這次我們來看一個(gè)關(guān)于 AI 編程助手提示詞優(yōu)化的實(shí)戰(zhàn)案例。核心信息來自 Anthropic 的工程師 Boris Cherny他分享了團(tuán)隊(duì)如何將 Claude Code 的提示詞內(nèi)容刪減了 80%并最終提升了模型的實(shí)際表現(xiàn)。這不僅僅是關(guān)于 Claude Code 這個(gè)工具更是一次關(guān)于“提示詞工程”本質(zhì)的深度探討更少、更精煉的指令往往比冗長(zhǎng)復(fù)雜的“魔法咒語”更有效。對(duì)于開發(fā)者而言這個(gè)案例的價(jià)值在于它提供了一個(gè)清晰的思路來優(yōu)化你與任何 AI 編程助手如 Cursor、GitHub Copilot、甚至是本地部署的代碼模型的交互。本文將深入拆解這次提示詞優(yōu)化的背景、方法、具體改動(dòng)以及背后的原理并為你提供一套可以直接套用的提示詞精簡(jiǎn)與優(yōu)化策略。無論你是想提升 AI 編程效率還是對(duì)提示工程的最佳實(shí)踐感興趣這篇文章都值得你仔細(xì)閱讀。1. 核心能力速覽從“冗長(zhǎng)指令”到“精準(zhǔn)提示”首先我們需要明確 Claude Code 是什么。它不是一個(gè)新的模型而是 Anthropic 為其大模型 Claude 開發(fā)的一個(gè)專門用于代碼生成的“技能”或“模式”。你可以將其理解為一種高度優(yōu)化的系統(tǒng)提示詞System Prompt用于引導(dǎo) Claude 在編程任務(wù)上表現(xiàn)更出色。下表概括了本次優(yōu)化前后的核心變化與啟示能力項(xiàng)優(yōu)化前冗長(zhǎng)提示詞優(yōu)化后精簡(jiǎn)提示詞對(duì)開發(fā)者的啟示提示詞長(zhǎng)度非常冗長(zhǎng)包含大量細(xì)節(jié)、規(guī)則和示例。大幅縮減僅保留最核心的指令和約束。長(zhǎng)篇大論不等于效果好關(guān)鍵信息可能被淹沒。核心功能試圖通過詳盡規(guī)則覆蓋所有可能的代碼場(chǎng)景和邊界情況。聚焦于核心代碼生成原則、安全邊界和高質(zhì)量輸出要求。定義清晰的“高質(zhì)量代碼”標(biāo)準(zhǔn)比列舉無數(shù)“不要做”的規(guī)則更有效。模型負(fù)擔(dān)重。模型需要解析大量文本可能干擾核心任務(wù)。輕。模型能更專注于理解用戶意圖和生成代碼本身。減少提示詞的“認(rèn)知負(fù)荷”讓模型把算力用在刀刃上。實(shí)際效果可能因規(guī)則沖突或信息過載導(dǎo)致輸出不穩(wěn)定或僵化。輸出更一致、更靈活更能理解開發(fā)者真實(shí)意圖。評(píng)估提示詞的標(biāo)準(zhǔn)是輸出結(jié)果而非其復(fù)雜程度。適用場(chǎng)景任何希望提升 AI 編程助手Claude、GPT、DeepSeek等效能的開發(fā)者。同上。這是一套可遷移的方法論。你可以用同樣的思路優(yōu)化你自己的 AI 助手使用習(xí)慣。啟動(dòng)方式不涉及本地部署屬于云端服務(wù)交互策略。不涉及本地部署屬于云端服務(wù)交互策略。優(yōu)化的是你與 AI 交互的“元指令”無需改變工具本身。2. 適用場(chǎng)景與使用邊界這個(gè)案例適合誰日常使用 AI 編程助手如 Cursor、Claude、Copilot的開發(fā)者幫助你寫出更有效的指令減少來回調(diào)整的次數(shù)。提示詞工程師或 AI 應(yīng)用開發(fā)者深入理解系統(tǒng)提示詞設(shè)計(jì)原則避免常見誤區(qū)。技術(shù)團(tuán)隊(duì)負(fù)責(zé)人思考如何為團(tuán)隊(duì)制定統(tǒng)一、高效的 AI 編碼規(guī)范或提示詞模板。對(duì)大模型工作原理感興趣的技術(shù)愛好者通過一個(gè)具體案例理解指令如何影響模型行為。