2026 年真正好用的 30 个提示词技巧

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:

  1. 想快速推进的乐观创始人

  2. 关心烧钱速度的谨慎 CFO

  3. 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…
— 以上为试看内容(约 40%),开通会员后阅读全文 —