Prompt Engineering（提示词工程）

做Agent 有两个方法

• 一个提示词工程，通过Agent系统结构提升模型的能力，典型如manus
• 一种通过强化学习RL方式，端到端优化Agent，典型如 DeepResearch·通过自学强化学习内容;比如:B站赵老师的《强化学习数学原理》

核心观点

• 提示词不是一次写好的，试了才知道
• 最好有评价标准，不然改了怎么知道是好的呢?
• 越清晰效果越好，把模型当孩子

Anthropic 原则

1. Prompt generator，让模型帮你生成
2. Be clear and direct，写得清晰一点
3. Use examples(multi-shot)，给模型更多的例子
   3.1 zero-shot
   3.2 one-shot
   3.3 three-shot
   3.4 multi-shot
4. Let Claude think_(chain of thought:COT)，给模型的思考空间
   4.1 think it step by step
   4.2 <think> xxx 1. step 1 2. step 2 </think>
5. Use XMLtags，使用 xml标签，尤其是大段的，容易让模型混乱的带有缩进之类的东西
6. Give Claude arole_(systemprompts)，给模型角色，让它当一个数学老师还是体育老师.
7. Prefill Claude'sresponse口，让模型直接补全。比如:你想让模型 think，那么可以直接<think> 然后让模型从 think 开始生成。
8. Chain complex prompts, 这里的意思是worksflow 把复杂的任务拆分成多个prompt来解决
9. Long context tips
   9.1 <doc>xxx<doc> + instruct ; 即user instruction放到最后