它能解決什么問題指令失效你寫了一大段要求但 AI 好像沒看見或理解錯(cuò)了。輸出僵化AI 過于嚴(yán)格遵守某些次要規(guī)則導(dǎo)致生成的代碼不實(shí)用或迂腐。效率低下需要多次補(bǔ)充、修正提示詞才能得到想要的結(jié)果。不確定如何與 AI 高效協(xié)作不知道是應(yīng)該問得詳細(xì)些還是簡(jiǎn)潔些。它的邊界與注意事項(xiàng)不是銀彈精簡(jiǎn)提示詞是優(yōu)化方向之一但不能解決模型本身能力上限的問題如對(duì)最新框架不了解。依賴具體模型Claude 的優(yōu)化經(jīng)驗(yàn)可能不完全適用于 GPT 或 DeepSeek但核心原則清晰、簡(jiǎn)潔、聚焦是通用的。需要實(shí)踐驗(yàn)證任何提示詞調(diào)整后都必須在實(shí)際編碼任務(wù)中進(jìn)行測(cè)試根據(jù)結(jié)果迭代。安全與合規(guī)精簡(jiǎn)不等于刪除安全約束。像“不生成惡意代碼”、“遵守版權(quán)”等核心安全與倫理邊界必須保留并突出。3. 環(huán)境準(zhǔn)備與前置條件優(yōu)化你的“思維環(huán)境”本次討論不涉及軟件安裝或 GPU 顯存而是關(guān)于“工作流”和“思維模式”的準(zhǔn)備。你需要準(zhǔn)備好以下“環(huán)境”一個(gè)可用的 AI 編程助手例如 Claude (claude.ai) Cursor IDE GitHub Copilot 或 VS Code 中的相關(guān)插件。這是你的測(cè)試平臺(tái)。一個(gè)具體的編程任務(wù)或問題集用于對(duì)比測(cè)試優(yōu)化前后的提示詞效果。可以是實(shí)現(xiàn)一個(gè)特定的函數(shù)如快速排序、解析 JSON 配置文件。重構(gòu)一段代碼如將回調(diào)函數(shù)改為 async/await。調(diào)試一個(gè)錯(cuò)誤。為一段代碼添加注釋或文檔。記錄與對(duì)比工具簡(jiǎn)單的文本編輯器或筆記軟件即可用于保存不同版本的提示詞和對(duì)應(yīng)的 AI 輸出結(jié)果以便進(jìn)行對(duì)比分析。迭代的心態(tài)準(zhǔn)備好進(jìn)行多次“修改提示詞 - 測(cè)試 - 觀察結(jié)果 - 再修改”的循環(huán)。4. 安裝部署與啟動(dòng)方式無需安裝即刻優(yōu)化這里沒有命令行安裝步驟。優(yōu)化提示詞的“啟動(dòng)方式”就是直接修改你與 AI 對(duì)話的開場(chǎng)白或系統(tǒng)指令。通用優(yōu)化流程記錄現(xiàn)狀寫下你當(dāng)前通常是如何向 AI 描述一個(gè)編程任務(wù)的你的“默認(rèn)提示詞”。應(yīng)用精簡(jiǎn)原則根據(jù)下文第 5 節(jié)的分析對(duì)你的提示詞進(jìn)行刪減和重構(gòu)。A/B 測(cè)試在助手 A 會(huì)話中使用舊的、冗長(zhǎng)的提示詞描述任務(wù)。在助手 B 會(huì)話或新會(huì)話中使用新的、精簡(jiǎn)的提示詞描述完全相同的任務(wù)。確保其他條件如模型版本、溫度參數(shù)盡可能一致。對(duì)比分析從代碼正確性、簡(jiǎn)潔性、符合要求程度、創(chuàng)造性如果需要等維度對(duì)比兩份輸出。啟動(dòng)你的“優(yōu)化實(shí)驗(yàn)”的“命令”示例這更像是一個(gè)實(shí)驗(yàn)?zāi)０?。假設(shè)你正在使用 Cursor 或 Claude 的聊天界面。// 實(shí)驗(yàn)一使用“優(yōu)化前”的冗長(zhǎng)提示詞 [用戶] 請(qǐng)你幫我寫一個(gè)Python函數(shù)用來讀取一個(gè)CSV文件并計(jì)算某一列的平均值。