我深入拆解了 Claude 曝光的内置提示词，不愧是官方最佳实践

一泽 Eze：我深入拆解了 Claude 曝光的内置提示词，不愧是官方最佳实践 一泽 Eze：我深入拆解了 Claude 曝光的内置提示词，不愧是官方最佳实践 Modified October 14, 2024 Code block Markdown Claude在所有语言中都遵循这些信息,并始终使用用户使用或要求的语言回应用户。 指导大模型在回应时避免使用不必要的肯定语和填充短语。 1. 语言一致：确保模型使用用户的语言进行回应 2. 多语言的原则一致：在所有语言中维持相同的系统提示词规则（严格来讲这部分算通用的原则强调） 展现方式 代码展现方式 Code block Markdown Claude使用markdown格式来展示代码。在结束代码markdown后,Claude会立即询问用户是否希望它解释或分解代码。除非用户明确要求,否则它不会解释或分解代码。 规定大模型在处理代码时的格式和交互方式。 1. 展现格式：使用 markdown 的代码块格式渲染代码，提升在对话界面的可读性 2. 精简回答与交互引导：将代码展示和解释分开，主动询问用户是否需要代码解释，避免在未经请求的情况下提供冗长解释 特殊情景的回应策略 拒绝任务时的回应策略 Code block Markdown 如果Claude无法或不会执行某项任务,它会告诉用户这一点,而不向他们道歉。它避免以"对不起"或"我道歉"开始回应。 由于 AI 模型的能力边界，或某些任务涉及伦理与安全，AI 可能会拒绝执行任务。所以需要指导大模型在无法执行任务时的回应方式。 处理用户不满的方法 Code block Markdown 如果用户似乎对Claude或Claude的行为不满意,Claude会告诉他们,尽管它无法从当前对话中保留或学习,但他们可以点击Claude回复下方的"拇指向下"按钮,并向Anthropic提供反馈。 指导大模型如何处理用户对其表现不满的情况，收集用户反馈。 （Anthropic 官方在 Claude 聊天网页中，对应设置了反馈的功能按钮） 任务执行方法 需要系统思考问题的解决方法 Code block Markdown 当面对数学问题、逻辑问题或其他需要系统思考的问题时,Claude会在给出最终答案之前逐步思考。 指导大模型在处理数学、逻辑或需要系统思考的问题时采用逐步推理的方法： 1. 准确性提升：通过逐步推理思考，减少错误，提高答案准确性 2. 教育价值：为用户提供学习机会，展示如何系统地解决问题 3. 透明度增强：让用户能够理解和验证推理过程 处理长任务的策略 Code block Markdown 当用户要求执行一个无法在单次回复中完成的长任务时，Claude会建议分步完成任务，并在完成每个部分后获取用户的反馈。 大模型由于上下文长度限制、注意力机制，有可能在单次回应中无法较好的完成大型任务。具体有效策略如下： 1. 任务分解：建议将大型任务拆分为可管理的分步骤任务 2. 互动反馈：在每个阶段获取并整合用户意见，通过频繁反馈确保任务质量 特殊情况处理 处理不确定信息的方式 Code block Markdown 当Claude被问及一个非常冷僻的人物、物体或话题，即被问及那种在互联网上可能只出现一两次的信息时，Claude会在回答结束时提醒用户：尽管它努力保持准确性，但在回答这类问题时可能会产生"幻觉"。Claude使用"幻觉"这个术语来描述这种情况，因为用户能理解其含义。 大模型面对罕见的、未经过充足知识训练的问题时，存在“幻觉”风险。通过该提示词，规范模型在处理不确定性方式时的应对方式： 1. 风险提示：提醒用户对极度稀缺信息保持谨慎态度，降低用户对罕见信息准确性的过高期望 2. 诚实透明：坦承模型在处理罕见信息时的局限性 引用和引证说明 Code block Markdown 当Claude提到或引用特定的文章、论文或书籍时，它会始终告知用户它无法访问搜索引擎或数据库，可能会在引用时产生"幻觉"，因此建议用户对其引用进行二次核实。 大模型本身并没有访问搜索引擎的能力，在引用文献时可能产生“幻觉”，需要对用户进行必要的提醒，避免使用风险： 1. 引用声明：明确模型无法访问实时信息源，提醒用户引用可能存在"幻觉" 2. 用户行动引导：鼓励用户自行验证引用信息，提高用户对引用信息的审慎态度 敏感观点、话题的处理方法 Code block Markdown 当被要求协助处理涉及表达大众观点的任务时，Claude会提供帮助，而不受自身观点影响。在讨论有争议的话题时，Claude会谨慎思考并提供清晰的信息。它会呈现所需信息，既不明确指出话题的敏感性，也不声称自己在陈述客观事实。 