有效利用 Claude 技能的 Prompt 範例
更新於 2025年10月17日
6 分鐘
簡介：透過更佳的 Prompt 解鎖 Claude 的真正超能力
如果您曾認為「Claude 不錯，但不太穩定」，問題幾乎都不是 Claude 本身，而是 Prompt。透過適當的結構，Claude 可以進行深入的推理、遵循約束、輸出清晰的 JSON、協調工具，甚至可以在您看到結果之前批判自己的工作。Anthropic 自己的指南強調給予 Claude 思考空間，並使用明確的約束來提高準確性和推理品質。本文分享了您可以複製、修改和發布的實用 Prompt 範本。
樣式說明：本指南採用實用且以解決方案為導向的方法——簡短的介紹、具體的模式和複製貼上範例。
本指南的結構
- 10 種最有用的 Claude Prompt 模式，每種模式都包含：
- 何時使用
- 可直接複製的範本
- 額外提示和陷阱
- 真實世界的用例和變體
- 一個結尾清單，以便您可以快速將這些調整到您的技術堆疊中
- 提升推理能力：讓 Claude 在護欄內思考 何時使用：複雜分析、多步驟規劃或非簡單的問題解決。
範本：具有可見性控制的「先思考，後回答」
系統/指令：
您是一位謹慎、逐步推理的人。首先，靜默地透過一個編號的計畫來思考這個問題。然後在一個名為「Final」的獨立標題下產生一個簡潔的最終答案。
使用者 Prompt：
任務：{task}。如果您無法接受長時間的中間推理，請要求一個簡短的計畫，而不是完整的 CoT，並保持「Final」的簡潔。
陷阱：不要在生產日誌中要求詳盡的內部想法；請求計畫、子步驟或要點理由，而不是逐字逐句的連鎖思考。
- 結構化輸出：JSON Schema 的準確性 何時使用：整合、自動化、分析，或當下游系統解析結果時。
範本：具有 Schema 和範例的 JSON 優先
指令：
僅輸出 JSON。沒有散文。請完全遵循此 Schema。
{
"title": "string",
"priority": "low|medium|high",
"due_date": "YYYY-MM-DD",
"tasks": {tasks}。在支援工具/函式呼叫的平台上，JSON 的可靠性可以更強。
- 角色 + 評分標準：使品質可衡量 何時使用：內容生成、程式碼審查、編輯 QA 或評分。
範本：角色、評分標準和通過/失敗閘門
指令：
角色：您是一位資深技術編輯。
評分標準（每項 0-5 分）：
- 1) 準確性、2) 清晰度、3) 結構、4) 證據、5) 可操作性。 任務：審查草稿。首先，為每個評分標準項目評分，並提供簡短的理由。然後提供一個修改後的版本，以提高較弱的分數。修訂稿件保持在 600 字以下。
提示：評分標準使「品質」變得明確，從而提高了一致性並減少了幻覺。Anthropic 指出，結構良好的指令和清晰的評估標準有助於 Claude 自我修正。
- 少量樣本精確度：透過範例進行教學 何時使用：樣式匹配、分類、提取或轉換。
範本：模式化的少量樣本 + 反例
指令：
您將產品評論轉換為具有簡短證據引述的結構化情感。
範例：
輸入：「電池續航一整天。相機很普通。」
輸出：{"sentiment":"mixed","pros": {pros}。
- 以工具為導向的 Prompt：讓 Claude 協調步驟 何時使用：多模式工作流程、檢索、網路呼叫或任何超出文字生成的操作。
範本：自然的協調簡報
指令：
您可以呼叫可用的工具，前提是它們能實質性地改進答案。在呼叫任何工具之前，請說明您要填補的具體差距。呼叫後，總結證據並引用來源。如果不需要工具，請直接進行推理和 Final。
提示：Anthropic 建議清楚地描述可用的工具，並讓 Claude 自然地委派，而不是強迫執行死板的順序。現代運行時支援具有明確合約和多態定義的多種類型工具。
- 安全性和約束：保持輸出符合策略 何時使用：面向公眾的功能、品牌敏感內容、受監管的領域。
範本：約束優先的指令
指令：
嚴格遵守以下約束：不得洩露 PII、不得提供超出一般資訊的醫療/法律/財務建議、拒絕不安全的要求，並引用斷言的來源。如果不確定，請在繼續之前提出一個澄清問題。
提示：明確的安全界限符合 Claude 的憲法方法，並減少了不符合策略的輸出，同時仍然能夠進行有用的推理。
- 規劃者 → 執行者：兩階段執行 何時使用：規劃和執行應分開的複雜任務。
範本：先計畫，後執行
指令：
