Claude Prompting 大师课：如何获得顶级输出
本文是一篇关于 Claude 提示词工程的综合指南。文章指出，掌握与 AI 的沟通是当前最重要的技能。作者首先列举了缺乏上下文、指令模糊和缺乏迭代这三大常见错误，随后基于 Anthropic 官方文档提炼了构建优秀提示词的五大核心要素。最后，文章介绍了结构化提示、反向提示、深度思考触发等高级技巧，帮助用户最大化发挥 Claude 的潜能。
相关文档
用参考图替代风格提示词的画图技巧
作者在测试 Manus 时学到一个提示词技巧：在生成图片时，不必用提示词详细控制样式风格，而是直接提供参考图，参考图中包含颜色、字体、宣纸纹理、墨迹边缘、水痕、印章与留白规则等视觉要素。这样出图稳定性更高，内容提示词也可以写得更简单。文中以'茶与慢生活'主题的水墨极简风格幻灯片为例，展示了参考图配合简洁内容提示词的完整实践，包括标题副标题、内容结构以及视觉方向的具体要求。
为什么世界顶级AI创业公司写的Prompt都很糟糕（以及如何修复）
OpenAI初创团队Applied AI负责人Wulfie Bain指出，即使是顶级AI创业公司，其提示词也普遍存在矛盾与歧义。核心原因在于提示词的演进是增量式的：只加不删，无人端到端审查，导致“意面式”提示词；而工程师依赖隐式知识解读提示词，忽略了模型缺乏这些背景。作者主张将提示词视为产品决策和代码来对待——结构化、模块化、可维护（MECE原则）。通过重构提示词，多家创业公司实现了提速50%、留存提升40%、成本降低30%的效果。
GPT2.5：官方作图手册解读，思路决定出路！
作者解读 OpenAI 官方图片生成 Prompt 指南，指出堆砌'电影感、8K'等咒语式词汇并不有效，正确思路是把 Prompt 当成给摄影师或设计师看的需求单。文章总结 8 个诀窍：先说成品类型、描述可见画面而非感觉、人物动作写具体、图中文字加引号并限制出现次数、改图时明确说明什么不能变、多张参考图要分配任务、一次只改一件事、Prompt 重结构清晰而非长度。最后提供可复制的万能模板和三条核心原则。
H3 Prompt 实战：如何让 AI 真正理解“人物、镜头、动作、音乐”
文章分享了使用 H3 视频生成模型进行高分辨率俯拍镜头控制的提示词实战经验。核心技巧包括：将机位约束放在提示词最顶部以提高识别权重；明确接受俯拍导致的人脸透视变形，打破模型内置的人脸美化逻辑；直接禁止模型为美化人脸而将机位拉回平视的行为；使用 NO、DO NOT 等强否定短句代替解释性长文；保留原图的人物身份与服装参考，但完全替换原图机位、背景与灯光。作者强调，有效的提示词不是解释“什么是俯拍”，而是硬性禁止模型在高分辨率模式下自动修正机位和人脸透视的内部行为。
How I write motion graphics prompts for MiniMax H3 Max
作者分享了为 MiniMax H3 Max 编写动态图形视频提示词的经验。文章介绍了 Prompt Expansion 的三种模式选择策略（Disabled、Balanced、Quality），讲解了通过首尾帧技术（结合 gpt-image-2 增强）解决文字过多时生成不准确的问题，以及如何拼接多段视频。作者重点展示了时间戳提示词技巧，可精确控制视频中每段文字出现的时间和动作，还介绍了文本动画的提示词写法，如将每个短语定义为完整文本层、避免字母级别的动画等。作者认为 H3 Max 在提示词遵循能力上远超其他模型，生成质量和速度令人惊叹。
构建生产级 AI 系统必须掌握的 6 个核心概念
本文由作者因遭遇 AI 智能体失控产生高昂费用的经历引出，旨在阐述构建生产级 AI 系统必须掌握的核心概念。文章提出了 AI 系统的通用公式：记忆（RAG）+ 思考（LLM + Tokens）+ 行动（Agents）+ 测量（Evals）。文中重点解析了 Tokens 与上下文窗口的成本与限制、嵌入向量与语义搜索的原理、RAG 检索增强生成的正确姿势、智能体循环中的工具使用与停止条件等关键技术细节，帮助开发者从“调参侠”进阶为真正的 AI 工程师。
如何真正搭建高效能的 Claude 项目
文章指出大多数用户仅将 Claude Projects 视为带标签的文件夹，错失了其构建定制化 AI 员工的潜力。作者提出了由身份、规则、流程、输出格式和知识文件组成的六步项目蓝图，通过具体指令和约束，引导 Claude 精准理解用户语调、受众及工作流，从而输出高质量、个性化的内容。
从零构建 LLM 架构：10 个实用经验教训
本文指出构建 AI 产品的核心不在于选择模型，而在于架构设计。作者分享了 10 个实用经验，强调从工作流而非模型入手、重视检索优于微调、将提示工程视为系统工程、关注延迟优化、为智能体设置护栏、妥善处理记忆、建立评估管道以及优化成本。最终，多智能体系统将是未来趋势。
Claude Code 在大型代码库中的运作方式：最佳实践与入门指南
文章深入探讨了 Claude Code 如何在大型代码库（如单体仓库、遗留系统）中高效工作。与依赖过时索引的 RAG 工具不同，Claude 采用代理式搜索遍历本地文件系统。文章指出，工具链（包括 CLAUDE.md、钩子、技能、插件、MCP 服务器和 LSP 集成）对性能的影响往往大于模型本身。通过建立正确的上下文层次和渐进式采用策略，团队可显著提升开发效率。
写好 CLAUDE.md 的 8 条经验：让 Claude Code 更懂你的项目
本文分享了 8 条关于如何编写 CLAUDE.md 的实战经验，旨在帮助开发者通过优化指令文件来提升 Claude Code 的工作效率。核心观点包括：控制长度在 200 行以内、明确禁止使用的库、制定可执行的代码规范、利用文件指针而非堆砌信息、为敏感模块配置本地指令、使用 Hooks 强制执行规则、建立长期记忆回路以及预设工作风格。
让 Claude 发挥最大潜能的 20 条提示词规则
文章指出大多数人将 Claude 仅仅视为搜索引擎，忽略了上下文、角色和约束的重要性。作者提出了 20 条核心规则，涵盖了设置（赋予角色、定义受众、设定长度）、上下文（提供完整文档、告知背景、明确目标）以及输出（要求先思考、多版本迭代）等方面。掌握这些方法论而非死记硬背特定指令，能显著提升 Claude 的回答质量和实用性。
如何编写工业级 Agent Skill 指南
文章深入探讨了如何编写高质量的工业级 Skill（AI 技能/工作流）。文章指出 Skill 不同于简单的 Prompt，它需要具备按需加载、限制工具边界、配置适配模型、分层管理内容（SKILL.md 与 references/scripts 分离）以及建立评估测试闭环等特性。通过遵循最小权限原则、渐进式披露和迭代验证，可以将经验固化为稳定、可维护的自动化工作流。