返回提示词目录第 1660 页

Prompt Engineering 专家

提供提示词编写、优化与评估的专业指导,涵盖思维链、少样本、角色设定、系统指令设计以及反模式排查和测试框架

完整提示词

---
name: prompt-engineering-expert
description: 该技能赋予 Claude 在提示词工程、自定义指令设计和提示词优化方面的深厚专业知识。它提供有关编写高效 AI 提示词、设计代理指令以及迭代改进提示词性能的全面指导。
---

## 核心专长领域

### 1. 提示词编写最佳实践
- **清晰与直接性**:编写清晰、无歧义的提示词,避免误解
- **结构与格式**:使用适当的层级、分节和视觉清晰度来组织提示词
- **具体性**:提供带有具体示例和预期输出的精确指令
- **上下文管理**:在必要上下文与避免模型过载之间取得平衡
- **语气与风格**:使提示词语气与任务需求相匹配

### 2. 高级提示词工程技术
- **思维链(Chain-of-Thought, CoT)提示**:鼓励对复杂任务进行逐步推理
- **少样本提示(Few-Shot Prompting)**:使用示例引导模型行为(单样本、双样本、多样本)
- **XML 标签**:利用结构化 XML 格式提高清晰度和可解析性
- **基于角色的提示(Role-Based Prompting)**:为 Claude 分配特定角色或专业身份
- **预填充(Prefilling)**:预先设定 Claude 的回应内容以引导输出格式
- **提示词链(Prompt Chaining)**:将复杂任务分解为一系列顺序提示词

### 3. 自定义指令与系统提示词
- **系统提示词设计**:为特定领域创建高效的系统提示词
- **自定义指令**:为 AI 代理和技能设计指令
- **行为准则**:设定适当的限制和指导方针
- **个性与语调**:定义一致的语气和沟通风格
- **范围定义**:明确定义代理应做与不应做的事

### 4. 提示词优化与精炼
- **性能分析**:评估提示词有效性并识别问题
- **迭代改进**:基于结果系统性地优化提示词
- **A/B 测试**:比较不同提示词变体
- **一致性增强**:提高可靠性并减少输出波动
- **Token 优化**:在保持质量的同时减少不必要的 token

### 5. 反模式与常见错误
- **模糊性**:识别并修正不清晰的指令
- **矛盾**:检测相互冲突的要求
- **过度指定**:识别提示词是否过于严格
- **幻觉风险**:识别容易导致虚假信息的提示词
- **上下文泄露**:防止无意的信息暴露
- **越狱漏洞**:识别并缓解提示词注入风险

### 6. 评估与测试
- **成功标准定义**:建立明确的提示词成功衡量指标
- **测试用例开发**:创建全面的测试用例
- **失败分析**:理解提示词失败的原因
- **回归测试**:确保改进不会破坏现有功能
- **边缘情况处理**:测试边界条件和异常输入

### 7. 多模态与高级提示词技术
- **视觉提示(Vision Prompting)**:为图像分析与理解编写提示词
- **基于文件的提示(File-Based Prompting)**:处理文档、PDF 和结构化数据
- **嵌入集成(Embeddings Integration)**:使用嵌入进行语义搜索与检索
- **工具使用提示(Tool Use Prompting)**:设计能有效使用工具和 API 的提示词
- **扩展思考(Extended Thinking)**:利用扩展思考进行复杂推理
## 核心能力

- **提示词分析**:审查现有提示词并识别改进机会
- **提示词生成**:针对特定用例从零创建新提示词
- **提示词优化**:基于表现进行迭代式改进
- **自定义指令设计**:为智能体和技能创建专用指令
- **最佳实践指导**:提供提示词工程原则方面的专家建议
- **反模式识别**:识别并纠正常见错误
- **测试策略**:建立用于验证提示词的评估框架
- **文档编写**:创建清晰的提示词使用与维护文档

## 使用场景

- 优化模糊或无效的提示词
- 为特定领域创建专用系统提示词
- 为AI智能体和技能设计自定义指令
- 优化提示词以提高一致性与可靠性
- 教授提示词工程最佳实践
- 调试提示词性能问题
- 创建可复用工作流的提示词模板
- 提高提示词效率和token使用率
- 开发用于提示词测试的评估框架

## 技能限制

- 不执行代码或运行实际提示词(仅分析)
- 无法访问实时数据或外部API
- 建议基于最佳实践,不保证结果
- 推荐内容应在实际用例中进行测试
- 在关键应用中不能替代人工判断

## 集成说明

该技能与以下功能配合良好:
- Claude Code:用于测试和迭代提示词
- Agent SDK:用于实现自定义指令
- 文件API:用于分析提示词文档
- 视觉能力:用于多模态提示词设计
- 扩展思考:用于复杂提示词推理
FILE:START_HERE.md
# 🎯 提示词工程专家技能 - 完整套件

## ✅ 已创建内容

一个用于提示词工程专业知识的**全面Claude技能套件**,包含:

### 📦 完整套件内容
- **7个核心文档文件**
- **3份专业指南**(最佳实践、技术方法、故障排除)
- **10个真实世界示例**,含前后对比
- **多个导航指南**,便于快速访问
- **检查清单与模板**,供实际使用

### 📍 位置
```
~/Documents/prompt-engineering-expert/
```

---

## 📋 文件清单

### 核心技能文件(4个)
| 文件 | 用途 | 大小 |
|------|---------|------|
| **SKILL.md** | 技能元数据与概述 | ~1 KB |
| **CLAUDE.md** | 主要技能说明 | ~3 KB |
| **README.md** | 用户指南与入门 | ~4 KB |
| **GETTING_STARTED.md** | 如何上传与使用 | ~3 KB |

### 文档文件(3个)
| 文件 | 用途 | 覆盖范围 |
|------|---------|----------|
| **docs/BEST_PRACTICES.md** | 全面最佳实践 | 核心原则、高级技巧、评估、反模式 |
| **docs/TECHNIQUES.md** | 高级技术指南 | 8种主要技术及示例 |
| **docs/TROUBLESHOOTING.md** | 问题解决 | 8类常见问题 + 调试流程 |

### 示例与导航文件(3个)
| 文件 | 用途 | 内容 |
|------|---------|---------|
| **examples/EXAMPLES.md** | 真实世界示例 | 10个实用示例及模板 |
| **INDEX.md** | 完整导航 | 快速链接、学习路径、集成点 |
| **SUMMARY.md** | 创建内容概览 | 所有组件的总览 |

---

## 🎓 涵盖的专业领域

### 7大核心专业领域
1. ✅ **提示词撰写最佳实践** - 清晰性、结构、具体性
2. ✅ **高级技术** - 思维链(CoT)、少样本学习、XML、基于角色的提示、预填充、链式提示  
3. ✅ **自定义指令** - 系统提示词、行为准则、范围界定  
4. ✅ **优化** - 性能分析、迭代改进、Token 效率  
5. ✅ **反模式** - 模糊性、矛盾、幻觉、越狱(jailbreaks)  
6. ✅ **评估** - 成功标准、测试用例、失败分析  
7. ✅ **多模态** - 视觉、文件、嵌入向量(embeddings)、扩展思考  

### 8 项核心能力  
1. ✅ 提示词分析  
2. ✅ 提示词生成  
3. ✅ 提示词精炼  
4. ✅ 自定义指令设计  
5. ✅ 最佳实践指导  
6. ✅ 反模式识别  
7. ✅ 测试策略  
8. ✅ 文档撰写  

---  

## 🚀 使用方法  

### 第一步:上传技能  
```
Go to Claude.com → Click "+" → Upload Skill → Select folder
```  

### 第二步:询问 Claude  
```
"Review this prompt and suggest improvements:
[YOUR PROMPT]"
```  

### 第三步:获取专家指导  
Claude 将使用该技能的专业知识进行分析,并提供推荐建议。  

---  

## 📚 文档详解  

### BEST_PRACTICES.md (~8 KB)  
- 核心原则(清晰性、简洁性、自由度控制)  
- 高级技术(8 种技术及解释)  
- 自定义指令设计  
- 技能结构最佳实践  
- 评估与测试框架  
- 需避免的反模式  
- 工作流程与反馈循环  
- 内容指南  
- 多模态提示  
- 开发工作流程  
- 完整检查清单  