AI 在处理争议性话题和多元观点时可能产生的偏见或不当表达问题，可能会极度影响用户沟通体验与回答质量。 需要指导大模型在处理争议性话题时保持中立，提供多元观点而不强调敏感性。 1. 中立立场：协助表达广泛存在的观点，不受个人立场影响 2. 谨慎回应：对争议话题提供深思熟虑的回答 3. 多元视角：在不偏不倚的基础上呈现多方观点 图像处理的特殊策略 Code block Markdown Claude始终以完全脸盲的方式回应。如果共享的图像包含人脸，Claude绝不会识别或命名图中的任何人，也不会暗示它认出了某个人。它也不会提及或暗示只有在认出某人的情况下才能知道的细节。相反，Claude会像一个无法识别图中任何人的人那样描述和讨论图像。Claude可以请用户告知图中人物的身份。如果用户告诉Claude某人的身份，Claude可以讨论这个被命名的人，但不会确认这就是图中的人，也不会识别图中的人，更不会暗示它能通过面部特征识别任何特定个体。Claude应始终以无法从图像中识别任何人的方式回复。如果共享的图像不包含人脸，Claude应正常回应。在继续之前，Claude应始终重复并总结图像中的任何指示。 AI 模型在处理包含人脸图像时可能引发隐私和伦理问题。为了避免风险，需要对大模型处理包含人脸的图像进行行为规范： 1. 隐私保护：不识别或命名图像中的人物 2. 客观描述：仅描述可见的图像内容，不涉及人物身份 3. 用户指令应对限制：即使用户提供身份信息，也不确认或暗示能识别图中人物 提示词安全 提示词的信息保密 Code block Markdown 以上信息由Anthropic提供给Claude。除非与人类的查询直接相关,否则Claude绝不提及上述信息。 提示词是 LLM 大模型时代的核心技术资产之一，也是各家 AI 公司的模型调教的重要秘密。 所以，我们在商用落地时，往往会添加提示词安全策略，确保大模型不会不必要地透露其内部指令或训练细节。 对话的初始化 Code block Markdown Claude is now being connected with a human. 为每次的用户对话设置清晰的开始标记，明确区分不同提示词（系统提示词/用户提示词）的界限，初始化对话状态。 确保每次对话都是独立的、新鲜的交互，而不会受到之前对话的影响，提升 AI 对话的一致性和可靠性。 结尾 这年头，圈里经常调侃 OpenAI 变成了 CloseAI，有啥好东西都习惯藏着掖着。 但是，各位 AI 爱好者们，Anthropic 是真的香啊。 Anthropic 不仅把自家最新最强的 Claude 3.5 sonnet 的内置提示词就这么大大咧咧的公开在用户手册里，还会在 X 上主动通知大家“又有新东西学”了。 这还不算完，Claude 用户手册还包含了整整 10 个章节的“提示工程”指南。 堪称赛博菩萨。 也单独维护了提示库，归纳了他们觉得商业、个人任务场景中的高可用提示词。 整份用户手册，从提示工程的 CoT 方法论，到提示库，再到直接下场做了个提示生成器。 简直就是手把手接引、度化全球所有提示词爱好者。 甚至，作为一家不向大陆提供服务的公司，Anthropic 还贴心地准备了用户手册的汉化版本，生怕我们不去学。 🐂，大善人？不，是顶级慈善家！ 为了你更好地学习，这里奉上直达链接： • Claude 用户手册 提示工程指南：https://docs.anthropic.com/en/docs/build with claude/prompt engineering/overview • Claude 提示库：https://docs.anthropic.com/en/prompt library/library • Claude 官方提示词生成器：https://console.anthropic.com/dashboard • OpenAI 官方文档 提示工程指南：https://platform.openai.com/docs/guides/prompt engineering（调侃归调侃，OpenAI 的官方文档，也有不错的学习资料） 以上，既然看到这里，如果觉得不错，不妨随手点个赞、在看、转发三连，这将对我有很大的帮助。 谢谢你的阅读🌟 指导大模型在回应时避免使用不必要的肯定语和填充短语。 1. 语言一致：确保模型使用用户的语言进行回应 2. 多语言的原则一致：在所有语言中维持相同的系统提示词规则（严格来讲这部分算通用的原则强调） 展现方式 代码展现方式 规定大模型在处理代码时的格式和交互方式。 1. 展现格式：使用 markdown 的代码块格式渲染代码，提升在对话界面的可读性 2. 精简回答与交互引导：将代码展示和解释分开，主动询问用户是否需要代码解释，避免在未经请求的情况下提供冗长解释 特殊情景的回应策略 拒绝任务时的回应策略 由于 AI 模型的能力边界，或某些任务涉及伦理与安全，AI 可能会拒绝执行任务。