提示与任务执行 — Claude Certified Associate Foundations Prep Course

屏幕 1: 提示与任务执行

模块 2 介绍·4 分钟

同样的请求，两种不同的表达方式，会产生两种不同质量的结果。

让 Claude "写一些关于我们 Q3 业绩的内容"，你会得到一段泛泛而谈的文字。明确受众、重要的三项业绩、格式和长度，你就能得到一份几乎可以直接发送的草稿。模型在这两个请求之间并没有变得更聪明。是提示变得更好了。

本模块将提示视为一门可学习的结构化沟通技巧，而非某些人与生俱来的天赋。这种结构在 AI 流畅性框架中有一个名称：描述，即准确告诉 Claude 你想要什么的能力。描述是本模块的支柱，也是课程后续内容所构建的提示基础。

完成本模块后，你将能够：

1使用可重复的组件结构为商业和技术任务创建有效的提示。

2应用任务分解技术来构建复杂的多部分请求。

3通过诊断性迭代改进输出质量。

4根据任务类型调整提示策略：分析、研究、起草或头脑风暴。

一致的输出质量来自于提示结构，而非聪明才智或运气。学习五个组件，学习分解复杂工作，学习迭代失败的组件，学习匹配策略与任务类型。这四项技能涵盖了考试中提示部分的全部内容。

我们构建了这个初级课程模块 2：提示与任务执行，以帮助你使用 Claude 完成实际工作。将其视为教育内容。它不构成法律、财务或其他专业建议，因此请根据自身情况调整所学内容。我们的产品和服务发展迅速，某些内容可能包含错误或已过时；请记得在 Anthropic 网站或文档中核实。课程中使用的示例和场景是说明性的，通常是虚构的。如果课程材料提到某家公司或产品，并不意味着 Anthropic 认可它们，它们认可 Anthropic，或我们有关联。另请注意，你对 Anthropic 产品和服务的使用受我们的条款、政策和文档约束；如果本课程中的任何内容与之冲突，以它们为准。

---

屏幕 2: 有效提示的剖析

教学提示剖析·12 分钟

一个强大的提示由组件构建，大多数弱提示都缺少一个或多个组件。

命名这些组件将提示从猜测转变为可以在发送任何非平凡请求之前运行的清单。

组件堆栈

五个组件承载了专业提示中几乎所有的重量。翻转每张卡片以查看它控制的内容。

角色

你希望 Claude 在此任务中扮演的角色：财务分析师、编辑、政策审查员。角色设定了 Claude 使用的词汇、深度和假设。

上下文

Claude 无法知道的背景信息：受众、情况、先前的决策、源材料。这是专业人士最常忽略的组件。

任务

具体的行动，以明确的指令陈述。"总结"、"比较"、"起草"、"识别"：一个主要动词，明确陈述。

约束

边界：长度、语气、包含内容、省略内容、避免内容。约束是你在不进行大量编辑的情况下保持输出可用的方式。

输出格式

结果的形状：表格、项目符号列表、三段备忘录、草稿邮件。提前说明格式可以节省一次迭代。

并非每个提示都需要所有五个组件。一个快速的问题需要一个任务和可能的约束。一个客户交付物需要所有五个组件。技能是注意到给定任务需要哪些组件。

实践中的描述

描述能力是使每个组件明确而不是假设 Claude 会推断它的习惯。除非你通过连接器连接源，否则 Claude 无法看到你的收件箱、组织架构或上周的会议，即使有连接器，Claude 也只能看到你允许它访问的内容。任何仅存在于你脑海中或连接源之外的内容都是上下文缺口，而上下文缺口是新用户提示表现不佳的最常见原因。

诊断弱提示

将令人失望的提示与组件堆栈对比，通常会发现明显的缺口。缺少上下文会产生泛泛的输出。模糊的任务动词会产生错误的行动。缺少约束会产生长度或语气错误的输出。这些组件也是一个诊断清单，这就是为什么第 4 课在输出不足时会回到它们。

