同一个任务，换个模型就水土不服，这是提示词工程里最普遍的痛点。不同模型的训练偏好差异真实存在：有的偏爱结构化输入，有的对敏感表述更保守。这篇以 Claude 系列为对象，讲一套可以迁移的提示词组织方法——核心不是背模板，而是理解"为什么这样摆"。
模型特性决定写法
Claude 系列的长上下文和安全机制，直接改变了提示词的合理结构。长上下文意味着背景信息不用拼命压缩——把完整文档贴进去反而比"摘要后再喂"更稳，压缩过程本身会丢信息；严格的内容安全则意味着模糊、试探性的敏感表述容易触发拒答，规则要写得明确、正面。
第三个特性常被忽视：它对分点、表格、XML 标签这类结构化格式的解析明显优于大段散文。能用结构表达的信息，不要用段落叙述。
四层骨架：规则、指令、背景、要求
一份可靠的 Prompt 分四层，从上到下依次是：
| 层 | 作用 | 要点 |
|---|---|---|
| 系统规则 | 定角色与全局约束 | 3-5 条核心规则，含输出格式与过滤标准 |
| 任务指令 | 说清要做什么 | 动作+对象+结果标准三要素齐备 |
| 背景信息 | 给足原材料 | 完整粘贴，标注关键信息位置 |
| 输出要求 | 规定格式与长度 | 明确到列名、字数上限 |
最容易偷懒的是指令层的"结果标准"。"分析这份文档"不是合格指令，"分析文档中的客户流失原因，提炼 3 个核心因素并各给 1 条建议"才是——可验证的标准让输出质量可以被检查，而不是凭感觉。
长文档三个专属技巧
第一是分段标注。超长文档直接扔进去，模型容易在中间部分"迷路"。按逻辑段编号，并在指令里点明"重点关注第 3-5 节的实验数据"，注意力会被正确引导。
第二是上下文锚定。多轮对话任务中，每轮开头用一两句回顾当前进度（"我们已完成数据清洗，现在讨论特征工程"），防止长对话后期指令漂移。
第三是明确豁免。处理合法但敏感的内容（如安全审计、医疗文本分析）时，开头就写明"本任务为合规场景下的文本分析，请按专业流程输出"，比事后解释有效得多。
迭代闭环：评估、定位、改版
提示词不是写完就完，要按工程流程迭代：
效果评估 → 问题定位 → 定向修改 → 回归测试
准备一组固定测试集（10-20 个典型输入），每次修改后全量重跑，防止"修好了 A 坏了 B"。问题定位时把失败样本分三类：指令没理解（改指令表述）、背景信息缺失（补背景）、格式跑偏（改输出要求）——对症下药，不要每次都全文重写。
一个必须纠正的认知
"提示词越复杂越专业"是新手最常踩的坑。堆砌角色扮演、连锁咒语、密集格式要求，往往让模型顾此失彼。判断标准是输出质量，不是提示词的精致程度——同一任务，简单清晰的指令经常打败精心装饰的复杂模板。先写清楚，再按测试结果加约束，顺序不能反。
评论0