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。

• Prefill (塞嘴里)：手动替 AI 开头，强行规定输出格式（JSON/Markdown）。

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 Prefill 强制输出 JSON？

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

---

📝 发现错误或有改进建议？ 欢迎提交 Issue 或 PR。