目录

Claude 101 第一课:Getting Better Results——让 AI 输出质量倍增的技巧

学习目标

学完本节后,你将能够:

  • 理解什么是"Few-shot"提示以及如何使用它
  • 掌握让 Claude 逐步思考的技巧
  • 学会用示例来引导 AI 的输出风格和格式
  • 了解如何通过迭代来获得越来越好的结果
  • 理解 AI 的思考过程,知道什么时候该让它"慢下来"

从"答非所问"到"精准命中"

很多人在使用 AI 时会遇到这种情况:

你想要的是 A,但 AI 给了你 B、C、D,就是没有 A。

这不是 AI 的问题——而是你的提示词还不够精准。好消息是,有一套成熟的技巧可以解决这个问题。

下面介绍几种最有效的提升输出质量的技巧。


技巧一:Few-shot Examples(用示例引导)

什么是 Few-shot?

Few-shot 的字面意思是"少数例子",它的核心思想是:

与其用语言描述你想要的,不如直接给它看例子。

对比一下

没有例子

用户:把以下句子改得更简洁:
1. "我今天去了超市,买了一些蔬菜和水果。"
2. "他非常快速地跑完了整个马拉松。"

Claude:
1. 我今天去超市买了蔬菜水果。
2. 他跑完了马拉松。

有例子

用户:把以下句子改得更简洁。示例:
输入:"那个女孩非常非常漂亮"
输出:"那个女孩美若天仙"

输入:"我今天去了超市,买了一些蔬菜和水果。"
输出:?

Claude:
输出:我今天去超市买了蔬菜水果。

为什么 Few-shot 有效?

因为:

  1. 语言描述有歧义,但示例没有
  2. AI 从示例中学习模式,比从规则中学习更准确
  3. 示例能传达微妙的风格偏好

使用 Few-shot 的最佳场景

  • 需要特定格式输出时
  • 需要特定写作风格时
  • 任务比较主观(比如"写得更有趣")
  • 反复执行类似任务时

技巧二:Chain of Thought(思维链)

什么是思维链?

思维链是一种让 AI 先思考再回答的技巧。它利用了 AI 的推理能力,让它分步骤处理问题,而不是直接给出一个可能粗糙的答案。

方法一:加一句"think step by step"

用户:一个人买了一个东西花了 200 元,又卖了 350 元,然后又
用 400 元买了回来,最后以 450 元卖出。他赚了多少?

先列出你的计算步骤,再给出答案。

Claude:
第一步:第一次交易:买 200,卖 350,赚 350 - 200 = 150 元
第二步:第二次交易:买 400,卖 450,赚 450 - 400 = 50 元
第三步:总利润 = 150 + 50 = 200 元

答案:他赚了 200 元。

方法二:显式要求分步骤思考

用户:分析一下为什么 Netflix 能成功,内容策略、市场定位、
技术架构三个维度。

请按以下步骤回答:
1. 首先,说明 Netflix 的核心业务模式
2. 然后,分别分析三个维度
3. 最后,总结成功的关键因素

Claude:[按步骤输出]

什么时候用思维链?

适合不适合
数学题、逻辑推理简单的常识性问题
需要多角度分析的问题只需要一个答案的问题
复杂决策的利弊分析快速查询
代码调试和修复

技巧三:指定输出结构

为什么结构很重要?

没有结构约束时,AI 的输出可能是:

  • 太长或太短
  • 缺少你想看的部分
  • 格式不统一

常用结构技巧

技巧 A:明确要求长度

❌ "介绍一下 Python"
✅ "用 100 字介绍 Python,适合程序员,字数误差 ±10 字"

❌ "给我一些建议"
✅ "给我 5 条建议,每条不超过 20 字"

技巧 B:用 XML 标签包裹

用户:将以下内容总结为 3 个要点,用 <要点> 标签包裹:

<要点>原始内容...</要点>

Claude:
<要点>要点 1:……</要点>
<要点>要点 2:……</要点>
<要点>要点 3:……</要点>

技巧 C:指定输出格式

用户:给我推荐 5 本书,用这个 JSON 格式输出:
{
  "books": [
    {"title": "书名", "author": "作者", "reason": "推荐理由"}
  ]
}