---

屏幕 3: 一个实际构建

教学提示剖析·包含在 L2

弱提示：所有内容都隐含

Claude 产生了三段可以描述几乎任何公司的合理段落。没有受众、没有数据、没有格式、没有重要内容的意识。输出没有错。它不可用，因为提示几乎没有指定任何内容。

强提示：组件明确

相同的模型，相同的数据。第二个提示产生了一份分析师可以在两分钟内精炼的草稿，而不是从头重建。差异完全在于规范。

要养成的习惯

在脑海中运行五个组件：我是否给了 Claude 角色、它无法推断的上下文、明确的任务、约束和我想要的格式？三十秒的规范通常可以节省几轮修正。

---

屏幕 4: 复杂请求的任务分解

教学任务分解·10 分钟

有些请求太大，无法作为单一指令指定。

当任务有几个不同的阶段时，将其打包到一个提示中会在每个阶段产生浅薄的工作。分解是将复杂请求分解为 Claude 可以良好执行的序列的方式。

分解意味着将多部分问题拆分为离散的、有序的步骤，然后按顺序运行它们，而不是一次性要求所有内容。供应商评估是一个很好的例子：它实际上是四个任务伪装成一个句子。

表现不佳的单提示版本

Claude 必须发明标准、应用它们、权衡利弊并推荐，所有这些都在一次通过中完成。它会在所有四个方面都做得浅薄，你将看不到推荐背后的推理。

分解版本

每个步骤都会产生一个可检查的中间结果。如果步骤 1 中的标准错误，你会在评分之前发现，而不是在推荐之后。分解也使工作可审计，这在有人问推荐是如何达成时很重要。

一个对话或多个对话

将相互依赖的顺序步骤保持在一个对话中，以便每个步骤都能看到之前的结果。当一个步骤真正独立，或者对话已经足够长以至于早期上下文正在退化时，转移到单独的对话。这种判断直接连接到模块 1 中的上下文管理技能。

---

屏幕 5: 分解一个并行案例

教学任务分解·包含在 L3

三个交付物，一个基础：首先对共享提取进行排序。

一位沟通经理需要将一份密集的 20 页政策变更转化为内部公告、员工常见问题解答和高管简报。在继续阅读之前，将其分解为你会与 Claude 一起运行的有序步骤序列。

模型分解

步骤 1：从政策文件中提取实质性变更以及每个变更的实际意义。

步骤 2：在构建任何内容之前，确认提取是完整和准确的。

步骤 3：根据确认的变更列表起草员工公告，针对一般受众进行调整。

步骤 4：起草常见问题解答，预测员工可能会对这些变更提出的问题。

步骤 5：起草高管简报，压缩到决策和影响。

为什么是这个顺序

步骤 1 和 2 构建了一个所有三个交付物都依赖的已验证基础。在确认变更列表之前起草任何交付物都有将相同的误读传播到三个文档中的风险。首先对共享的、高风险提取进行排序；让并行草案跟随。

---

屏幕 6: 迭代提示以改进输出

教学迭代改进·8 分钟

Claude 的第一稿很少完美落地。技能不是当输出令人失望时重写整个提示。而是阅读输出以诊断哪个组件不足，然后修复那一件事。

输出缺陷是提示诊断

每种失望都指向一个特定组件：

症状

可能原因

修复

输出泛泛或偏离主题

上下文薄弱

添加 Claude 无法推断的背景

输出回答了错误的问题

任务动词模糊

明确指令

输出长度、语气或形状错误

缺少约束或格式

添加它

输出接近但某一部分缺失

仅迭代该部分；不要丢弃大部分正确的草稿

针对性修订，而非全面重写

当你重写整个提示时，你会丢失有效的部分，并且无法判断哪个更改解决了问题。更改输出告诉你要更改的组件，重新发送并比较。相同的诊断纪律适用于故障排除任何表现不佳的工作流程，模块 7 将深入介绍。

实时迭代周期

观看诊断和修复循环在一个故意弱提示上运行。

第 1 轮提示

"写一封关于延迟交付的客户跟进邮件。"

第 1 轮输出

一封泛泛的、略带防御性的三段邮件，没有说明交付物何时到达或为什么延迟。诊断：上下文薄弱（没有原因，没有新日期）并且没有语气约束。

第 2 轮提示

"写一封关于分析交付物两天延迟的客户跟进邮件。原因是数据质量问题，现已解决；新交付日期是周四。语气：负责，不过度道歉。保持在 120 字以内。"

第 2 轮输出

一封简洁、负责的邮件，包含原因、新日期和自信的结尾。诊断：强大；仅缺少主题行。

第 3 轮提示

"很好。添加一个表示解决而非延迟的主题行。"

三轮，每轮都更改了前一轮输出暴露的组件。没有一轮丢弃了有效的文本，到第三轮时改进已经很小，这是停止的信号。

知道何时停止

当每一轮额外迭代产生边际变化而非改进时，迭代已经收敛。此时，进一步的提示产生的收益少于快速手动编辑。认识到收益递减是技能的一部分：目标是可用的结果，而非完美的提示。

---

屏幕 7: 根据任务类型调整策略

教学任务类型策略·8 分钟

组件堆栈适用于每个提示，但重点随任务而变化。

分析、研究、起草和头脑风暴各自奖励不同的具体性和创造性自由度。在所有四种任务中使用一种固定风格会在每个不适合的任务上损失质量。

分析。需要严格的约束和明确的标准。告诉 Claude 要衡量什么，以什么标准，以及如何处理模糊性。低创造性自由度；高具体性。

研究。需要明确的范围和来源纪律。定义问题、边界以及是否需要当前来源。快速时效需求可以通过在聊天中开启网络搜索来满足，而深入的多源调查则指向研究（付费计划可用）。要求引用以便检查声明。