### TECHNIQUES.md (~10 KB)  
- 思维链提示(含示例)  
- 少样本学习(单样本、双样本、多样本)  
- 使用 XML 标签的结构化输出  
- 基于角色的提示  
- 响应预填充  
- 提示链(Prompt chaining)  
- 上下文管理  
- 多模态提示  
- 技术组合应用  
- 反模式  

### TROUBLESHOOTING.md (~6 KB)  
- 8 种常见问题及其解决方案  
- 调试工作流程  
- 快速参考表  
- 测试检查清单  

### EXAMPLES.md (~8 KB)  
- 10 个真实世界示例  
- 改进前/后对比  
- 模板与框架  
- 优化检查清单  

---  

## 💡 核心特性  

### ✨ 全面性  
- 覆盖提示词工程所有主要方面  
- 从基础到高级技术  
- 包含真实案例与模板  

### 🎯 实用性  
- 可操作的指导  
- 分步说明  
- 即拿即用的模板  

### 📖 结构清晰  
- 清晰的层级结构与渐进式披露  
- 多种导航指引  
- 快速参考表  

### 🔍 详尽细致  
- 8 类常见问题及解决方案  
- 10 个真实世界示例  
- 多份检查清单  

### 🚀 即时可用  
- 可立即上传使用  
- 无需额外配置  
- 兼容 Claude.com 与 API  

---  

## 📊 统计数据  

| 指标 | 数值 |  
|--------|-------|  
| 文件总数 | 10 |  
| 总文档量 | ~40 KB |  
| 核心专长领域 | 7 |  
| 核心能力 | 8 |  
| 使用场景 | 9 |  
| 覆盖常见问题 | 8 |  
| 真实世界示例 | 10 |  
| 高级技术 | 8 |  
| 最佳实践 | 50+ |  
| 反模式 | 10+ |  

---  

## 🎯 使用场景  

### 1. 精炼模糊提示  
将不清晰的提示转化为具体、可执行的形式。  

### 2. 创建专用提示  
为特定领域或任务设计定制化提示词。  

### 3. 设计智能体指令  
为 AI 智能体和技能创建自定义指令。  

### 4. 优化一致性  
提升输出可靠性,减少结果波动。  

### 5. 教授最佳实践  
学习提示词工程的原则与技术。  

### 6. 调试提示问题  
识别并修复现有提示词的问题。  

### 7. 构建评估框架  
开发测试用例与成功标准。  

### 8. 多模态提示  
为视觉、嵌入向量和文件设计提示词。
### 9. 创建提示词模板
为工作流构建可复用的提示词模板。

---

## ✅ 质量检查清单

- ✅ 基于 Anthropic 官方文档
- ✅ 全面覆盖提示词工程内容
- ✅ 包含真实世界示例与模板
- ✅ 结构清晰、组织良好
- ✅ 采用渐进式披露方式辅助学习
- ✅ 提供多种导航指引
- ✅ 提供实用且可操作的指导
- ✅ 包含故障排查与调试帮助
- ✅ 包含最佳实践与反模式识别
- ✅ 可直接上传并使用

---

## 🔗 集成点

可与以下产品无缝协作:
- **Claude.com** - 可直接上传和使用
- **Claude Code** - 用于测试提示词
- **Agent SDK** - 用于程序化调用
- **Files API** - 用于分析文档
- **Vision** - 用于多模态设计
- **Extended Thinking** - 用于复杂推理

---

## 📖 学习路径

### 初级(1-2 小时)
1. 阅读:README.md
2. 阅读:BEST_PRACTICES.md(核心原则)
3. 查看:EXAMPLES.md(示例 1-3)
4. 尝试:创建一个简单提示词

### 中级(2-4 小时)
1. 阅读:TECHNIQUES.md(第 1-4 节)
2. 查看:EXAMPLES.md(示例 4-7)
3. 阅读:TROUBLESHOOTING.md
4. 尝试:优化一个现有提示词

### 高级(4+ 小时)
1. 阅读:TECHNIQUES.md(全部章节)
2. 查看:EXAMPLES.md(全部示例)
3. 阅读:BEST_PRACTICES.md(全部章节)
4. 尝试:组合多种技术

---

## 🎁 您将获得的内容

### 即时收益
- 专家级提示词工程指导
- 真实世界示例与模板
- 故障排查帮助
- 最佳实践参考
- 反模式识别能力

### 长期收益
- 提升提示词质量
- 缩短迭代周期
- 提高一致性
- 减少 token 使用量
- 实现更高效的 AI 交互

---

## 🚀 后续步骤

1. **导航到文件夹**
   ```
   ~/Documents/prompt-engineering-expert/
   ```

2. **上传技能** 至 Claude.com
   - 点击 "+" → 上传技能 → 选择文件夹

3. **开始使用**
   - 请 Claude 审查您的提示词
   - 请求自定义指令
   - 获取故障排查帮助

4. **探索文档**
   - 从 README.md 开始
   - 查看示例
   - 学习高级技巧

5. **与团队共享**
   - 协作进行提示词工程
   - 共同构建更优提示词
   - 提升 AI 交互效果

---

## 📞 支持资源

### 技能内资源
- 全面的文档
- 真实世界示例
- 故障排查指南
- 最佳实践检查清单
- 快速参考表格

### 外部资源
- Claude 文档:https://docs.claude.com
- Anthropic 博客:https://www.anthropic.com/blog
- Claude Cookbook:https://github.com/anthropics/claude-cookbooks

---

## 🎉 您已准备就绪!

您的 **Prompt Engineering Expert 技能** 已完成,随时可以使用!

### 快速入门
1. 打开 `~/Documents/prompt-engineering-expert/`
2. 阅读 `GETTING_STARTED.md` 获取上传说明
3. 上传至 Claude.com
4. 开始优化您的提示词!
FILE:README.md
# README - Prompt Engineering Expert 技能

## 概述

**Prompt Engineering Expert** 技能使 Claude 获得深厚的提示词工程、自定义指令设计和提示词优化能力。该综合性技能提供有关编写高效 AI 提示词、设计代理指令以及迭代提升提示词性能的指导。

## 本技能提供的功能

### 核心专长
- **提示词编写最佳实践**:结构清晰、直接明确的提示词
- **高级技术**:思维链(chain-of-thought)、少样本提示(few-shot prompting)、XML 标签、基于角色的提示(role-based prompting)
  
- **自定义指令**:系统提示词和智能体指令设计  
- **优化**:分析并改进现有提示词  
- **评估**:测试框架与成功标准  
- **反模式**:识别并纠正常见错误  
- **多模态**:视觉、嵌入向量和基于文件的提示  

### 核心能力  

1. **提示词分析**  
   - 审查现有提示词  
   - 识别改进机会  
   - 发现反模式和问题  
   - 提出具体优化建议  

2. **提示词生成**  
   - 从零创建新提示词  
   - 针对特定用例设计  
   - 确保清晰性和有效性  
   - 优化一致性  

3. **自定义指令**  
   - 设计系统提示词  
   - 创建智能体指令  
   - 定义行为准则  
   - 设置适当约束  

4. **最佳实践指导**  
   - 解释提示词工程原则  
   - 教授高级技术  
   - 分享真实案例  
   - 提供实施指导  

5. **测试与验证**  
   - 开发测试用例  
   - 定义成功标准  
   - 评估提示词表现  
   - 识别边缘情况  

## 如何使用此技能  

### 用于提示词分析  
```
"Review this prompt and suggest improvements:
[YOUR PROMPT]

Focus on: clarity, specificity, format, and consistency."
```  

### 用于提示词生成  
```
"Create a prompt that:
- [Requirement 1]
- [Requirement 2]
- [Requirement 3]

The prompt should handle [use cases]."
```  

### 用于自定义指令  
```
"Design custom instructions for an agent that:
- [Role/expertise]
- [Key responsibilities]
- [Behavioral guidelines]"
```  

### 用于故障排查  
```
"This prompt isn't working well:
[PROMPT]

Issues: [DESCRIBE ISSUES]

How can I fix it?"
```  

## 技能结构  

```
prompt-engineering-expert/
├── SKILL.md                 # Skill metadata
├── CLAUDE.md               # Main instructions
├── README.md               # This file
├── docs/
│   ├── BEST_PRACTICES.md   # Best practices guide
│   ├── TECHNIQUES.md       # Advanced techniques
│   └── TROUBLESHOOTING.md  # Common issues & fixes
└── examples/
    └── EXAMPLES.md         # Real-world examples
```  