技巧四:控制长度和详细程度

有时候短更好

用户:用一句话解释什么是机器学习,不超过 20 个字。

Claude:机器学习是让计算机通过数据自动学习和改进的技术。

有时候需要详细

用户:我是一个完全不懂 AI 的小白,请详细解释什么是大语言模型,
包括:
1. 基本原理(用比喻的方式)
2. 为什么它能生成文字
3. 它是怎么训练的

要求:每部分至少 200 字,尽可能通俗易懂。

控制长度的魔法词

想要短想要长
“一句话概括”“详细解释”
“30 字以内”“至少 300 字”
“简要说明”“深入分析”
“TL;DR”“with examples”

技巧五:迭代优化

什么是迭代?

迭代就是不指望一次就完美,而是:

  1. 先让 AI 给一个初步版本
  2. 指出需要改进的地方
  3. 让它修正
  4. 重复直到满意

迭代模板

第一轮:
用户:[初始问题]

第二轮:
用户:在上一轮回答的基础上,补充 [补充要求]

第三轮:
用户:现在改成 [新要求],保持其他部分不变

实际例子

第一轮:
用户:帮我写一个 README 文档

Claude:[一个通用版本的 README]

第二轮:
用户:很好,但加一个"快速开始"部分,包含 3 个步骤

Claude:[加了快速开始部分的 README]

第三轮:
用户:把安装部分改成用 Docker 方式,而不是 pip

Claude:[改成了 Docker 安装方式的 README]

技巧六:利用 AI 的自我纠错

让他先检查再输出

用户:如果下面这段代码有 bug,请先指出 bug 在哪里,
然后再给出修正后的代码。

def calculate_average(numbers):
    total = sum(numbers)
    average = total / len(numbers)
    return average

# 如果列表为空会怎样?

要求它解释自己的推理

用户:你说这个方案最好,请解释为什么另外两个方案不如它。

技巧七:Negative Prompting(负面提示)

告诉它你不想要什么

用户:写一篇影评评价最近上映的科幻电影 X,
- 要有实质性分析,不是泛泛而谈
- 不要透露关键剧情转折
- 不要使用"总的来说""从多个角度来看"这类套话

负面提示的常见场景

不要
不要太长控制在 500 字以内
不要术语堆砌用通俗语言
不要负面批评客观中立
不要编造数据只引用你提供的数据

高级技巧组合

组合一:完整任务规范

你是一个资深技术博主,写作风格幽默风趣但不肤浅。

任务:写一篇关于 [主题] 的技术博客

要求:
1. 标题要吸引人,引发好奇心
2. 用一个生活化的比喻引入主题
3. 解释核心概念(不超过 3 个专业术语)
4. 包含一个完整的代码示例
5. 最后给出 3 个实践建议

长度:800-1000 字

目标读者:有一定编程经验但不了解这个领域的人

组合二:角色 + 格式 + 约束

角色:你是一个毒舌但有用的编程导师

任务:审查以下代码的问题

格式:先列出问题(用编号),然后给出修正后的代码

约束:
- 不要只说"这是个 bug"
- 要解释为什么这是个问题
- 要给出具体怎么改

[粘贴代码]

练习

练习一:Few-shot 实践

让 Claude 用"……是因为……“的句式改写以下句子:

  1. “外面下雨了,所以我迟到了。”
  2. “他很努力,所以他成功了。”
  3. “我不喜欢吃蔬菜。"(改写成因果形式)

先不给示例让它做,再给一个示例让它做,对比结果。

练习二:思维链训练

让 Claude 解决这个逻辑题,要求它展示思考过程:

“一个自行车店有 30 辆车,上午卖了一半,下午又卖了剩下的三分之一。 最后还剩多少辆?”

练习三:迭代优化

让 Claude 帮你写一封拒绝 offer 的邮件,然后:

  1. 第一轮:让它改成更正式的版本
  2. 第二轮:让语气更温和但依然坚定
  3. 第三轮:把长度压缩到 100 字以内

下一步

现在你已经掌握了提升 AI 输出质量的技巧。接下来让我们了解:


文档元信息 难度:⭐⭐ | 类型:核心概念 | 更新日期:2026-03-25 | 预计阅读时间:18 分钟