [ ] **有示例吗？** 是否提供了至少一个 Few-Shot 示例？
* [ ] **能防注入吗？** 用户输入是否被 `<user_input>` 包裹？
* [ ] **会思考吗？** 对于复杂推理，是否启用了 CoT？
* [ ] **格式对吗？** 是否使用了 Structured Outputs、严格工具输入或可解析的输出约束？

## 下一站：赋予 AI 双手

现在你已经能让 Claude 输出完美的文本了。但如果它只能说话，它依然是被困在盒子里的智者。 是时候打破第四面墙，让它连接 API、数据库和外部世界了。

➡️ [第三章：Tool Use 工具调用](/claude_guide/di-er-bu-fen-gong-ju-pian/03_tools.md)

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/claude_guide/issues) 或 [PR](https://github.com/yeasy/claude_guide/pulls)。