## 核心概念  

### 清晰性  
- 明确的目标  
- 精确的语言  
- 具体的示例  
- 逻辑结构  

### 简洁性  
- 聚焦内容  
- 无冗余  
- 渐进式披露  
- Token 高效利用  

### 一致性  
- 明确定义的约束  
- 指定格式  
- 清晰的指南  
- 可重复的结果  

### 完整性  
- 充足的上下文  
- 边缘情况处理  
- 成功标准  
- 错误处理  

## 常见使用场景  

### 1. 优化模糊提示词  
将不清晰的提示词转化为具体、可操作的形式。  

### 2. 创建专用提示词  
为特定领域或任务设计提示词。  

### 3. 设计智能体指令  
为 AI 智能体和技能创建自定义指令。  

### 4. 优化一致性  
提高可靠性并减少输出变异性。  

### 5. 调试提示词问题  
识别并修复现有提示词的问题。  

### 6. 教授最佳实践  
学习提示词工程的原则与技术。  

### 7. 构建评估框架  
开发测试用例和成功标准。  

### 8. 多模态提示  
为视觉、嵌入向量和文件设计提示词。  

## 最佳实践总结  

### 推荐做法 ✅  
- 保持清晰和具体  
- 提供示例  
- 指定格式  
- 定义约束  
- 充分测试  
- 记录假设  
- 使用渐进式披露  
- 处理边缘情况  

### 不推荐做法 ❌  
- 模糊或含糊不清  
- 假设对方理解  
- 忽略格式说明  
- 忽视边缘情况  
- 过度约束  
- 未解释即使用术语  
- 硬编码值  
- 忽略错误处理  

## 高级主题  

### 思维链提示(Chain-of-Thought Prompting)  
鼓励复杂任务的逐步推理。  

### 少样本学习(Few-Shot Learning)  
使用示例引导行为,无需显式指令。  

### 结构化输出  
使用 XML 标签提升清晰度和可解析性。  

### 基于角色的提示(Role-Based Prompting)  
分配专业角色以引导行为。  

### 提示词链(Prompt Chaining)  
将复杂任务分解为顺序提示。  

### 上下文管理  
优化 Token 使用和清晰度。  

### 多模态集成  
处理图像、文件和嵌入向量。  

## 限制  

- **仅限分析**:不执行代码或运行实际提示词
- **无实时数据访问**:无法访问外部 API 或当前数据
- **基于最佳实践**:建议基于已确立的模式
- **需测试验证**:建议应通过实际用例进行验证
- **依赖人工判断**:在关键应用中无法替代人类专业知识

## 与其他技能的集成

该技能与以下技能配合良好:
- **Claude Code**:用于测试和迭代提示词
- **Agent SDK**:用于实现自定义指令
- **Files API**:用于分析提示词文档
- **Vision**:用于多模态提示词设计
- **Extended Thinking**:用于复杂提示词推理

## 快速入门

### 快速开始
1. 分享你的提示词或描述你的需求
2. 获取分析和建议
3. 实施建议的改进
4. 测试并验证
5. 按需迭代

### 初学者指南
- 从 "BEST_PRACTICES.md" 开始
- 查阅 "EXAMPLES.md" 获取真实案例
- 先尝试简单的提示词
- 逐步增加复杂性

### 高级用户指南
- 查阅 "TECHNIQUES.md" 了解高级方法
- 查阅 "TROUBLESHOOTING.md" 解决边缘情况
- 组合多种技术
- 构建自定义框架

## 文档

### 主要文档
- **BEST_PRACTICES.md**:全面的最佳实践指南
- **TECHNIQUES.md**:高级提示词工程技术
- **TROUBLESHOOTING.md**:常见问题及解决方案
- **EXAMPLES.md**:真实世界示例和模板

### 快速参考
- 命名规范
- 文件结构
- YAML frontmatter
- Token 预算
- 检查清单

## 支持与资源

### 本技能内资源
- 详细文档
- 真实案例
- 故障排除指南
- 最佳实践检查清单
- 快速参考表格

### 外部资源
- Claude 文档:https://docs.claude.com
- Anthropic 博客:https://www.anthropic.com/blog
- Claude Cookbook:https://github.com/anthropics/claude-cookbooks
- 提示词工程指南:https://www.promptingguide.ai

## 版本历史

### v1.0(当前版本)
- 初始发布
- 核心专长领域
- 最佳实践文档
- 高级技术指南
- 故障排除指南
- 真实案例

## 贡献

该技能旨在持续演进。欢迎提供反馈和改进建议。

## 许可证

该技能作为 Claude 生态系统的一部分提供。

---

## 快捷链接

- [最佳实践指南](docs/BEST_PRACTICES.md)
- [高级技术](docs/TECHNIQUES.md)
- [故障排除指南](docs/TROUBLESHOOTING.md)
- [示例与模板](examples/EXAMPLES.md)

---

**准备好提升你的提示词了吗?** 请从分享你当前的提示词或描述你需要帮助的内容开始!
FILE:SUMMARY.md
# 提示词工程专家技能 - 概要

## 创建内容

一个全面的 Claude 技能,具备以下方面的深入知识:
- 提示词撰写最佳实践
- 自定义指令设计
- 提示词优化与精炼
- 高级技术(CoT、少样本、XML 标签等)
- 评估框架与测试
- 反模式识别
- 多模态提示

## 技能结构

```
~/Documents/prompt-engineering-expert/
├── SKILL.md                    # Skill metadata & overview
├── CLAUDE.md                   # Main skill instructions
├── README.md                   # User guide & getting started
├── docs/
│   ├── BEST_PRACTICES.md       # Comprehensive best practices (from official docs)
│   ├── TECHNIQUES.md           # Advanced techniques guide
│   └── TROUBLESHOOTING.md      # Common issues & solutions
└── examples/
    └── EXAMPLES.md             # 10 real-world examples & templates
```

## 关键文件

### 1. **SKILL.md**(概述)
- 高层次描述
- 核心能力
- 使用场景
- 限制

### 2. **CLAUDE.md**(主指令)
- 核心专长领域(7 个主要领域)
- 关键能力(8 项能力)
- 使用场景(9 种场景)
- 技能限制
- 集成说明

### 3. **README.md**(用户指南)
- 概述及所提供内容
- 如何使用该技能
- 技能结构
- 10 个实际示例:
  1. 优化模糊提示词
  2. 为智能体设计自定义指令
  3. 少样本分类
  4. 思维链分析
  5. 使用 XML 标签的结构化提示词
  6. 迭代式优化
  7. 反模式识别
  8. 测试框架
  9. 技能元数据模板
  10. 优化检查清单
- 要清晰且具体
- 提供示例
- 指定格式
- 定义约束条件
- 彻底测试
- 记录假设
- 使用渐进式披露
- 处理边缘情况

### 禁忌事项 ❌
- 模糊或含糊不清
- 假设对方已理解
- 忽略格式说明
- 忽视边缘情况
- 过度设定约束
- 使用未解释的术语
- 硬编码数值
- 忽略错误处理

## 文档质量

- **全面性**:涵盖提示词工程的所有主要方面
- **实用性**:包含真实世界示例和模板
- **条理性**:结构清晰,采用渐进式披露
- **可操作性**:提供具体指导和分步说明
- **经过验证**:基于 Anthropic 官方文档
- **可复用性**:提供常见任务的模板和检查清单

## 集成点

与以下功能配合良好:
- Claude Code(用于测试提示词)
- Agent SDK(用于执行指令)
- Files API(用于分析文档)
- Vision 功能(用于多模态设计)
- Extended thinking(用于复杂推理)

## 后续步骤

1. **上传技能** 到 Claude,使用 Skills API 或 Claude Code
2. **使用示例提示词进行测试** 以验证功能
3. **根据反馈迭代** 以优化和改进
4. **与团队共享** 以协作进行提示词工程
5. **按需扩展** 添加特定领域的示例
FILE:INDEX.md
# 提示词工程专家技能 - 完整索引

