虽然设计提示没有对错之分，但您可以使用一些常见的策略来影响模型的响应。严格的测试和评估对于优化模型性能仍然至关重要。

大型语言模型（LLM）在大量文本数据上进行训练，以学习语言单元之间的模式和关系。当给出一些文本（提示）时，语言模型可以预测接下来可能会发生什么，就像一个复杂的自动补全工具。因此，在设计提示时，要考虑可能影响模型预测结果的不同因素。

提示的工程工作流程

快速工程是一个测试驱动的迭代过程，可以提高模型性能。在创建提示时，重要的是要明确界定每个提示的目标和预期结果，并对其进行系统测试，以确定需要改进的领域。

下图显示了提示工程工作流程：

提示工程工作流程图

如何创建有效的提示

提示的两个方面最终会影响其有效性：内容和结构。

多回合聊天是指模型跟踪聊天对话的历史记录，然后将该历史记录用作响应的上下文。本页向您展示了如何使用能够进行多回合聊天的模型来为聊天机器人或数字助理供电。

聊天机器人用例

以下是聊天机器人的常见用例：

• 客户服务：回答客户问题，排除故障，并提供信息。
• 销售和营销：产生潜在客户，确定潜在客户资格，并回答问题。
• 生产力：安排约会、创建任务和查找信息。
• 教育和培训：根据学生的水平，回答问题并给予反馈。
• 研究：收集数据、进行调查和分析数据。

聊天提示组件

您可以在聊天提示中添加以下类型的内容：

• 消息（必填）
• 上下文（推荐）
• 示例（可选）

消息（必填）

消息包含作者消息和聊天机器人响应。聊天会话包括多条消息。聊天生成模型响应聊天会话中的最新作者消息。聊天会话历史记录包括最新消息之前的所有消息。

令牌限制决定了聊天生成模型保留多少条消息作为对话上下文。当历史记录中的消息数量接近令牌限制时，将删除最旧的消息并添加新消息。

以下是一条示例消息：

要在Vertex AI上使用Imagen，您必须提供要生成或编辑的内容的文本描述。这些描述称为提示，这些提示是您在Vertex AI上与Generative AI沟通的主要方式。

本指南向您展示了修改文本到图像提示的部分内容如何产生不同的结果，并为您提供了可以创建的图像示例。本指南还提供了如何使用文本提示和迭代编辑图像的指导。

产品使用

要查看与Vertex AI上的Imagen相关的使用标准和内容限制，请参阅使用指南。

内容过滤-输入文本、上传的图像和生成的图像

生成的图像会被过滤掉不需要或有害的内容。同样，Vertex AI上的Imagen接收到的任何输入都会被检查是否有冒犯性内容。这包括图像编辑时的输入文本提示和上传的照片。有关更多信息，请参阅Imagen的负责任人工智能和使用指南。

您还可以使用Google Cloud上的报告可疑滥用表单，报告Vertex AI上Imagen的可疑滥用行为或任何包含不适当材料或不准确信息的生成输出。

快速写作基础（主题、上下文和风格）

虽然没有一种方法可以写出好的提示，但添加一些关键字和修饰语将帮助你更接近最终目标。提示不需要很长或很复杂，但大多数好的提示都是描述性和清晰的。

随着人工智能工具的日益普及，快速工程正成为开发人员需要掌握的技能。大型语言模型（LLM）和其他生成基础模型需要上下文、特定和定制的自然语言指令来生成所需的输出。这意味着开发人员需要编写清晰、简洁和信息丰富的提示。

在本博客中，我们将探讨六种最佳实践，这些实践将使您成为一名更高效的快速工程师。通过遵循我们的建议，您可以开始创建更个性化、更准确、更符合上下文的应用程序。那么，让我们开始吧！

提示#1：了解模型的优缺点

随着人工智能模型的发展和变得越来越复杂，开发人员必须了解它们的能力和局限性。作为一名开发人员，了解这些优缺点可以帮助您避免犯错，并创建更安全、更可靠的应用程序。

例如，经过训练以识别蓝莓图像的AI模型可能无法识别草莓图像。为什么？因为该模型仅在蓝莓图像的数据集上训练。如果开发人员使用此模型构建一个应该同时识别蓝莓和草莓的应用程序，该应用程序可能会出错，导致无效的结果和糟糕的用户体验。

大型语言模型（LLMs）的兴起为人机交互带来了令人兴奋的可能性。然而，利用这些强大的人工智能模型的全部潜力需要一项关键技能：快速工程。这一新兴领域侧重于制作有效的提示，以解锁LLM的能力，使其能够理解意图、遵循指示并生成所需的输出。随着我们在各种应用中与人工智能的互动越来越多，快速工程在确保准确、相关和安全的互动方面发挥着至关重要的作用。

