Claude 进阶交互与提示词工程全攻略
XML 结构化提示词
XML 结构化提示词
要让 Claude 发挥出最大潜力，关键在于提供结构清晰的提示词。虽然像 GPT-4 这样的模型能够很好地处理自由格式的文本，但 Claude 在处理用 XML 标签组织的指令时，表现尤为出色。这就像给它一张蓝图，而不是一堆散乱的建材。
使用标签可以将提示词的不同部分（如指令、背景信息和示例）清晰地隔离开来。这种结构化的方法能够显著降低模型混淆指令和数据的可能性，尤其是在处理复杂任务时。
Claude 模型经过微调，会特别关注 XML 标签创建的结构，并且不会像 GPT 那样遵循任何随机的指示符。
这种对结构的偏好意味着，通过掌握 XML 标签，你可以更精确地控制 Claude 的行为，从而获得更可靠、更一致的输出。
核心作用与常用标签
XML 标签的核心作用是为提示词建立一个清晰的层次结构，帮助 Claude 区分不同类型的信息。这就像给文件分门别类地贴上标签，让模型一眼就能看出哪部分是需要遵循的指令，哪部分是需要参考的背景材料。
虽然你可以自定义标签名，但遵循一套清晰、一致的命名规范是最佳实践。常用的标签包括：
<instructions>：存放你希望模型执行的具体指令。<context>或<background>：提供任务所需的背景信息或数据。<example>：展示输入和输出的示例，用于少样本提示 (few-shot prompting)。<data>：包裹需要处理的原始数据，如文本、代码片段等。<persona>：定义希望模型扮演的角色。
将指令与要处理的数据分离开来，是结构化提示词中最关键的一步。这能有效避免模型将你的指令误认为是待处理内容的一部分。
我们来看一个简单的对比。假设你希望 Claude 总结一段文字，并提取关键人物。一个自由格式的提示词可能是这样的：
请总结以下文字，并列出其中提到的人物。文字是：“爱丽丝和鲍勃是长期的合作者。他们共同创立了一家公司，后来查理也加入了他们。”
这个提示词简单明了，但当指令变得更复杂时，模型就可能出错。使用 XML 标签可以大大提高清晰度：
<instructions>
1. 总结提供的文本，不超过 20 个字。
2. 以无序列表的形式，列出文本中提到所有人物。
</instructions>
<text_to_analyze>
爱丽丝和鲍勃是长期的合作者。他们共同创立了一家公司，后来查理也加入了他们。
</text_to_analyze>
通过使用 <instructions> 和 <text_to_analyze> 标签，我们明确地划分了任务的两个核心部分，让 Claude 的工作变得更简单、更不容易出错。
嵌套逻辑与多任务拆解
当任务变得更加复杂，包含多个步骤或层次时，XML 的嵌套能力就派上了用场。你可以通过将标签相互嵌套，来构建一个清晰的任务层级。这种方法对于需要模型按特定顺序执行多个子任务的场景尤其有效。
例如，你可以创建一个顶层的 <task> 标签，内部再包含 <context>、<steps>，甚至在 <steps> 内部再嵌套多个 <step> 标签，每个 <step> 都有自己的指令。
下面是一个利用嵌套结构处理多任务场景的例子。任务是分析一篇关于太阳能的文章，提取优缺点，并生成一封邮件草稿。
<task>
<context>
<document>
太阳能是一种清洁的可再生能源。它的主要优点是环保且运营成本低。然而，其初始安装成本高，并且发电效率受天气影响较大。
</document>
</context>
<instructions>
<step_1>
从提供的 <document> 中提取太阳能的优点和缺点。
将结果格式化为两个独立的无序列表。
</step_1>
<step_2>
根据 <step_1> 的分析结果，撰写一封邮件草稿给团队。
邮件的目的是简要介绍太阳能的利弊，并建议进行更深入的讨论。
邮件应包含一个清晰的主题行。
</step_2>
</instructions>
</task>
通过这种方式，我们将一个复杂的请求分解为两个清晰、独立的步骤。模型可以先专注于第一个任务（分析），然后再处理第二个任务（写作），每一步都有明确的指令。这种清晰的结构极大地提高了 Claude 遵循复杂指令的准确性。
好了，现在轮到你来练习了。尝试将一个复杂的任务用 XML 标签进行分解和构建，看看是否能得到更精确的回答。
为什么建议在为 Claude 设计提示词时使用 XML 标签？
当一个任务包含多个需要按顺序执行的子任务时，以下哪种方法最有效？
通过这些练习，你会发现，掌握 XML 结构化提示词是解锁 Claude 全部能力的关键一步。