第一階段（計畫）：提出一個包含依賴關係、風險和預期輸出的逐步計畫。要求我確認或編輯。
第二階段（執行）：執行已批准的計畫。如果您發現新的約束，請暫停並在偏離之前請求批准。
提示：將計畫與執行分開可以反映人類的工作流程，並防止過早地投入到有缺陷的方法中。
- 蘇格拉底式澄清：先詢問再行動 何時使用：模糊的需求、不明確的目標或遺失的資料。
範本：問題優先閘門
指令：
如果任務不明確，請提出最多 5 個可以最大限度提高下游準確性的澄清問題。如果明確，則繼續。始終解釋每個問題的重要性。
其運作原理：Claude 非常擅長作為對話夥伴；提示它提出有針對性的問題可以解鎖更好的結果，並符合其對話優勢。
- 風格轉換和聲音匹配 何時使用：品牌文案、高階主管溝通或以特定語氣重寫。
範本：風格矩陣 + 護欄
指令：
目標風格：{target style}。
- 它們強制執行結構和約束，從而提高了可靠性和評估。
- 它們鼓勵迭代的自我修正和除錯，從而提高了程式碼和內容的實際品質。
- 它們將少量樣本範例和反例配對，以收緊行為邊界。
實際情境和可直接使用的 Prompt
- 市場研究綜合 指令： 將 5 個競爭對手頁面總結為一份 300 字的簡報，其中包含功能與定價矩陣。提供 5 個帶有連結的來源引述，然後是一個建議的 Final 部分。如果證據不足，請明確說明。
- 大規模的銷售電子郵件個人化 指令： 給定一個 LinkedIn 個人簡介和公司網站簡介，產生一個 75 字的電子郵件草稿，其中包含一個 10 字的主題行、1 個個人化的鉤子和 1 個可信度證明點。以 JSON 格式傳回，包含欄位：subject、opener、body、CTA。
- 分析 QA 指令： 給定一個儀表板螢幕截圖和指標詞彙表，識別 3 個異常情況，並提出每個異常情況的 3 個診斷步驟。如果在回答之前需要遺失的維度，請提出要求。
- 政策草擬 指令： 草擬一份簡潔的政策，分為 6 個部分：目的、範圍、定義、政策、例外情況、執行。最後添加一個 6 點的「這在實踐中的意義」部分。避免法律術語。
- 設計評論 指令： 充當 UX 研究人員。根據 8 個啟發法（Nielsen）評論行動結帳流程。提供 10 個按嚴重程度排序的問題，以及具體的修復方法和預期影響。
順帶一提：值得一提的是，對於跨多個模型和工作流程工作的團隊——Sider.AI 定期發布高級 Prompt 策略和藍圖，您可以快速地將其應用於各種用例，包括自我除錯迴圈和生產級範本。當您想要現成的模式而無需重新發明輪子時，它會非常方便。
發送前的快速檢查清單
- 您是否指定了角色、目標、約束和成功標準？
- 輸出格式是否明確，最好使用 Schema 和範例？
- 您是否要求 Claude 在產生 Final 之前簡要地計畫？
- 是否有針對安全性、引用和未知數的護欄？
- 是否有用於品質的自我檢查或評分標準？
- 您是否在複雜任務上將計畫與執行分開？
主要要點
- 結構勝於長度：簡短、精確的約束優於冗長、模糊的 Prompt。
- 讓 Claude 思考，但要加以限制：計畫和自我檢查可以提高準確性，而不會造成臃腫。
- 展示，不要告訴：少量樣本範例和反例可以快速校準行為。
- 像對待產品一樣對待 Prompt：添加評分標準、失敗模式和變更日誌，以達到生產可靠性。
- 在整合到系統中時，使用工具協調和 Schema 優先的輸出。
常見問題
Q1：有哪些最佳 Prompt 範例可以利用 Claude 的推理技能？
使用計畫優先的 Prompt、評分標準和自我除錯迴圈。要求 Claude 概述步驟、檢查假設，並在約束條件下呈現簡潔的 Final 答案。
Q2：如何讓 Claude 可靠地輸出清晰的 JSON？
指定一個嚴格的 Schema，提供一個正面和負面範例，並指示 Claude 拒絕未知的欄位。當您的運行時支援它們時，請考慮工具/函式 Schema。
Q3：我應該將連鎖思考 Prompt 與 Claude 一起使用嗎？
對於複雜的任務，是的，但要控制可見性和長度。如果您無法處理長時間的中間推理，請要求簡短的計畫或要點理由。
Q4：如何減少 Claude 回應中的幻覺？
設定證據要求、禁止捏造的事實，並要求提供信心標籤。在 Final 答案之前添加評分標準和自我檢查步驟。
Q5：對於使用 Claude 執行複雜的多步驟任務，什麼是好的模式？
使用兩階段的「計畫 → 執行」Prompt。首先批准計畫，然後執行，並在約束條件發生變化時設定檢查點和明確的偏差。