注意文件可能很大所以不要一次性讀入內(nèi)存。要處理可能存在的空值空值應(yīng)該忽略不計(jì)。另外CSV文件可能有表頭也可能沒有需要能自動(dòng)判斷。函數(shù)要有良好的錯(cuò)誤處理比如文件不存在的情況。最后請(qǐng)為函數(shù)編寫完整的文檔字符串和類型注解。輸出代碼即可。 // 實(shí)驗(yàn)二使用“優(yōu)化后”的精簡(jiǎn)提示詞 [用戶] 寫一個(gè)Python函數(shù) calculate_column_average(file_path, column_index)流式讀取CSV文件計(jì)算指定列數(shù)字類型的平均值自動(dòng)處理表頭和空值。包含錯(cuò)誤處理和類型注解。通過對(duì)比這兩個(gè)提示詞觸發(fā)的 AI 響應(yīng)你可以直觀感受到差異。5. 功能測(cè)試與效果驗(yàn)證拆解80%刪減了什么Boris Cherny 提到刪減了 80% 的提示詞內(nèi)容。這 80% 具體是什么我們可以將其歸類為以下幾類“可刪除或精簡(jiǎn)”的內(nèi)容并逐一驗(yàn)證其必要性。5.1 刪除過度詳細(xì)的“行為規(guī)則”優(yōu)化前常見陷阱 提示詞中充滿了諸如“你必須先思考再回答”、“步驟要一步一步來”、“如果遇到問題應(yīng)該先檢查X再檢查Y”、“用‘首先’、‘然后’、‘最后’來組織你的回答”等。這些是在教 AI“如何思考”而不是“思考什么”。精簡(jiǎn)后原則 信任模型自身的推理鏈能力。對(duì)于 Claude 這類已經(jīng)經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練RLHF的模型它已經(jīng)內(nèi)化了分步推理的模式。直接給出任務(wù)目標(biāo)模型通常會(huì)以結(jié)構(gòu)化的方式回應(yīng)。刪除這些“元指令”可以減輕提示詞噪音。測(cè)試用例任務(wù)解釋 Django 中select_related和prefetch_related的區(qū)別。冗長(zhǎng)提示詞“請(qǐng)?jiān)敿?xì)解釋。在回答時(shí)你必須先給出定義然后對(duì)比它們的使用場(chǎng)景接著給出代碼示例最后總結(jié)一個(gè)使用表格。確保語言通俗易懂?！本?jiǎn)提示詞“解釋 Django 中select_related和prefetch_related的區(qū)別附上使用場(chǎng)景和代碼示例?！彬?yàn)證觀察兩份回答的結(jié)構(gòu)完整性、信息準(zhǔn)確性和可讀性。你會(huì)發(fā)現(xiàn)精簡(jiǎn)提示詞得到的回答通常已經(jīng)自然包含了定義、對(duì)比、示例和總結(jié)。5.2 合并或刪除冗余的“格式要求”優(yōu)化前常見陷阱 “將代碼放在 python 代碼塊中”、“輸出格式使用 Markdown”、“變量名用 snake_case”、“函數(shù)名要有動(dòng)詞前綴”…… 其中很多要求是重復(fù)的模型默認(rèn)已遵循或次要的。精簡(jiǎn)后原則 只保留最關(guān)鍵、最特殊的格式要求。例如如果項(xiàng)目有特殊的命名規(guī)范如_internal_前綴表示私有則需要指明。通用的代碼塊、Markdown 格式模型默認(rèn)就能做得很好無需贅言。測(cè)試用例任務(wù)生成一個(gè) FastAPI 的 POST 端點(diǎn)示例。冗長(zhǎng)提示詞“用 Python 寫。使用 FastAPI。代碼要放在 python 代碼塊里。端點(diǎn)路徑是/items/。使用 Pydantic 模型Item來定義請(qǐng)求體。要有類型注解。返回 JSON 格式?！本?jiǎn)提示詞“創(chuàng)建一個(gè) FastAPI POST 端點(diǎn)/items/使用 Pydantic 模型Item驗(yàn)證請(qǐng)求體?！