## 📋 快速导航

### 入门指南
- **[README.md](README.md)** - 从此开始!概览、使用方法和快速入门指南
- **[SUMMARY.md](SUMMARY.md)** - 创建了什么以及如何使用

### 核心技能文件
- **[SKILL.md](SKILL.md)** - 技能元数据和能力概览
- **[CLAUDE.md](CLAUDE.md)** - 主要技能指令和专业领域

### 文档
- **[docs/BEST_PRACTICES.md](docs/BEST_PRACTICES.md)** - 全面的最佳实践指南
- **[docs/TECHNIQUES.md](docs/TECHNIQUES.md)** - 高级提示词工程技术
- **[docs/TROUBLESHOOTING.md](docs/TROUBLESHOOTING.md)** - 常见问题及解决方案

### 示例与模板
- **[examples/EXAMPLES.md](examples/EXAMPLES.md)** - 10 个真实世界示例和模板

---

## 📚 包含内容

### 专业领域(7 大领域)
1. 提示词撰写最佳实践
2. 高级提示词工程技术
3. 自定义指令与系统提示词
4. 提示词优化与精炼
5. 反模式与常见错误
6. 评估与测试
7. 多模态与高级提示

### 核心能力(8 项能力)
1. 提示词分析
2. 提示词生成
3. 提示词精炼
4. 自定义指令设计
5. 最佳实践指导
6. 反模式识别
7. 测试策略
8. 文档编写

### 使用场景(9 种场景)
1. 精炼模糊或无效的提示词
2. 创建专用的系统提示词
3. 为智能体设计自定义指令
4. 优化一致性与可靠性
5. 教授提示词工程最佳实践
6. 调试提示词性能问题
7. 为工作流创建提示词模板
8. 提高效率和 token 使用率
9. 开发评估框架

---

## 🎯 如何使用本技能

### 用于提示词分析
```
"Review this prompt and suggest improvements:
[YOUR PROMPT]

Focus on: clarity, specificity, format, and consistency."
```

### 用于提示词生成
```
"Create a prompt that:
- [Requirement 1]
- [Requirement 2]
- [Requirement 3]

The prompt should handle [use cases]."
```

### 用于自定义指令
```
"Design custom instructions for an agent that:
- [Role/expertise]
- [Key responsibilities]
- [Behavioral guidelines]"
```

### 用于故障排查
```
"This prompt isn't working well:
[PROMPT]

Issues: [DESCRIBE ISSUES]

How can I fix it?"
```

---

## 📖 文档结构

### BEST_PRACTICES.md(全面指南)
- 核心原则(清晰性、简洁性、自由度)
- 高级技术(CoT、少样本、XML、基于角色、预填充、链式)
- 自定义指令设计
- 技能结构最佳实践
- 评估与测试框架
- 需避免的反模式
- 工作流与反馈循环
- 内容指南
- 多模态提示
- 开发工作流
- 完整检查清单

### TECHNIQUES.md(高级方法)
- 思维链提示(附示例)
- 少样本学习(单样本、双样本、多样本)
- 使用 XML 标签的结构化输出
- 基于角色的提示
- 预填充响应
- 提示链
- 上下文管理
- 多模态提示
- 技术组合
- 反模式

### TROUBLESHOOTING.md(问题解决)
- 8 个常见问题及其解决方案
- 调试工作流
- 快速参考表
- 测试检查清单

### EXAMPLES.md(真实案例)
- 10 个实用示例
- 优化前后对比
- 模板与框架
- 优化检查清单

---

## ✅ 最佳实践总结

### 应该做的 ✅
- 表达清晰且具体
- 提供示例
- 明确格式
- 定义约束条件
- 充分测试
- 记录假设
- 使用渐进式披露
- 处理边界情况

### 不应做的 ❌
- 表达模糊或含糊不清
- 假设对方已理解
- 忽略格式说明
- 忽视边界情况
- 过度设定约束
- 使用未解释的术语
- 硬编码数值
- 忽略错误处理

---

## 🚀 入门指南

### 步骤 1:阅读概述
从 **README.md** 开始,了解本技能提供的内容。

### 步骤 2:学习最佳实践
查阅 **docs/BEST_PRACTICES.md** 以掌握基础知识。

### 步骤 3:探索示例
查看 **examples/EXAMPLES.md** 中的真实使用案例。

### 步骤 4:动手尝试
分享你的提示词或描述你的需求以开始实践。

### 步骤 5:故障排查
如遇问题,请使用 **docs/TROUBLESHOOTING.md**。

---

## 🔧 高级主题

### 思维链提示
鼓励对复杂任务进行逐步推理。
→ 参见:TECHNIQUES.md,第 1 节

### 少样本学习
通过示例引导行为,无需明确指令。
→ 参见:TECHNIQUES.md,第 2 节

### 结构化输出
使用 XML 标签提升清晰度和可解析性。
→ 参见:TECHNIQUES.md,第 3 节

### 基于角色的提示
赋予特定专业角色以引导行为。
→ 参见:TECHNIQUES.md,第 4 节

### 提示链
将复杂任务分解为一系列顺序提示。
→ 参见:TECHNIQUES.md,第 6 节

### 上下文管理
优化 token 使用和表达清晰度。
→ 参见:TECHNIQUES.md,第 7 节

### 多模态集成
处理图像、文件和嵌入向量。
→ 参见:TECHNIQUES.md,第 8 节

---

## 📊 文件结构

```
prompt-engineering-expert/
├── INDEX.md                    # This file
├── SUMMARY.md                  # What was created
├── README.md                   # User guide & getting started
├── SKILL.md                    # Skill metadata
├── CLAUDE.md                   # Main instructions
├── docs/
│   ├── BEST_PRACTICES.md       # Best practices guide
│   ├── TECHNIQUES.md           # Advanced techniques
│   └── TROUBLESHOOTING.md      # Common issues & solutions
└── examples/
    └── EXAMPLES.md             # Real-world examples
```

---

## 🎓 学习路径

### 初学者
1. 阅读:README.md
2. 阅读:BEST_PRACTICES.md(核心原则部分)
3. 查阅:EXAMPLES.md(示例 1-3)
4. 尝试:创建一个简单提示词

### 中级
1. 阅读:TECHNIQUES.md(第 1-4 节)
2. 查阅:EXAMPLES.md(示例 4-7)
3. 阅读:TROUBLESHOOTING.md
4. 尝试:优化一个现有提示词

### 高级
1. 阅读:TECHNIQUES.md(第 5-8 节)
2. 查阅:EXAMPLES.md(示例 8-10)
3. 阅读:BEST_PRACTICES.md(高级部分)
4. 尝试:组合多种技术

---

## 🔗 集成点

本技能与以下功能配合良好:
- **Claude Code** - 用于测试和迭代提示词
- **Agent SDK** - 用于实现自定义指令
- **Files API** - 用于分析提示词文档
- **Vision** - 用于多模态提示设计
- **Extended Thinking** - 用于复杂提示词推理

---

## 📝 关键概念

### 清晰性
- 明确的目标
- 精确的语言
- 具体示例
- 逻辑结构

### 简洁性
- 聚焦内容
- 无冗余
- 逐步披露
- Token 高效利用

### 一致性
- 明确定义的约束
- 指定格式
- 清晰的指导原则
- 可重复的结果

### 完整性
- 充足的上下文
- 边界情况处理
- 成功标准
- 错误处理

---

## ⚠️ 限制

- **仅限分析**:不执行代码或运行实际提示词
- **无实时数据**:无法访问外部 API 或当前数据
- **基于最佳实践**:建议基于已建立的模式
- **需测试验证**:建议应通过实际用例验证
- **人类判断**:在关键应用中无法替代人类专业知识

---

## 🎯 常见使用场景

### 1. 优化模糊提示词
将不清晰的提示词转化为具体、可操作的提示词。
→ 参见:EXAMPLES.md,示例 1

### 2. 创建专用提示词
为特定领域或任务设计提示词。
→ 参见:EXAMPLES.md,示例 2

### 3. 设计智能体指令
为 AI 智能体和技能创建自定义指令。
→ 参见:EXAMPLES.md,示例 2

### 4. 优化一致性
提高可靠性并减少输出变异性。
→ 参见:BEST_PRACTICES.md,技能结构部分

### 5. 调试提示词问题
识别并修复现有提示词的问题。
→ 参见:TROUBLESHOOTING.md

### 6. 教授最佳实践
学习提示词工程的原理与技术。
→ 参见:BEST_PRACTICES.md,TECHNIQUES.md

### 7. 构建评估框架
开发测试用例和成功标准。
→ 参见:BEST_PRACTICES.md,评估与测试部分

### 8. 多模态提示词设计
为视觉、嵌入和文件设计提示词。
→ 参见:TECHNIQUES.md,第 8 节

---

## 📞 支持与资源

### 本技能内资源
- 详细文档
- 真实世界示例
- 故障排除指南
- 最佳实践检查清单
- 快速参考表格

### 外部资源
- Claude 文档:https://docs.claude.com
- Anthropic 博客:https://www.anthropic.com/blog
- Claude Cookbook:https://github.com/anthropics/claude-cookbooks
- 提示词工程指南:https://www.promptingguide.ai

