看完Claude提示语库学到的知识

我通读了克劳德给出的官方的64个提示语，把整个库都读完了。
这是我学到的几点内容，分享给大家，希望对你们有用。

一、所有的提示语都不是结构化的

所有的克劳德提示语没有这样的结构化写法:

结构化提示词的目的本身是希望将问题描述清楚。如果问题可以通过简单的语言描述，那么结构化提示词就显得多余了。 多余的提示词可能会给模型造成更多的困扰。因此，在写提示词时，最好是聚焦于把问题描述清楚，而不是对格式的要求

二、提示词都清晰地表达了任务

并没有完全都使用提示词里的第一句话。像“你要扮演什么样的角色”，它的主要思想是，如果你要完成这个任务，是可以通过语言直接表达清楚的，而不需要指定角色，也是可以的。

提示词的主要目的是把问题描述清楚，像问题的任务的描述以及输出的需求，以及你对整个输出的要求和细节的要求，或者步骤的要求。把这些描述清楚了，要比结构化提示词或者非要让模型扮演一个什么样的角色重要得多。

三、指导模型准确输出

改写文章案例: 让模型按照步骤一步步把对文章进行改写

如果你想让一个模型将内容按照你想要的方向一步一步去迭代的话，首先你自己要知道每一步如何改进，以及一步一步怎么能产生你最终想要的结果。 如果你都不知道如何改进每一步应该考虑哪些东西的话，模型无法给你你想要的准确结果。

来源: https://docs.anthropic.com/en/prompt-library/prose-polisher

四、费曼学习法

这是费曼学习法的一个 prompt。它需要将原始复杂问题这样的一个长的表达，切分成不同的、更简单、更通俗易懂的语句，给三到五年级的小朋友讲明白。

来源: https://docs.anthropic.com/en/prompt-library/second-grade-simplifier

五、idea生成器

这是头脑风暴的一个 prompt 案例。通过 VR 和其它一些技术，考虑一些游戏的类别机制，想出更新颖点子的一个 VR 场景的头脑风暴。

其实，这也可以结合我们很多自己笔记的一些想法。通过改变这个 prompt，可以形成更好的头脑风暴。这个头脑风暴可以适用于我们自己独特的想法和思考。

来源: https://docs.anthropic.com/en/prompt-library/vr-fitness-innovator

六、json生成

这是很好的文本化非结构化数据转化成 JSON 的一个提示原例。
不需要使用fewshot的一些方式可以直接通过直接通过描述就可以完成.

来源: https://docs.anthropic.com/en/prompt-library/data-organizer

七、xml格式区分

这个是一个意图判断，判断用户所问的问题是否具有伤害性。如果是的话，就回答“yes”；如果不是伤害性的话，就回答“no”。

这里面有一个很有意思的事情：当提出用户这个问题，让大源模型对问题进行判断的时候，用户的问题是使用XML结构，这样就区分了哪些是要判断的内容，哪些是要求。

来源: https://docs.anthropic.com/en/prompt-library/master-moderator

八、生成csv

这个是生成CSV的一个prompt。如果可以通过模型进行CSV的prompt生成，可以造很多假数据去完成技术上测试的事情，比如对数据的分析和处理的技术演示。
可以在学习数据分析的时候,只关注技术上的学习,而不用考虑没有数据的问题.

来源: https://docs.anthropic.com/en/prompt-library/spreadsheet-sorcerer

总结

1. 所有的提示语都不是结构化的
2. 提示词都清晰地表达了任务
3. 指导模型准确输出,前提是你要知道如何一步步改善内容的.
4. 费曼学习法:用于高效学习复杂不理解的知识
5. idea生成器: 可以结合自己的笔记,做头脑风暴
6. json生成: 不需要给出fewshot,先看看是否能把问题描述清楚
7. xml格式区分:当确定把问题和指定的字符串分开的时候,可以使用XML格式将它们分开,用于更清晰的表达
8. 生成csv: 学习数据分析时可以直接使用生成的CSV,不用关注数据而直接关注技术学习