彬?yàn)證檢查生成的代碼是否自動(dòng)放在了正確的代碼塊中是否包含了類型注解和合理的 JSON 響應(yīng)。精簡(jiǎn)指令同樣能達(dá)成目標(biāo)。5.3 用“目標(biāo)定義”替代“過程描述”優(yōu)化前常見陷阱 提示詞詳細(xì)描述了達(dá)成目標(biāo)的每一步微觀操作而不是描述目標(biāo)本身。例如“讀取這個(gè)文件按逗號(hào)分割每一行將第二列轉(zhuǎn)換成數(shù)字過濾掉 NaN然后求和最后除以計(jì)數(shù)。”精簡(jiǎn)后原則 直接告訴模型你想要的結(jié)果是什么。例如“計(jì)算文件 data.csv 第二列數(shù)值型的平均值忽略空值?！?模型自己會(huì)推導(dǎo)出必要的步驟。這更符合人類高級(jí)程序員之間的交流方式。測(cè)試用例任務(wù)處理用戶輸入字符串。冗長(zhǎng)提示詞“接收一個(gè)用戶輸入字符串先調(diào)用.strip()去除首尾空格然后檢查是否為空如果為空則返回 ‘Empty input’。如果不為空再用.lower()轉(zhuǎn)為小寫。”精簡(jiǎn)提示詞“寫一個(gè)函數(shù)normalize_input(s: str) - str處理用戶輸入去除首尾空格若為空則返回 ‘Empty input’否則返回小寫形式?！彬?yàn)證精簡(jiǎn)提示詞更接近函數(shù)簽名和文檔生成的代碼質(zhì)量更高且更易于集成。5.4 聚焦核心約束移除邊緣情況轟炸優(yōu)化前常見陷阱 試圖在提示詞中預(yù)見所有可能的邊緣情況“如果文件不存在怎么辦如果列不是數(shù)字怎么辦如果內(nèi)存不足怎么辦如果是網(wǎng)絡(luò)文件怎么辦……”精簡(jiǎn)后原則 明確最核心的約束如“流式讀取以處理大文件”、“忽略空值”并信任模型具備一定的常識(shí)來處理其他常見邊緣情況如文件不存在會(huì)拋出異常?；蛘吒呒?jí)的做法是要求模型“包含健壯的錯(cuò)誤處理”將具體實(shí)現(xiàn)交給模型。測(cè)試用例任務(wù)解析一個(gè) URL 查詢參數(shù)。冗長(zhǎng)提示詞“寫代碼解析 URL 查詢字符串。注意參數(shù)可能沒有值可能有多個(gè)值可能有特殊字符需要解碼可能不存在查詢字符串可能 URL 本身格式就不對(duì)……”精簡(jiǎn)提示詞“寫一個(gè)函數(shù)解析 URL 查詢參數(shù)返回一個(gè)字典。使用urllib.parse庫正確處理解碼和重復(fù)鍵?！彬?yàn)證使用urllib.parse.parse_qs是標(biāo)準(zhǔn)做法它已經(jīng)內(nèi)置了對(duì)解碼和重復(fù)鍵的處理。精簡(jiǎn)提示詞直接指向最佳工具和核心要求效果更好。6. 接口 API 與批量任務(wù)將優(yōu)化模式“API化”雖然這不是一個(gè)可調(diào)用的軟件 API但你可以將這種優(yōu)化后的提示詞思維封裝成你與 AI 交互的“標(biāo)準(zhǔn)協(xié)議”或“模板”用于批量處理類似的編程任務(wù)。構(gòu)建你的“高效提示詞模板”你可以創(chuàng)建一個(gè)文本片段或代碼片段作為每次與 AI 編程助手交互的“腳手架”。// 高效編程指令模板 [角色]你是一個(gè)經(jīng)驗(yàn)豐富的{語言}開發(fā)助手。 [任務(wù)]{清晰、簡(jiǎn)潔地描述編程任務(wù)聚焦于輸入、輸出和核心目標(biāo)} [約束] - 代碼需包含必要的錯(cuò)誤處理。 - 使用{庫/框架}如適用。 - 遵循{語言}的通用風(fēng)格指南如PEP 8。 - {其他1-2個(gè)最關(guān)鍵的特殊要求}。 [輸出]提供可直接運(yùn)行的代碼片段并附上簡(jiǎn)要說明。