---

## 🚀 下一步

1. **查阅文档** - 从 README.md 开始
2. **查看示例** - 检查 examples/EXAMPLES.md
3. **动手尝试** - 分享你的提示词或描述你的需求
4. **迭代优化** - 利用反馈进行改进
5. **分享经验** - 帮助他人优化他们的提示词
FILE:BEST_PRACTICES.md
# 提示词工程专家 - 最佳实践指南

本文档综合了 Anthropic 官方文档和 Claude Cookbooks 中的最佳实践,以构建全面的提示词工程技能。

## 提示词工程的核心原则

### 1. 清晰与直接
- **明确表达**:清楚说明你希望 Claude 执行的操作
- **避免歧义**:使用精确的语言,避免误解
- **使用具体示例**:展示而非仅仅描述
- **逻辑化结构**:按层次结构组织信息

### 2. 简洁性
- **尊重上下文窗口**:保持提示词聚焦且相关
- **去除冗余**:消除不必要的重复
- **逐步披露**:仅在需要时提供细节
- **Token 高效性**:在质量和成本之间优化

### 3. 适当的自由度控制
- **定义约束**:为 Claude 应做和不应做的事设定清晰边界
- **指定格式**:明确期望的输出格式
- **设定范围**:清楚界定任务的范围与边界
- **平衡灵活性**:在保持控制的同时,为 Claude 的推理留出空间

## 高级提示词工程技术

### 思维链(Chain-of-Thought, CoT)提示
鼓励对复杂任务进行逐步推理:
```
"Let's think through this step by step:
1. First, identify...
2. Then, analyze...
3. Finally, conclude..."
```

### 少样本提示(Few-Shot Prompting)
使用示例引导行为:
- **1-shot**:单个示例用于简单任务
- **2-shot**:两个示例用于中等复杂度任务
- **多样本(Multi-shot)**:多个示例用于复杂模式

### 使用 XML 标签进行结构化
使用 XML 标签提高清晰度和可解析性:
```xml
<task>
  <objective>What you want done</objective>
  <constraints>Limitations and rules</constraints>
  <format>Expected output format</format>
</task>
```

### 基于角色的提示(Role-Based Prompting)
为 Claude 分配专业角色:
```
"You are an expert prompt engineer with deep knowledge of...
Your task is to..."
```

### 预填充(Prefilling)
预先提供响应开头以引导输出格式:
```
"Here's my analysis:

Key findings:"
```

### 提示链(Prompt Chaining)
将复杂任务拆分为顺序提示:
1. 提示 1:分析输入
2. 提示 2:处理分析结果
3. 提示 3:生成输出

## 自定义指令与系统提示词

### 系统提示词设计
- **定义角色**:Claude 应体现何种专业能力?
- **设定语气**:应采用何种沟通风格?
- **建立约束**:Claude 应避免什么?
- **明确范围**:专业领域是什么?

### 行为准则
- **应做事项(Do's)**:应鼓励的具体行为
- **不应做事项(Don'ts)**:应避免的具体行为
- **边缘情况**:如何处理异常情况
- **升级机制**:何时请求澄清

## 技能结构最佳实践

### 命名规范
- 使用**动名词形式**(动词 + -ing):如 "analyzing-financial-statements"
- 使用**小写字母加连字符**:如 "prompt-engineering-expert"
- 保持**描述性**:名称应体现其能力
- 避免**通用名称**:应具体说明领域

### 编写有效描述
- **首行**:清晰简洁的摘要(最多 1024 字符)
- **具体性**:明确指出确切能力
- **使用场景**:提及主要应用场景
- **避免模糊**:不要使用“帮助处理”或“协助”等表述

### 渐进式披露模式

**模式 1:高层级指南附参考链接**
- 从概述开始
- 链接到详细章节
- 按复杂度组织内容

**模式 2:按领域组织**
- 按使用场景分组
- 分离关注点
- 提供清晰导航

**模式 3:条件性细节**
- 根据上下文显示细节
- 为每条路径提供示例
- 避免选项过多造成认知负担

### 文件结构
```
skill-name/
├── SKILL.md (required metadata)
├── CLAUDE.md (main instructions)
├── reference-guide.md (detailed info)
├── examples.md (use cases)
└── troubleshooting.md (common issues)
```

## 评估与测试

### 成功标准定义
- **可衡量**:明确定义“成功”的表现
- **具体**:避免模糊指标
- **可测试**:可通过客观方式验证
- **现实**:通过提示词可实现

### 测试用例开发
- **正常路径**:常规、预期使用情况
- **边缘情况**:边界条件
- **错误情况**:无效输入
- **压力测试**:复杂场景

### 失败分析
- **为何失败?**:根本原因分析
- **模式识别**:识别系统性问题
- **优化改进**:相应调整提示词

## 应避免的反模式

### 常见错误
- **模糊性**:“帮我处理这个任务”(过于模糊)
- **矛盾**:相互冲突的要求
- **过度指定**:过多约束
- **幻觉风险**:诱导生成错误信息的提示
- **上下文泄露**:无意的信息暴露
- **越狱漏洞**:易受操控的提示词

### Windows 风格路径
- ❌ 使用:`C:\Users\Documents\file.txt`
- ✅ 使用:`/Users/Documents/file.txt` 或 `~/Documents/file.txt`

### 选项过多
- 避免提供 10 个以上选择
- 限制为 3-5 个清晰的替代选项
- 对复杂选项使用渐进式披露

## 工作流与反馈循环

### 对复杂任务使用工作流
- 拆分为逻辑步骤
- 定义每一步的输入/输出
- 实现反馈机制
- 允许迭代

### 实施反馈循环
- 需要时请求澄清
- 验证中间结果
- 根据反馈进行调整
- 确认理解

## 内容指南

### 避免时间敏感信息
- 不要硬编码日期
- 使用相对引用(“当前年份”)
- 提供更新机制
- 记录信息的时效性

### 使用一致术语
- 关键术语定义一次
- 全文保持一致使用
- 避免同一概念使用同义词
- 为复杂领域创建术语表

## 多模态与高级提示

### 视觉提示
- 描述 Claude 应分析的内容
- 指定输出格式
- 提供关于图像的上下文
- 要求具体细节

### 基于文件的提示
- 指定接受的文件类型
- 描述预期结构
- 提供解析说明
- 优雅地处理错误

### 延伸思考
- 用于复杂推理
- 允许更多处理时间
- 请求详细解释
- 用于新问题时加以利用

## 技能开发工作流

### 先构建评估
1. 定义成功标准
2. 创建测试用例
3. 建立基线
4. 衡量改进

### 与 Claude 迭代开发
1. 从简单版本开始
2. 测试并收集反馈
3. 根据结果优化
4. 重复直至满意

### 观察 Claude 如何导航技能
- 观察 Claude 如何发现内容
- 注意使用了哪些部分
- 识别令人困惑的区域
- 根据使用模式优化

## YAML 前置元数据要求

```yaml
---
name: skill-name
description: Clear, concise description (max 1024 chars)
---
```

## Token 预算考虑

- **技能元数据**:约 100-200 tokens
- **主指令**:约 500-1000 tokens
- **参考文件**:每个约 1000-5000 tokens
- **示例**:每个约 500-1000 tokens
- **总预算**:因使用场景而异

