Anthropic官方提示词课爆火：同一模型从全挂到全过，只改了这个！

同一个模型，同一套任务，从全部失败到全部通过，中间只差提示词和工作流。

这不是段子，是Anthropic两周前官方讲座《The Prompting Playbook》的实测结果。

一、小模型也能逆袭

Anthropic用Sonnet 4.6做了一组零售排班测试。

第一轮，最基础的提示词，推理能力明显不够，测试几乎全挂。

中间几轮不断优化提示词，部分开始通过，但token上限带来新问题。

第五轮，搭了一个"生成、评价、修复"的循环，所有测试全部通过，token反而更少，延迟更低。

同一个小模型，差距全在提示词。

二、四个关键原则

第一，靠系统化的评估来验证每次改动，凭感觉改不算数。

第二，保持提示词"卫生"，清理冗余，用XML标签区分结构。

第三，别用纯指令弥补能力缺口，该上工具就上工具。

第四，复杂任务别堆一个超长提示词，搭多提示词协作的工作流，更高效也更便宜。

三、一个反直觉的真相

很多人觉得写提示词浪费时间，随手敲一句话就开干。

但现实是：一句短提示词省了几秒写的时间，后面却要追加四五轮补充，前后搭进去10分钟。

反过来，花1到2分钟写一个结构完整的提示词，生成结果5分钟，总时间反而更短。

四、有人把它做成了工具

有开发者看完这期讲座，用Codex做了一个全局提示词优化器。

在任意页面选中文本，按一个快捷键，10秒内自动优化成完整提示词框架。

包含任务背景、约束条件、输出格式，甚至让AI自己做质量复查。

开源在GitHub上，推荐用DeepSeek V4 Flash跑，便宜够快。

五、最核心的一句话

别迷信一个面面俱到的超强提示词。该让AI自己思考的就放手，该信任的地方信任，不该信任的地方让它老实承认哪些信息还不到位。

提示词不是模型弱时的拐杖，而是让任何模型发挥最大能力的杠杆。

你平时写提示词，是一句话硬刚，还是先花两分钟搭框架？