批量任務(wù)應(yīng)用示例假設(shè)你需要為項(xiàng)目中的多個(gè)數(shù)據(jù)清洗函數(shù)添加日志功能。傳統(tǒng)低效方式為每個(gè)函數(shù)手動(dòng)編寫一段不同的、詳細(xì)的提示詞。優(yōu)化后批量方式使用模板僅替換{任務(wù)}部分。任務(wù)1提示詞[任務(wù)]為現(xiàn)有函數(shù)clean_user_data(df)添加日志記錄在函數(shù)開始、結(jié)束和發(fā)生錯(cuò)誤時(shí)記錄INFO或ERROR級(jí)別日志。使用Python的logging模塊。任務(wù)2提示詞[任務(wù)]為現(xiàn)有函數(shù)fetch_api_data(url)添加日志記錄記錄請(qǐng)求開始、成功和失敗包括狀態(tài)碼。使用Python的logging模塊。通過標(biāo)準(zhǔn)化模板你不僅減少了每次輸入的量還使 AI 的輸出風(fēng)格更一致后續(xù)集成也更方便。7. 資源占用與性能觀察優(yōu)化你的“注意力資源”在 AI 交互中“資源”不僅是計(jì)算資源更是你和模型的“注意力資源”。你的注意力資源閱讀和理解一個(gè)冗長(zhǎng)的提示詞需要時(shí)間和精力。精簡(jiǎn)提示詞讓你能更快地構(gòu)思和發(fā)出指令。模型的“注意力”資源Transformer 模型有上下文窗口限制。過長(zhǎng)的系統(tǒng)提示詞會(huì)擠占本可用于分析問題、生成代碼的“注意力”。精簡(jiǎn)提示詞讓模型能將更多的上下文容量用于理解你的具體問題而不是解析一堆固定規(guī)則。交互性能更短的提示詞通常意味著更快的響應(yīng)時(shí)間因?yàn)檩斎?tokens 更少以及更低的 API 調(diào)用成本如果按 token 計(jì)費(fèi)。如何觀察“性能”提升任務(wù)完成速度使用精簡(jiǎn)提示詞后是否減少了與 AI 的來回對(duì)話輪次是否更頻繁地一次就得到可用代碼輸出質(zhì)量穩(wěn)定性生成的代碼是否更少出現(xiàn)因誤解復(fù)雜規(guī)則而產(chǎn)生的奇怪行為輸出是否更符合你的真實(shí)意圖主觀體驗(yàn)?zāi)闶欠窀杏X與 AI 的協(xié)作更順暢、更接近于與一位高效同事的對(duì)話8. 常見問題與排查方法在實(shí)踐提示詞精簡(jiǎn)過程中你可能會(huì)遇到以下問題問題現(xiàn)象可能原因排查方式解決方案精簡(jiǎn)后AI 完全忽略了某項(xiàng)重要要求。關(guān)鍵約束被過度刪減或表述過于模糊。檢查精簡(jiǎn)后的提示詞是否包含了所有不可或缺的“成功標(biāo)準(zhǔn)”。將最關(guān)鍵、不可妥協(xié)的1-2條約束加回并使用更明確的詞匯。例如將“要快”改為“時(shí)間復(fù)雜度應(yīng)低于 O(n log n)”。輸出變得過于簡(jiǎn)略缺乏必要的解釋或步驟。模型可能將“簡(jiǎn)潔”誤解為“輸出內(nèi)容也要極簡(jiǎn)”。對(duì)比輸出看是否缺少了之前有的、對(duì)你有價(jià)值的分析過程。在提示詞中明確對(duì)輸出格式的期望。例如在任務(wù)描述后加上“請(qǐng)先簡(jiǎn)要說明你的實(shí)現(xiàn)思路”。精簡(jiǎn)提示詞在不同模型上效果差異很大。不同模型對(duì)指令的敏感性、默認(rèn)行為和能力不同。在 Claude、GPT、DeepSeek 等模型上用同一套精簡(jiǎn)提示詞測(cè)試。針對(duì)主力模型進(jìn)行微調(diào)。了解該模型的“性格”和強(qiáng)項(xiàng)調(diào)整提示詞的詳細(xì)程度。例如某些模型可能需要更明確的格式指令。感覺沒什么可刪的每個(gè)要求都很重要?？赡芟萑肓恕耙苑廊f一”的思維模式未能區(qū)分核心需求與錦上添花。