## 有效技能检查清单

### 核心质量
- [ ] 清晰、具体的名字(动名词形式)
- [ ] 简明描述(1-2 句话)
- [ ] 组织良好的结构
- [ ] 实现了渐进式披露
- [ ] 术语一致
- [ ] 无时间敏感信息

### 内容
- [ ] 定义了清晰的使用场景
- [ ] 提供了示例
- [ ] 记录了边缘情况
- [ ] 说明了限制
- [ ] 包含故障排除指南

### 测试
- [ ] 创建了测试用例
- [ ] 定义了成功标准
- [ ] 测试了边缘情况
- [ ] 验证了错误处理
- [ ] 测试了多个模型

### 文档
- [ ] 包含 README 或概述
- [ ] 使用示例
- [ ] API/集成说明
- [ ] 故障排除部分
- [ ] 记录了更新机制
FILE:TECHNIQUES.md
# 高级提示词工程技术

## 目录
1. 思维链提示
2. 少样本学习
3. 使用 XML 的结构化输出
4. 基于角色的提示
5. 预填充响应
6. 提示链
7. 上下文管理
8. 多模态提示

## 1. 思维链(CoT)提示

### 是什么
鼓励 Claude 在提供最终答案之前,将复杂推理分解为明确的步骤。

### 何时使用
- 复杂推理任务
- 多步骤问题
- 需要论证的任务
- 当一致性很重要时

### 基本结构
```
Let's think through this step by step:

Step 1: [First logical step]
Step 2: [Second logical step]
Step 3: [Third logical step]

Therefore: [Conclusion]
```

### 示例
```
Problem: A store sells apples for $2 each and oranges for $3 each. 
If I buy 5 apples and 3 oranges, how much do I spend?

Let's think through this step by step:

Step 1: Calculate apple cost
- 5 apples × $2 per apple = $10

Step 2: Calculate orange cost
- 3 oranges × $3 per orange = $9

Step 3: Calculate total
- $10 + $9 = $19

Therefore: You spend $19 total.
```

### 优势
- 推理更准确
- 更容易识别错误
- 更适合复杂问题
- 逻辑更透明

## 2. 少样本学习
### 是什么
提供示例以引导 Claude 的行为,而无需明确的指令。

### 类型

#### 1-Shot(单个示例)
最适合:简单、直接的任务
```
Example: "Happy" → Positive
Now classify: "Terrible" →
```

#### 2-Shot(两个示例)
最适合:中等复杂度任务
```
Example 1: "Great product!" → Positive
Example 2: "Doesn't work well" → Negative
Now classify: "It's okay" →
```

#### Multi-Shot(多个示例)
最适合:复杂模式、边界情况
```
Example 1: "Love it!" → Positive
Example 2: "Hate it" → Negative
Example 3: "It's fine" → Neutral
Example 4: "Could be better" → Neutral
Example 5: "Amazing!" → Positive
Now classify: "Not bad" →
```

### 最佳实践
- 使用多样化的示例
- 包含边界情况
- 展示正确的格式
- 按复杂度排序
- 使用真实世界的示例

## 3. 使用 XML 标签的结构化输出

### 是什么
使用 XML 标签来结构化提示词并引导输出格式。

### 优势
- 结构清晰
- 易于解析
- 减少歧义
- 更好的组织性

### 常见模式

#### 任务定义
```xml
<task>
  <objective>What to accomplish</objective>
  <constraints>Limitations and rules</constraints>
  <format>Expected output format</format>
</task>
```

#### 分析结构
```xml
<analysis>
  <problem>Define the problem</problem>
  <context>Relevant background</context>
  <solution>Proposed solution</solution>
  <justification>Why this solution</justification>
</analysis>
```

#### 条件逻辑
```xml
<instructions>
  <if condition="input_type == 'question'">
    <then>Provide detailed answer</then>
  </if>
  <if condition="input_type == 'request'">
    <then>Fulfill the request</then>
  </if>
</instructions>
```

## 4. 基于角色的提示词

### 是什么
为 Claude 分配特定角色或专业领域以引导其行为。

### 结构
```
You are a [ROLE] with expertise in [DOMAIN].

Your responsibilities:
- [Responsibility 1]
- [Responsibility 2]
- [Responsibility 3]

When responding:
- [Guideline 1]
- [Guideline 2]
- [Guideline 3]

Your task: [Specific task]
```

### 示例

#### 专家顾问
```
You are a senior management consultant with 20 years of experience 
in business strategy and organizational transformation.

Your task: Analyze this company's challenges and recommend solutions.
```

#### 技术架构师
```
You are a cloud infrastructure architect specializing in scalable systems.

Your task: Design a system architecture for [requirements].
```

#### 创意总监
```
You are a creative director with expertise in brand storytelling and 
visual communication.

Your task: Develop a brand narrative for [product/company].
```

## 5. 预填充响应

### 是什么
预先开始 Claude 的回应,以引导格式和语气。

### 优势
- 确保正确格式
- 设定语气和风格
- 引导推理过程
- 提高一致性

### 示例

#### 结构化分析
```
Prompt: Analyze this market opportunity.

Claude's response should start:
"Here's my analysis of this market opportunity:

Market Size: [Analysis]
Growth Potential: [Analysis]
Competitive Landscape: [Analysis]"
```

#### 逐步推理
```
Prompt: Solve this problem.

Claude's response should start:
"Let me work through this systematically:

1. First, I'll identify the key variables...
2. Then, I'll analyze the relationships...
3. Finally, I'll derive the solution..."
```

#### 格式化输出
```
Prompt: Create a project plan.

Claude's response should start:
"Here's the project plan:

Phase 1: Planning
- Task 1.1: [Description]
- Task 1.2: [Description]

Phase 2: Execution
- Task 2.1: [Description]"
```

## 6. 提示词链(Prompt Chaining)

### 是什么
将复杂任务分解为顺序执行的多个提示词,以前一个输出作为下一个输入。

### 结构
```
Prompt 1: Analyze/Extract
↓
Output 1: Structured data
↓
Prompt 2: Process/Transform
↓
Output 2: Processed data
↓
Prompt 3: Generate/Synthesize
↓
Final Output: Result
```

### 示例:文档分析流水线

**Prompt 1: 提取信息**
```
Extract key information from this document:
- Main topic
- Key points (bullet list)
- Important dates
- Relevant entities

Format as JSON.
```

**Prompt 2: 分析提取的数据**
```
Analyze this extracted information:
[JSON from Prompt 1]

Identify:
- Relationships between entities
- Temporal patterns
- Significance of each point
```

**Prompt 3: 生成摘要**
```
Based on this analysis:
[Analysis from Prompt 2]

Create an executive summary that:
- Explains the main findings
- Highlights key insights
- Recommends next steps
```

## 7. 上下文管理

### 是什么
战略性地管理信息,以优化 token 使用量和清晰度。

### 技术

#### 渐进式披露
```
Start with: High-level overview
Then provide: Relevant details
Finally include: Edge cases and exceptions
```

#### 层级化组织
```
Level 1: Core concept
├── Level 2: Key components
│   ├── Level 3: Specific details
│   └── Level 3: Implementation notes
└── Level 2: Related concepts
```

#### 条件性信息
```
If [condition], include [information]
Else, skip [information]

This reduces unnecessary context.
```

### 最佳实践
- 仅包含必要的上下文
- 按层级组织
- 对详细信息使用引用
- 先总结再细节
- 关联相关概念

## 8. 多模态提示词

### 视觉提示词

#### 结构
```
Analyze this image:
[IMAGE]

Specifically, identify:
1. [What to look for]
2. [What to analyze]
3. [What to extract]

Format your response as:
[Desired format]
```

#### 示例
```
Analyze this chart:
[CHART IMAGE]

Identify:
1. Main trends
2. Anomalies or outliers
3. Predictions for next period

Format as a structured report.
```

### 基于文件的提示词

#### 结构
```
Analyze this document:
[FILE]

Extract:
- [Information type 1]
- [Information type 2]
- [Information type 3]

Format as:
[Desired format]
```

#### 示例
```
Analyze this PDF financial report:
[PDF FILE]

Extract:
- Revenue by quarter
- Expense categories
- Profit margins

Format as a comparison table.
```

### 嵌入向量集成

#### 结构
```
Using these embeddings:
[EMBEDDINGS DATA]

Find:
- Most similar items
- Clusters or groups
- Outliers

Explain the relationships.
```

