控制台提示词工具

Claude 控制台提供了一套工具，帮助您构建和完善提示词。本页按照您通常使用的顺序介绍它们：生成初稿、添加模板和变量，然后改进现有提示词。

提示词生成器

Note

提示词生成器与所有 Claude 模型兼容，包括具有扩展思考能力的模型。有关扩展思考模型的特定提示词技巧，请参阅扩展思考提示词技巧。

有时，使用 AI 模型最困难的部分是弄清楚如何有效地提示它。提示词生成器引导 Claude 创建针对您特定任务的高质量提示词模板，遵循我们的许多提示词工程最佳实践。

提示词生成器对于解决"空白页问题"特别有用——它为您提供了一个进一步测试和迭代的起点。

Tip

现在就在控制台上试试提示词生成器。

如果您有兴趣分析底层提示词和架构，请查看我们的提示词生成器 Google Colab 笔记本。要运行 Colab 笔记本，您需要一个 API 密钥。

提示词模板和变量

在使用 Claude 部署基于 LLM 的应用程序时，您的 API 调用通常包含两种类型的内容：

固定内容： 在多次交互中保持不变的静态指令或上下文
变量内容： 随每次请求或对话变化的动态元素，例如：
- 用户输入
- 检索增强生成 (RAG) 的检索内容
- 对话上下文，如用户账户历史
- 系统生成的数据，如从其他独立 Claude 调用传入的工具使用结果

提示词模板将这些固定和可变部分组合在一起，使用占位符表示动态内容。在 Claude 控制台中，这些占位符用 {{双括号}} 表示，使其易于识别并允许快速测试不同的值。

当您预期提示词的任何部分将在另一次 Claude 调用中重复时（通过 API 或 Claude 控制台。claude.ai 目前不支持提示词模板或变量），应使用提示词模板和变量。

提示词模板提供以下好处：

一致性： 确保您的提示词在多次交互中保持一致的结构
效率： 轻松替换变量内容而无需重写整个提示词
可测试性： 通过仅更改变量部分来快速测试不同的输入和边缘情况
可扩展性： 随着应用程序复杂性的增长简化提示词管理
版本控制： 通过仅跟踪提示词的核心部分（与动态输入分开）来轻松跟踪提示词结构随时间的变化

控制台使用提示词模板和变量来驱动其工具：

提示词生成器： 决定您的提示词需要哪些变量，并将其包含在输出的模板中
提示词改进器： 接收您现有的模板（包括所有变量），并在输出的改进模板中维护它们
评估工具： 通过将提示词模板的可变和固定部分分开，让您轻松测试、扩展和跟踪提示词版本

示例提示词模板

考虑一个将英文文本翻译为西班牙文的简单应用程序。翻译的文本将是可变的，因为它在用户或 Claude 调用之间会发生变化。您可以使用以下提示词模板：

Translate this text from English to Spanish: {{text}}

Tip

要提升您的提示词变量，请将它们包装在 XML 标签中以获得更清晰的结构。

提示词改进器

Note

提示词改进器与所有 Claude 模型兼容，包括具有扩展思考能力的模型。有关扩展思考模型的特定提示词技巧，请参阅扩展思考提示词技巧。

提示词改进器通过自动分析和增强帮助您快速迭代和改进提示词。它擅长使提示词对于需要高准确性的复杂任务更加健壮。

开始之前

您需要：

提示词模板（请参阅上面的提示词模板和变量）
关于 Claude 当前输出问题的反馈（可选但推荐）
示例输入和理想输出（可选但推荐）

提示词改进器的工作原理

提示词改进器通过 4 个步骤增强您的提示词：

示例识别：从您的提示词模板中定位和提取示例
初稿：创建带有清晰部分和 XML 标签的结构化模板
思维链改进：添加和改进详细的推理指令
示例增强：更新示例以展示新的推理过程

您可以在改进模态框中实时观看这些步骤的发生。

您将获得什么

提示词改进器生成的模板包含：

详细的思维链指令，指导 Claude 的推理过程并通常提高其性能
使用 XML 标签清晰组织不同组件
标准化的示例格式，展示从输入到输出的逐步推理
引导 Claude 初始响应的策略性预填充

Note

虽然示例在工作台 UI 中单独显示，但在实际 API 调用中，它们被包含在第一条用户消息的开头。通过点击"</> Get Code"查看原始格式，或通过示例框以原始文本形式插入示例。

如何使用提示词改进器

提交您的提示词模板
添加关于 Claude 当前输出问题的任何反馈（例如，"摘要对专家受众来说太基础了"）
包含示例输入和理想输出
审查改进后的提示词

生成测试示例

还没有示例？使用测试用例生成器来：

生成样本输入
获取 Claude 的响应
编辑响应以匹配您的理想输出
将精炼的示例添加到您的提示词中

何时使用提示词改进器

提示词改进器最适合：

需要详细推理的复杂任务
准确性比速度更重要的情况
Claude 当前输出需要显著改进的问题

Note

对于延迟或成本敏感的应用程序，请考虑使用更简单的提示词。提示词改进器创建的模板会产生更长、更彻底但更慢的响应。

改进示例

以下是提示词改进器如何增强基本分类提示词：

原始提示词

From the following list of Wikipedia article titles, identify which article this sentence came from.
Respond with just the article title and nothing else.

Article titles:
{{titles}}

Sentence to classify:
{{sentence}}

改进后的提示词

You are an intelligent text classification system specialized in matching sentences to Wikipedia article titles. Your task is to identify which Wikipedia article a given sentence most likely belongs to, based on a provided list of article titles.

First, review the following list of Wikipedia article titles:
<article_titles>
{{titles}}
</article_titles>

Now, consider this sentence that needs to be classified:
<sentence_to_classify>
{{sentence}}
</sentence_to_classify>

Your goal is to determine which article title from the provided list best matches the given sentence. Follow these steps:

1. List the key concepts from the sentence
2. Compare each key concept with the article titles
3. Rank the top 3 most relevant titles and explain why they are relevant
4. Select the most appropriate article title that best encompasses or relates to the sentence's content

Wrap your analysis in <analysis> tags. Include the following:
- List of key concepts from the sentence
- Comparison of each key concept with the article titles
- Ranking of top 3 most relevant titles with explanations
- Your final choice and reasoning

After your analysis, provide your final answer: the single most appropriate Wikipedia article title from the list.

Output only the chosen article title, without any additional text or explanation.

注意改进后的提示词如何：