對(duì)每個(gè)要求問一句“如果去掉這條最壞情況是什么發(fā)生的頻率高嗎”進(jìn)行優(yōu)先級(jí)排序。首次交互時(shí)只保留最高優(yōu)先級(jí)要求根據(jù)輸出結(jié)果在后續(xù)對(duì)話中逐步添加或修正次要要求。精簡(jiǎn)后出現(xiàn)了安全或合規(guī)問題。刪除了重要的安全護(hù)欄。檢查輸出內(nèi)容是否可能生成有害代碼、泄露密鑰模式或侵犯版權(quán)。永遠(yuǎn)保留核心安全與倫理約束。例如“不生成惡意軟件”、“不提供未經(jīng)授權(quán)的版權(quán)代碼”等條款必須清晰存在。9. 最佳實(shí)踐與使用建議基于 Claude Code 的優(yōu)化經(jīng)驗(yàn)以下是一些你可以立即采用的提示詞最佳實(shí)踐從目標(biāo)出發(fā)而非步驟用“要什么”代替“怎么做”。告訴 AI “生成一個(gè)驗(yàn)證郵箱格式的函數(shù)”而不是“用正則表達(dá)式匹配符號(hào)和點(diǎn)號(hào)……”。信任默認(rèn)值相信主流 AI 編碼助手已內(nèi)化了良好的編程實(shí)踐如代碼塊、基礎(chǔ)錯(cuò)誤處理、通用風(fēng)格。除非項(xiàng)目有特殊規(guī)定否則不必重復(fù)。迭代式精煉先用一個(gè)極簡(jiǎn)的提示詞發(fā)起任務(wù)。如果結(jié)果不理想再像“調(diào)試”一樣在后續(xù)回復(fù)中逐步增加約束或糾正方向。這比一次性寫一個(gè)巨長(zhǎng)的提示詞更高效。提供高質(zhì)量示例Few-Shot當(dāng)你有一個(gè)非常特定的格式或模式時(shí)與其用語言描述不如直接給1-2個(gè)清晰的輸入-輸出示例。這通常比冗長(zhǎng)的規(guī)則描述更有效。為關(guān)鍵術(shù)語下定義如果使用了對(duì)項(xiàng)目有特殊含義的術(shù)語如“服務(wù)層”、“領(lǐng)域事件”用一句話簡(jiǎn)要定義它確保AI和你在同一語境。分離關(guān)注點(diǎn)不要在一個(gè)提示詞里要求AI同時(shí)做代碼生成、代碼審查、性能優(yōu)化和寫文檔。拆分成多個(gè)連續(xù)的對(duì)話輪次每輪聚焦一個(gè)任務(wù)。建立個(gè)人或團(tuán)隊(duì)的提示詞庫將針對(duì)常見任務(wù)如“添加單元測(cè)試”、“編寫API文檔”、“重構(gòu)函數(shù)”驗(yàn)證過的高效提示詞保存下來形成可復(fù)用的模板。10. 總結(jié)與下一步Boris Cherny 和 Anthropic 團(tuán)隊(duì)通過刪減 Claude Code 80% 的提示詞向我們揭示了一個(gè)反直覺卻至關(guān)重要的原則在提示詞工程中少即是多。過度設(shè)計(jì)、事無巨細(xì)的指令往往會(huì)干擾模型而清晰、簡(jiǎn)潔、聚焦于核心目標(biāo)的提示詞能更好地激發(fā)模型的內(nèi)在能力。對(duì)于開發(fā)者而言最直接的收獲不是某個(gè)特定的提示詞文本而是一種優(yōu)化與 AI 協(xié)作方式的思維模式。下次當(dāng)你準(zhǔn)備向 AI 助手輸入一段長(zhǎng)長(zhǎng)的需求時(shí)可以先停下來問自己三個(gè)問題我描述的是“目標(biāo)”還是“過程”哪些要求是真正不可或缺的哪些信息 AI 可能已經(jīng)默認(rèn)知道或能自己推斷將這次優(yōu)化視為一個(gè)起點(diǎn)。你可以從今天開始選擇你最常進(jìn)行的一類編程任務(wù)嘗試按照本文的方法設(shè)計(jì)一個(gè)精簡(jiǎn)提示詞模板并與舊方式進(jìn)行對(duì)比測(cè)試。真正的效果只有在你的實(shí)際工作流中驗(yàn)證了才算數(shù)。記住最好的提示詞不是寫出來的而是在解決真實(shí)問題的過程中迭代出來的。