Claude 101 第一课:Getting Better Results——让 AI 输出质量倍增的技巧
目录
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:
- 语言描述有歧义,但示例没有
- AI 从示例中学习模式,比从规则中学习更准确
- 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:
- 先让 AI 给一个初步版本
- 指出需要改进的地方
- 让它修正
- 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 | 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:
- “外面下雨了,所以我迟到了。”
- “他很努力,所以他成功了。”
- “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:
- 第一轮:让它改成更正式的版本
- 第二轮:让语气更温和但依然坚定
- 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:
- Claude 桌面应用:在电脑上安装 Claude,开始实操
- Projects 和 Artifacts:Claude 的两个强大功能,让你的工作更有条理
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