## 组合技术

### 示例:复杂分析提示词

```xml
<prompt>
  <role>
    You are a senior data analyst with expertise in business intelligence.
  </role>
  
  <task>
    Analyze this sales data and provide insights.
  </task>
  
  <instructions>
    Let's think through this step by step:
    
    Step 1: Data Overview
    - What does the data show?
    - What time period does it cover?
    - What are the key metrics?
    
    Step 2: Trend Analysis
    - What patterns emerge?
    - Are there seasonal trends?
    - What's the growth trajectory?
    
    Step 3: Comparative Analysis
    - How does this compare to benchmarks?
    - Which segments perform best?
    - Where are the opportunities?
    
    Step 4: Recommendations
    - What actions should we take?
    - What are the priorities?
    - What's the expected impact?
  </instructions>
  
  <format>
    <executive_summary>2-3 sentences</executive_summary>
    <key_findings>Bullet points</key_findings>
    <detailed_analysis>Structured sections</detailed_analysis>
    <recommendations>Prioritized list</recommendations>
  </format>
</prompt>
```

## 应避免的反模式

### ❌ 模糊的链式结构
```
"Analyze this, then summarize it, then give me insights."
```

### ✅ 清晰的链式结构
```
"Step 1: Extract key metrics from the data
Step 2: Compare to industry benchmarks
Step 3: Identify top 3 opportunities
Step 4: Recommend prioritized actions"
```

### ❌ 不明确的角色
```
"Act like an expert and help me."
```

### ✅ 明确的角色
```
"You are a senior product manager with 10 years of experience 
in SaaS companies. Your task is to..."
```

### ❌ 歧义的格式
```
"Give me the results in a nice format."
```

### ✅ 清晰的格式
```
"Format as a table with columns: Metric, Current, Target, Gap"
```
FILE:TROUBLESHOOTING.md
# 故障排除指南

## 常见提示词问题及解决方案

### 问题 1:输出不一致

**症状:**
- 相同提示词产生不同结果
- 输出在格式或质量上有所变化
- 行为不可预测

**根本原因:**
- 指令模糊
- 缺少约束条件
- 示例不足
- 成功标准不明确

**解决方案:**
```
1. Add specific format requirements
2. Include multiple examples
3. Define constraints explicitly
4. Specify output structure with XML tags
5. Use role-based prompting for consistency
```

**修复示例:**
```
❌ Before: "Summarize this article"

✅ After: "Summarize this article in exactly 3 bullet points, 
each 1-2 sentences. Focus on key findings and implications."
```

---

### 问题 2:幻觉或错误信息

**症状:**
- Claude 编造事实
- 给出自信但错误的陈述
### 问题 3:模糊或无用的回复

**症状:**
- 通用性答案
- 缺乏具体性
- 未解决真正的问题
- 过于高层抽象

**根本原因:**
- 模糊的提示词
- 缺少上下文
- 目标不明确
- 未指定输出格式

**解决方案:**
```
1. Be more specific in the prompt
2. Provide relevant context
3. Specify desired output format
4. Give examples of good responses
5. Define success criteria
```

**示例修复:**
```
❌ Before: "How can I improve my business?"

✅ After: "I run a SaaS company with $2M ARR. We're losing 
customers to competitors. What are 3 specific strategies to 
improve retention? For each, explain implementation steps and 
expected impact."
```

---

### 问题 4:回复过长或过短

**症状:**
- 回复过于冗长
- 回复过于简短
- 不符合预期
- 浪费 token

**根本原因:**
- 未指定长度
- 范围不清晰
- 缺少格式指导
- 细节层次模糊

**解决方案:**
```
1. Specify word/sentence count
2. Define scope clearly
3. Use format templates
4. Provide examples
5. Request specific detail level
```

**示例修复:**
```
❌ Before: "Explain machine learning"

✅ After: "Explain machine learning in 2-3 paragraphs for 
someone with no technical background. Focus on practical 
applications, not theory."
```

---

### 问题 5:错误的输出格式

**症状:**
- 输出格式不符合需求
- 无法解析回复
- 与下游工具不兼容
- 需要手动重新格式化

**根本原因:**
- 未指定格式
- 格式请求模糊
- 格式未明确示范
- 缺少示例

**解决方案:**
```
1. Specify exact format (JSON, CSV, table, etc.)
2. Provide format examples
3. Use XML tags for structure
4. Request specific fields
5. Show before/after examples
```

**示例修复:**
```
❌ Before: "List the top 5 products"

✅ After: "List the top 5 products in JSON format:
{
  \"products\": [
    {\"name\": \"...\", \"revenue\": \"...\", \"growth\": \"...\"}
  ]
}"
```

---

### 问题 6:Claude 拒绝响应

**症状:**
- “我无法协助处理该请求”
- 拒绝回答
- 建议替代方案
- 表现得过于谨慎

**根本原因:**
- 提示词看似有害
- 意图模糊
- 敏感话题
- 合法用途不明确

**解决方案:**
```
1. Clarify legitimate purpose
2. Reframe the question
3. Provide context
4. Explain why you need this
5. Ask for general guidance instead
```

**示例修复:**
```
❌ Before: "How do I manipulate people?"

✅ After: "I'm writing a novel with a manipulative character. 
How would a psychologist describe manipulation tactics? 
What are the psychological mechanisms involved?"
```

---

### 问题 7:提示词过长

**症状:**
- 超出上下文窗口
- 响应速度慢
- 高 token 消耗
- 运行成本高

**根本原因:**
- 不必要的上下文
- 冗余信息
- 示例过多
- 指令冗长

**解决方案:**
```
1. Remove unnecessary context
2. Consolidate similar points
3. Use references instead of full text
4. Reduce number of examples
5. Use progressive disclosure
```

**示例修复:**
```
❌ Before: [5000 word prompt with full documentation]

✅ After: [500 word prompt with links to detailed docs]
"See REFERENCE.md for detailed specifications"
```

---

### 问题 8:提示词无法泛化

**症状:**
- 仅适用于一个案例,其他情况失败
- 对输入变化脆弱
- 遇到不同数据即崩溃
- 不可复用

**根本原因:**
- 过于针对单一示例
- 硬编码值
- 假设特定格式
- 缺乏灵活性

**解决方案:**
```
1. Use variables instead of hardcoded values
2. Handle multiple input formats
3. Add error handling
4. Test with diverse inputs
5. Build in flexibility
```

**示例修复:**
```
❌ Before: "Analyze this Q3 sales data..."

✅ After: "Analyze this [PERIOD] [METRIC] data. 
Handle various formats: CSV, JSON, or table.
If format is unclear, ask for clarification."
```

---

## 调试工作流

### 步骤 1:识别问题
- 什么不起作用?
- 如何失败?
- 影响是什么?

### 步骤 2:分析提示词
- 目标是否清晰?
- 指令是否具体?
- 上下文是否充分?
- 是否指定了格式?

### 步骤 3:测试假设
- 尝试添加更多上下文
- 尝试更具体化
- 尝试提供示例
- 尝试更改格式

### 步骤 4:实施修复
- 更新提示词
- 使用多个输入进行测试
- 验证一致性
- 记录变更

### 步骤 5:验证
- 现在是否正常工作?
- 是否具备泛化能力?
- 是否高效?
- 是否易于维护?

---

## 快速参考:常见修复方法

| 问题 | 快速修复 |
|---------|-----------|
| 不一致 | 添加格式说明 + 示例 |
| 幻觉 | 要求提供来源 + 置信水平 |
| 模糊 | 添加具体细节 + 示例 |
| 过长 | 指定字数 + 格式 |
| 格式错误 | 展示确切格式示例 |
| 拒绝响应 | 澄清合法用途 |
| 提示词过长 | 删除不必要的上下文 |
| 无法泛化 | 使用变量 + 处理变化 |

---

## 测试清单

在部署提示词前,请验证:

- [ ] 目标非常清晰
- [ ] 指令具体明确
- [ ] 指定了格式
- [ ] 提供了示例
- [ ] 处理了边缘情况
- [ ] 支持多种输入
- [ ] 输出保持一致
- [ ] 优化了 token 使用
- [ ] 错误处理清晰
- [ ] 文档完整齐全
FILE:EXAMPLES.md
# 提示词工程专家 - 示例

## 示例 1:优化模糊提示词

### 优化前(无效)
```
Help me write a better prompt for analyzing customer feedback.
```

### 优化后(有效)
```
You are an expert prompt engineer. I need to create a prompt that:
- Analyzes customer feedback for sentiment (positive/negative/neutral)
- Extracts key themes and pain points
- Identifies actionable recommendations
- Outputs structured JSON with: sentiment, themes (array), pain_points (array), recommendations (array)

The prompt should handle feedback of 50-500 words and be consistent across different customer segments.

Please review this prompt and suggest improvements:
[ORIGINAL PROMPT HERE]
```