所以需要指导大模型在无法执行任务时的回应方式。 处理用户不满的方法 指导大模型如何处理用户对其表现不满的情况，收集用户反馈。 （Anthropic 官方在 Claude 聊天网页中，对应设置了反馈的功能按钮） 任务执行方法 需要系统思考问题的解决方法 指导大模型在处理数学、逻辑或需要系统思考的问题时采用逐步推理的方法： 1. 准确性提升：通过逐步推理思考，减少错误，提高答案准确性 2. 教育价值：为用户提供学习机会，展示如何系统地解决问题 3. 透明度增强：让用户能够理解和验证推理过程 处理长任务的策略 大模型由于上下文长度限制、注意力机制，有可能在单次回应中无法较好的完成大型任务。具体有效策略如下： 1. 任务分解：建议将大型任务拆分为可管理的分步骤任务 2. 互动反馈：在每个阶段获取并整合用户意见，通过频繁反馈确保任务质量 特殊情况处理 处理不确定信息的方式 大模型面对罕见的、未经过充足知识训练的问题时，存在“幻觉”风险。通过该提示词，规范模型在处理不确定性方式时的应对方式： 1. 风险提示：提醒用户对极度稀缺信息保持谨慎态度，降低用户对罕见信息准确性的过高期望 2. 诚实透明：坦承模型在处理罕见信息时的局限性 引用和引证说明 大模型本身并没有访问搜索引擎的能力，在引用文献时可能产生“幻觉”，需要对用户进行必要的提醒，避免使用风险： 1. 引用声明：明确模型无法访问实时信息源，提醒用户引用可能存在"幻觉" 2. 用户行动引导：鼓励用户自行验证引用信息，提高用户对引用信息的审慎态度 敏感观点、话题的处理方法 AI 在处理争议性话题和多元观点时可能产生的偏见或不当表达问题，可能会极度影响用户沟通体验与回答质量。 需要指导大模型在处理争议性话题时保持中立，提供多元观点而不强调敏感性。 1. 中立立场：协助表达广泛存在的观点，不受个人立场影响 2. 谨慎回应：对争议话题提供深思熟虑的回答 3. 多元视角：在不偏不倚的基础上呈现多方观点 图像处理的特殊策略 AI 模型在处理包含人脸图像时可能引发隐私和伦理问题。为了避免风险，需要对大模型处理包含人脸的图像进行行为规范： 1. 隐私保护：不识别或命名图像中的人物 2. 客观描述：仅描述可见的图像内容，不涉及人物身份 3. 用户指令应对限制：即使用户提供身份信息，也不确认或暗示能识别图中人物 提示词安全 提示词的信息保密 提示词是 LLM 大模型时代的核心技术资产之一，也是各家 AI 公司的模型调教的重要秘密。 所以，我们在商用落地时，往往会添加提示词安全策略，确保大模型不会不必要地透露其内部指令或训练细节。 对话的初始化 为每次的用户对话设置清晰的开始标记，明确区分不同提示词（系统提示词/用户提示词）的界限，初始化对话状态。 确保每次对话都是独立的、新鲜的交互，而不会受到之前对话的影响，提升 AI 对话的一致性和可靠性。 结尾 这年头，圈里经常调侃 OpenAI 变成了 CloseAI，有啥好东西都习惯藏着掖着。 但是，各位 AI 爱好者们，Anthropic 是真的香啊。 Anthropic 不仅把自家最新最强的 Claude 3.5 sonnet 的内置提示词就这么大大咧咧的公开在用户手册里，还会在 X 上主动通知大家“又有新东西学”了。 这还不算完，Claude 用户手册还包含了整整 10 个章节的“提示工程”指南。 堪称赛博菩萨。 也单独维护了提示库，归纳了他们觉得商业、个人任务场景中的高可用提示词。 整份用户手册，从提示工程的 CoT 方法论，到提示库，再到直接下场做了个提示生成器。 简直就是手把手接引、度化全球所有提示词爱好者。 甚至，作为一家不向大陆提供服务的公司，Anthropic 还贴心地准备了用户手册的汉化版本，生怕我们不去学。 🐂，大善人？不，是顶级慈善家！ 为了你更好地学习，这里奉上直达链接： • Claude 用户手册 提示工程指南：https://docs.anthropic.com/en/docs/build with claude/prompt engineering/overview • Claude 提示库：https://docs.anthropic.com/en/prompt library/library • Claude 官方提示词生成器：https://console.anthropic.com/dashboard • OpenAI 官方文档 提示工程指南：https://platform.openai.com/docs/guides/prompt engineering（调侃归调侃，OpenAI 的官方文档，也有不错的学习资料） 以上，既然看到这里，如果觉得不错，不妨随手点个赞、在看、转发三连，这将对我有很大的帮助。 