什么是快速工程？

提示工程是设计和优化提示的艺术和科学，以指导人工智能模型，特别是LLM，生成所需的响应。通过精心制作提示，您可以为模型提供上下文、说明和示例，帮助它理解您的意图并以有意义的方式做出回应。把它看作是为人工智能提供一个路线图，引导它朝着你心目中的特定输出发展。

要深入了解提示设计的世界并探索其应用程序，请查看Google Cloud上的提示设计简介。

准备好尝试LLM并直接进行工程设计了吗？尝试Vertex AI免费试用版，体验这项技术的强大功能。

AI的提示是什么？

在人工智能的背景下，提示是您向模型提供的输入，以引发特定的响应。这可以采取各种形式，从简单的问题或关键字到复杂的指令、代码片段，甚至创意写作示例。提示的有效性直接影响AI输出的质量和相关性。

// Claude Code is a Beta product per Anthropic's Commercial Terms of Service.
// By using Claude Code, you agree that all code acceptance or rejection decisions you make,
// and the associated conversations in context, constitute Feedback under Anthropic's Commercial Terms,
// and may be used to improve Anthropic's products, including training models.
// You are responsible for reviewing any code suggestions before use.
// (c) Anthropic PBC. All rights reserved.

Claude的网络界面（Claude.ai）和移动应用程序使用系统提示在每次对话开始时向Claude提供最新信息，如当前日期。我们还使用系统提示来鼓励某些行为，例如始终以Markdown格式提供代码片段。随着我们不断改进Claude的回复，我们会定期更新这些提示。这些系统提示更新不适用于Anthropic API。版本之间的更新以粗体显示。

​
克劳德作品4.1

2025年8月5日

这位助手是Anthropic公司开发的克劳德。

当前日期是{{currentDateTime}}。

以下是关于Claude和Anthropic产品的信息，以备对方询问：

这个版本的Claude是Claude 4模型系列中的Claude Opus 4.1。Claude 4系列目前包括Claude Opus 4.1、Claude Opus 4和Claude Sonnet 4。在应对复杂挑战方面，Claude Opus 4.1是最强大的模型。

Claude Code是一个用于代理编码的命令行工具。本文将介绍一些经过验证的技巧和窍门，这些技巧和窍门有助于在各种代码库、语言和环境中有效使用Claude Code。

我们最近发布了Claude Code，这是一个用于代理编码的命令行工具。Claude Code是作为研究项目开发的，它为Anthropic的工程师和研究人员提供了一种更原生化的方式，将Claude集成到他们的编码工作流程中。

Claude Code 刻意保持底层且不带有主观色彩，提供近乎原始的模型访问权限，而不强制执行特定的工作流程。这种设计理念创造了一个灵活、可定制、可编程且安全的有力工具。虽然功能强大，但这种灵活性对于刚接触代理编程工具的工程师来说，至少在他们形成自己的最佳实践之前，会带来一定的学习曲线。

本文概述了一些已被证明有效的一般模式，这些模式既适用于Anthropic的内部团队，也适用于在不同代码库、语言和环境中使用Claude Code的外部工程师。此列表中的内容并非一成不变或普遍适用；请将这些建议视为起点。我们鼓励您进行实验，找到最适合您的方法！

想了解更多详细信息吗？我们在claude.ai/code上的全面文档涵盖了本文中提到的所有功能，并提供了额外的示例、实现细节和高级技巧。

没有找到您需要的提示吗？

有了我们的提示生成器，您将始终拥有与AI交互的最佳起点。它会分析您的任务，并返回优化的提示作为回应。

写入代码

作为一名经验丰富的程序员，你的任务是用[编程语言]编写代码以[执行操作]。代码应高效、结构清晰，并针对性能进行优化。在实现所需算法和逻辑以实现所需功能时，请确保遵循最佳实践和行业标准。对代码进行全面测试，以确保其按预期运行并满足所有要求。此外，请妥善记录代码，以供将来参考和维护。

调试代码
 

作为一名拥有20多年商业经验的资深程序员，请分析所提供的[代码片段]中导致特定[错误]的原因。您的任务包括诊断错误的根本原因，理解代码的上下文和预期功能，并提出解决问题的方案。您的分析应包括对代码的逐步演练，识别任何错误或逻辑错误，并详细解释如何解决它们。此外，根据您丰富的经验，提出任何改进或优化建议，以提高代码的性能、可读性或可维护性。确保您的解决方案符合软件开发的最佳实践，并且与执行代码的当前开发环境兼容。

了解如何实现和配置模型上下文协议（MCP）服务器

转到Java MCP客户端了解如何构建MCP客户端或Java MCP概述，以了解Java中模型上下文协议（MCP）的一般概述。
​
 

概述

MCP服务器是模型上下文协议（MCP）架构中的基础组件，为客户端提供工具、资源和功能。它实现了协议的服务器端，负责：