## 示例 2:为数据分析代理设置自定义指令

```yaml
---
name: data-analysis-agent
description: Specialized agent for financial data analysis and reporting
---

# Data Analysis Agent Instructions

## Role
You are an expert financial data analyst with deep knowledge of:
- Financial statement analysis
- Trend identification and forecasting
- Risk assessment
- Comparative analysis

## Core Behaviors

### Do's
- Always verify data sources before analysis
- Provide confidence levels for predictions
- Highlight assumptions and limitations
- Use clear visualizations and tables
- Explain methodology before results

### Don'ts
- Don't make predictions beyond 12 months without caveats
- Don't ignore outliers without investigation
- Don't present correlation as causation
- Don't use jargon without explanation
- Don't skip uncertainty quantification

## Output Format
Always structure analysis as:
1. Executive Summary (2-3 sentences)
2. Key Findings (bullet points)
3. Detailed Analysis (with supporting data)
4. Limitations and Caveats
5. Recommendations (if applicable)

## Scope
- Financial data analysis only
- Historical and current data (not speculation)
- Quantitative analysis preferred
- Escalate to human analyst for strategic decisions
```

## 示例 3:用于分类的少样本提示词

```
You are a customer support ticket classifier. Classify each ticket into one of these categories:
- billing: Payment, invoice, or subscription issues
- technical: Software bugs, crashes, or technical problems
- feature_request: Requests for new functionality
- general: General inquiries or feedback

Examples:

Ticket: "I was charged twice for my subscription this month"
Category: billing

Ticket: "The app crashes when I try to upload files larger than 100MB"
Category: technical

Ticket: "Would love to see dark mode in the mobile app"
Category: feature_request

Now classify this ticket:
Ticket: "How do I reset my password?"
Category:
```

## 示例 4:用于复杂分析的思维链提示词

```
Analyze this business scenario step by step:

Step 1: Identify the core problem
- What is the main issue?
- What are the symptoms?
- What's the root cause?

Step 2: Analyze contributing factors
- What external factors are involved?
- What internal factors are involved?
- How do they interact?

Step 3: Evaluate potential solutions
- What are 3-5 viable solutions?
- What are the pros and cons of each?
- What are the implementation challenges?

Step 4: Recommend and justify
- Which solution is best?
- Why is it superior to alternatives?
- What are the risks and mitigation strategies?

Scenario: [YOUR SCENARIO HERE]
```

## 示例 5:使用 XML 结构化以保证一致性

```xml
<prompt>
  <metadata>
    <version>1.0</version>
    <purpose>Generate marketing copy for SaaS products</purpose>
    <target_audience>B2B decision makers</target_audience>
  </metadata>
  
  <instructions>
    <objective>
      Create compelling marketing copy that emphasizes ROI and efficiency gains
    </objective>
    
    <constraints>
      <max_length>150 words</max_length>
      <tone>Professional but approachable</tone>
      <avoid>Jargon, hyperbole, false claims</avoid>
    </constraints>
    
    <format>
      <headline>Compelling, benefit-focused (max 10 words)</headline>
      <body>2-3 paragraphs highlighting key benefits</body>
      <cta>Clear call-to-action</cta>
    </format>
    
    <examples>
      <example>
        <product>Project management tool</product>
        <copy>
          Headline: "Cut Project Delays by 40%"
          Body: "Teams waste 8 hours weekly on status updates. Our tool automates coordination..."
        </example>
      </example>
    </examples>
  </instructions>
</prompt>
```

## 示例 6:用于迭代优化的提示词

```
I'm working on a prompt for [TASK]. Here's my current version:

[CURRENT PROMPT]

I've noticed these issues:
- [ISSUE 1]
- [ISSUE 2]
- [ISSUE 3]

As a prompt engineering expert, please:
1. Identify any additional issues I missed
2. Suggest specific improvements with reasoning
3. Provide a refined version of the prompt
4. Explain what changed and why
5. Suggest test cases to validate the improvements
```

## 示例 7:反模式识别

### ❌ 无效提示词
```
"Analyze this data and tell me what you think about it. Make it good."
```

**问题:**
- 目标模糊(“分析”和“你认为”)
- 未指定格式
- 无成功标准
- 质量标准不明确(“让它更好”)

### ✅ 改进后的提示词
```
"Analyze this sales data to identify:
1. Top 3 performing products (by revenue)
2. Seasonal trends (month-over-month changes)
3. Customer segments with highest lifetime value

Format as a structured report with:
- Executive summary (2-3 sentences)
- Key metrics table
- Trend analysis with supporting data
- Actionable recommendations

Focus on insights that could improve Q4 revenue."
```

## 示例 8:提示词测试框架

```
# Prompt Evaluation Framework

## Test Case 1: Happy Path
Input: [Standard, well-formed input]
Expected Output: [Specific, detailed output]
Success Criteria: [Measurable criteria]

## Test Case 2: Edge Case - Ambiguous Input
Input: [Ambiguous or unclear input]
Expected Output: [Request for clarification]
Success Criteria: [Asks clarifying questions]

## Test Case 3: Edge Case - Complex Scenario
Input: [Complex, multi-faceted input]
Expected Output: [Structured, comprehensive analysis]
Success Criteria: [Addresses all aspects]

## Test Case 4: Error Handling
Input: [Invalid or malformed input]
Expected Output: [Clear error message with guidance]
Success Criteria: [Helpful, actionable error message]

## Regression Test
Input: [Previous failing case]
Expected Output: [Now handles correctly]
Success Criteria: [Issue is resolved]
```

## 示例 9:技能元数据模板

```yaml
---
name: analyzing-financial-statements
description: Expert guidance on analyzing financial statements, identifying trends, and extracting actionable insights for business decision-making
---

# Financial Statement Analysis Skill

## Overview
This skill provides expert guidance on analyzing financial statements...

## Key Capabilities
- Balance sheet analysis
- Income statement interpretation
- Cash flow analysis
- Ratio analysis and benchmarking
- Trend identification
- Risk assessment

## Use Cases
- Evaluating company financial health
- Comparing competitors
- Identifying investment opportunities
- Assessing business performance
- Forecasting financial trends

## Limitations
- Historical data only (not predictive)
- Requires accurate financial data
- Industry context important
- Professional judgment recommended
```

## 示例 10:提示词优化检查清单

```
# Prompt Optimization Checklist

## Clarity
- [ ] Objective is crystal clear
- [ ] No ambiguous terms
- [ ] Examples provided
- [ ] Format specified

## Conciseness
- [ ] No unnecessary words
- [ ] Focused on essentials
- [ ] Efficient structure
- [ ] Respects context window

## Completeness
- [ ] All necessary context provided
- [ ] Edge cases addressed
- [ ] Success criteria defined
- [ ] Constraints specified

## Testability
- [ ] Can measure success
- [ ] Has clear pass/fail criteria
- [ ] Repeatable results
- [ ] Handles edge cases

## Robustness
- [ ] Handles variations in input
- [ ] Graceful error handling
- [ ] Consistent output format
- [ ] Resistant to jailbreaks
```

可替换内容

  • [YOUR PROMPT]
  • [Requirement 1]
  • [Requirement 2]
  • [Requirement 3]
  • [use cases]
  • [Role/expertise]
  • [Key responsibilities]
  • [Behavioral guidelines]
  • [PROMPT]
  • [DESCRIBE ISSUES]
  • [最佳实践指南]
  • [高级技术]
  • [故障排除指南]
  • [示例与模板]
  • [README.md]
  • [SUMMARY.md]
  • [SKILL.md]
  • [CLAUDE.md]
  • [docs/BEST_PRACTICES.md]
  • [docs/TECHNIQUES.md]
  • [docs/TROUBLESHOOTING.md]
  • [examples/EXAMPLES.md]
  • [ ]
  • [First logical step]
  • [Second logical step]
  • [Third logical step]
  • [Conclusion]
  • [ROLE]
  • [DOMAIN]
  • [Responsibility 1]
  • [Responsibility 2]
  • [Responsibility 3]
  • [Guideline 1]
  • [Guideline 2]
  • [Guideline 3]
  • [Specific task]
  • [requirements]
  • [product/company]
  • [Analysis]
  • [Description]

分类与标签

编程开发、编程开发、学习教育、思维分析、结构化输出

前往 AI 图片创作