今天分享一个怎么写 Prompt 的教程。我可以确定，这是目前最好的 Prompt 保姆级实操指南，因为它的内容来自 Anthropic 团队的一次分享。 虽然现在谈 Prompt 好像已经过时了一样，但我觉得 Prompt 仍然是我们所有人深度使用 AI 的起点。 哪怕包括现在 Skill 很火，Prompt 也依旧重要。因为 Prompt 是 Skill 的核心内容之一。 或者这么讲，优化 Prompt 的思路和优化 Skill 的思路一模一样。只要理解了怎么能写好 Prompt，也就理解了怎么能写好 Skill。 我之前写过一篇自己做 Skill 的经验，里面提到一个感受：创建 Skill 和优化它要花的精力，大概是 2 比 8。 其实 Prompt 也一样。很多人觉得提示词嘛，找一个能用的拿来，可以一直用。并非这样。写提示词的心态，最好是手把手带一个新同事，慢慢调，不停迭代，最后才能越用越合手。 本来这周准备写 Claude Code 的第二期教程。但假期第一天，还是迫不及待想把这个分享出来。 好多人问我，Claude Code 装完之后要做什么，我的回答是，让它帮你干活，然后做自己的 Skill。紧接着大家就问怎么做自己的 Skill。 好吧，我们倒回来，先补一堂可能很重要的课，怎么写好一个提示词。 如刚才所说，写提示词和工作中带新同事的思路一模一样。 新同事第一天来上班，教他做事，第一遍肯定做不完美。他不理解公司的规矩，不知道这件事的来龙去脉，不清楚最后要交付成什么样。所以需要打磨。 提示词也同样如此。 一句话总结，提示词是迭代式的、要靠经验积累的科学。 这句话听着像废话，但其实点出了 Prompt 最容易被忽略的本质。 它不是一段写好就能反复套用的咒语，更像一份持续修订的工作说明书。第一版交给模型，跑一轮，看输出。哪里不对，回头再改。反复打磨。 为什么必须这么干？因为没人能在第一次就把一件事的所有边界讲清楚。提示词写出来的那一刻，自己脑子里其实还有一堆隐含假设没写进去。 这些假设你以为模型懂，模型其实不懂。只有跑出错误的输出，那些隐含假设才会暴露出来。每一次错误都是一次提醒，原来这一条没说，那一条说得不够细。 打磨的过程中，最关键的是去找模型出错的边缘案例。常规情况谁来都能做对，不能说明问题。 真正考验提示词的是那些奇怪的输入，残缺的数据，模糊的图，反常的描述。