Anthropic 提示工程教程：交互练习 Claude 提示设计

交互练习让提示差异变得可见

Anthropic 的开源教程以课程和练习组织提示工程，不只是罗列技巧。学习者会看到一个不够清楚的提示，修改其中的任务、角色、示例或约束，再比较 Claude 输出变化。这种方式很适合把“感觉更好”转成可以解释的改进。

项目托管在 GitHub，既方便查看课程文件，也能了解最近更新。开始前确认教程要求的环境和 API 方式；只想理解方法时，也可以阅读练习并在 Claude 网页版手动测试，不必为了完成课程马上搭建复杂项目。

练习时建立自己的对照记录

每道练习先保留原提示和第一次输出，再写下你认为的问题。修改后不要只看语气是否顺眼，还要检查遗漏、事实、格式和拒答边界。对照记录会成为以后设计业务提示的真实资料。

• 一次只改变一个提示要素，避免无法归因；
• 使用不同长度和难度的输入重复测试；
• 把错误样例改写成明确的限制或示例；
• 课程完成后，用自己的任务重做最后一轮。

Claude 的特点不能替代通用原则

教程面向 Anthropic 模型，因此某些示例和措辞会针对 Claude。任务定义、上下文分隔、示例质量与输出验证等原则可以迁移到其他模型，但具体表现不能直接照搬。跨模型比较时应使用相同输入和评分标准。

需要处理长文档时，可参考站内的 Claude AI 条目了解网页端入口。上传真实文件前先去除账号、客户和内部密钥，练习环境同样不应使用未经授权的数据。

从课程过渡到可维护模板

学完后把常用提示拆成系统要求、任务模板、示例和评估集，分别保存。这样模型更新或业务变化时，只需替换受影响的部分，而不是重新复制一段无法解释的长提示。

教程能缩短试错路径，但生产应用还需要异常处理、权限控制和持续评估。完成练习只是知道怎样表达任务，距离稳定服务仍有数据、工程和运营工作。