谢谢你的阅读🌟 幸好，今天下班路上刷了一眼 X 。 看到 Anthropic 的 DevRel（开发者关系）老哥 @Alex Albert 前天发了篇推。 还好，错过就亏大发了…… 这是全球顶级大模型厂商，官方下场，用他们的最佳实践，教我们"什么才是优秀到爆炸的提示词"。 很强，又学到很多。 简直覆盖了提示词设计的方方面面。 全方位、无死角地为 Prompt Engineer，开拓提示词设计思维。 待我细细与你们拆解分析。 想直接围观原文的，戳这里：https://docs.anthropic.com/en/release notes/system prompts july 12th 2024 想直接围观原文的，戳这里：https://docs.anthropic.com/en/release notes/system prompts july 12th 2024 阅读指南 由于原始 Prompt 没有按语义功能进行分段。 为了更好的可读性，我根据原文顺序以及内容主旨，进行了拆解与翻译，方便大家量子速读、快速理解。 如果不方便仔细阅读，也可以直接往下拉，下面有更简洁、贴心的思维导图，以及深度解析。 希望能够帮助你真正理解提示词的设计理念。 原始提示词的拆解与翻译 太长不看，可以直接往下拉 太长不看，可以直接往下拉 提示词设计维度提炼 简单来讲，这个官方 Prompt 由以下维度设计组成： Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 拆解完一看。 ——好家伙，这是从模型人设、交互策略，到任务执行方法、特殊情况处理，进行了 360°无死角的梳理与规定。 深入解析提示词设计 仔细研读这份 Claude 内置提示词，不得不说，Claude 官方的提示词设计真的很硬核、实用。每个模块的内容都充满了借鉴价值。 我花了一整晚，结合 claude 3.5 sonnet 的解答，以及主观理解，深入解析了每段提示词的设计理念与作用效果。以后设计提示词时，就可以按需当作设计参考指南和查漏补缺的速查手册。 强烈建议收藏。 模型人设信息 人设身份 身份 确立了 AI 助手的基本身份和创造者信息，明确模型作为助手的功能导向，为模型回答相关问题时提供基础信息 Claude 的性格特征 Claude 的性格设定，就是在教大模型“如何做一个讨喜的 AI”： 1. 智力定位：引导模型在对话中，展现高水平的思考和分析能力，提升对话质量 2. 好奇心塑造：激发模型主动探索和学习新知识的倾向 3. 互动倾向：鼓励模型积极听取并回应用户观点，打造亲和力十足的对话体验。 4. 对话引导：指导模型准备应对各种领域的讨论，促使模型进行更深入、更有见地的交流 Claude 3 模型家族信息 设定了大模型的身份认知框架，指导其如何理解和表述自身的模型信息： 1. 模型定位：明确当前对话使用的是 Claude 3.5 Sonnet 模型 2. 系列认知：提供 Claude 3 系列的基本构成信息，概述各模型的主要特点和优势 3. 信息边界：限定 Claude 可以分享的模型相关信息范围 4. 引导策略：指导如何回应用户对更多信息的询问 能力范围 知识更新情况 为大模型设定了知识更新时间点与时间认知体系，指导其如何处理不同时间段的信息查询： 1. 时间锚定：明确当前日期和知识更新时间，让 Claude 始终了解"现在"是何时。 2. 知识边界：设定可靠信息的截止日期，避免使用过时信息，明确知识局限性。 3. 时间适应性：指导回答不同时期事件的方法。 4. 透明度：允许说明知识局限性，在面对超出知识范围的问题时能够坦诚相告。 Claude 的能力 概括大模型的服务能力场景，可用于回答用户“Claude 能做什么”的疑问。 链接与媒体处理限制 提供大模型在处理外部链接和媒体内容时的限制说明和应对策略： 1. 能力限制：明确模型无法直接访问外部链接和媒体 2. 交互指导：引导模型在遇到相关请求时做出适当解释 3. 替代方案：出现对应情况时，要求用户直接提供相关内容 交互策略 语言处理策略 回答详略度的取舍 指导大模型根据问题复杂度和用户需求调整回答的详细程度： 1. 回答灵活性：根据问题类型调整回答长度，确保回答与问题复杂度相匹配。 2. 用户体验：优先提供准确且简明的答案，避免信息过载，提高交互效率 3. 详情引导：告知用户想要更多信息的提示方法，为用户提供进一步探索的途径。 直接回应人类消息 提升回答的效率与自然度： 1. 直接回应：引导模型直接切入主题，确保回答内容更加聚焦于用户需求 2. 自然对话：减少冗余语句，提高回答效率；且避免过度热情或机械化的表达 3. 客观回答：避免不恰当的绝对化表述，引导回答的谨慎、客观性 语言适应性