起草。需要指定受众、语气和格式，为 Claude 找到措辞留出空间。中等自由度：你控制形状，Claude 填充它。

头脑风暴。需要宽松的约束和高自由度。过度具体化会扼杀你所追求的多样性。给出目标和边界，然后在缩小之前要求数量和范围。

策略快速参考

任务类型

需要收紧的内容

需要放松的内容

分析

标准、范围

措辞

研究

问题、来源、引用

综合方法

起草

受众、语气、格式

用词选择

头脑风暴

目标和护栏

数量和方向

四个迷你演示，每个任务类型一个

分析。"比较这两份供应商合同的付款条款、终止权利和责任上限。对于每一项，说明哪份合同对我们更有利以及为什么，以三行表格形式呈现。"严格的标准，定义的输出，没有偏离的空间。

研究。"使用当前来源，总结三家指定竞争对手如何定位其 Q2 发布。引用每个来源。标记任何你无法验证的内容。"范围和引用纪律在前；研究（或聊天中的网络搜索以满足较轻需求）提供时效性。

注意：当引用来自接地来源（网络搜索或研究结果）时，引用是可检查的；仅从训练记忆中产生的引用可能看起来同样自信，应独立验证。

起草。"起草一篇 150 字的 LinkedIn 帖子，宣布我们的新报告功能，针对运营经理，以自信但不推销的语气。"受众、长度和语气固定；措辞开放。

头脑风暴。"给我 20 个关于更快月度结算的竞选角度。广泛范围；不要自我编辑。"仅目标和护栏；约束稍后出现，在范围存在之后。

相同的提示结构支撑所有四种任务，但控制和自由度之间的拨号随任务移动。每次的基本动作是相同的：决定你需要控制的地方和需要范围的地方，然后相应地设置约束。匹配策略与任务类型是将一个称职的提示者与在每个任务上获得相同平庸输出的人区分开来的关键。

---

屏幕 8: 检查点：诊断提示

检查点任务类型策略·5 分钟

下面的四个提示每个都有一个主要弱点。对于每个提示，识别缺失或处理不当的组件，并说明最能改进输出的单一更改。

---

屏幕 9: 练习：修复表现不佳的提示

练习修复提示·6 分钟

本练习将整个模块结合在一起：一个弱提示、其令人失望的输出，以及你的任务是诊断缺失的内容并使用组件堆栈修复它。

下面是一个提示、它产生的输出以及作者的实际目标。分三步工作：找到规范缺口，将每个修复与它修复的组件匹配，然后组装修复后的提示。理想答案在最后揭示。

"总结客户反馈并告诉我该怎么做。"

一个泛泛的五点主题列表（"客户想要更快的支持"、"定价是一个问题"）和模糊的建议（"考虑改进响应时间"）。没有任何与实际数据相关的内容，没有优先级，没有可操作的内容。

一位产品经理有 200 份调查反馈，需要按频率排列的前三个问题，每个问题都有一个代表性引用，以便她决定本季度修复什么。

选择提示缺失或未充分指定的每个组件。

将每个片段拖到它满足的组件。一个片段不属于。

将五个片段排序成一个干净的提示序列。

---

屏幕 10: 模块 2 测验：提示基础

测验模块 2·5 分钟

五个情景式问题。每个问题呈现一个情境；选择最佳应用模块提示框架的响应。大约五分钟。

---

屏幕 11: 关键要点

模块 2 关键要点·5 分钟

本模块中保持不变的五个要点：

结构驱动质量，而非聪明才智。

五个组件（角色、上下文、任务、约束、格式）承载了几乎每个专业提示。在发送任何重要内容之前运行它们。

上下文是你将忘记的组件。

Claude 无法看到仅存在于你脑海中的内容。泛泛输出的最常见原因是上下文缺口，而非模型限制。

将复杂工作分解为有序步骤。

当每个步骤产生一个可检查的结果并且高风险基础首先构建时，多阶段请求会成功。

迭代失败的组件。

将输出视为诊断，更改它指向的那一件事，并在轮次停止改进结果时停止。

匹配策略与任务类型。

分析需要约束；头脑风暴需要自由度。决定你需要控制的地方和需要范围的地方，然后相应地设置约束。

所有产品行为描述均基于截至 2026 年 6 月的 claude. ai 功能。功能可用性和行为应在发布时根据当前 Anthropic 文档进行验证：

Anthropic 文档：提示工程概述和最佳实践，platform. claude. com/docs

AI 流畅性框架：描述能力，用于提示骨干框架

Claude 帮助中心：代码执行以进行验证计算，support. claude. com

---

屏幕 12: 恭喜！你已成功完成本模块。

模块完成初级路径·2 分钟

你现在可以构建提示，从 Claude 获得一致的高质量结果。掌握提示，Claude 每次都能准确完成你需要的任务。

M1: 产品与模型选择

为任何给定任务选择合适的入口点、模型和功能。

M2: 提示

构建结构化提示并根据任务类型进行调整。

M3: 输出评估

验证输出并知道何时必须进行人工审查。

M4: 工作流程集成

根据委托标准映射工作流程并安全地重新设计它。

M5: 配置

配置和维护项目、指令和知识。

M6: 治理

负责任地应用用例、数据、政策和道德判断。

M7: 故障排除

诊断表现不佳并在结果不足时优化工作流程。

M8: 课程总结与下一步