👁 85 次阅读
引言：4.7 发布后，提示词才真正值钱
2026年4月16日，Anthropic 正式发布 Claude Opus 4.7（据 Anthropic 官方公告），这是自 Opus 4.6 以来定位最扎实的一次升级——上下文窗口保持 100 万 token 不变，最大输出 128k，API 定价延续 4.6 的水平：输入每百万 token 5 美元、输出每百万 token 25 美元。价格没变，能力却上了台阶，尤其是复杂长任务的可靠性和对指令的字面遵循。
但真正需要用户自己动手的地方，是提示词。Anthropic 官方在 Claude Prompting Best Practices 文档中明确指出，4.7 开始默认更直接、更少冗长，很多以往用来『压啰嗦』的负面指令反而会过度收紧输出。换句话说：以前能用的提示词，在 4.7 上不一定还能用。
本文按官方文档主线，把可以直接照抄的 6 个实战技巧整理出来，每一条都配了前后对比示例，读完就能改。
一、黄金法则：把 Claude 当成『缺上下文的新同事』
这是官方文档里的第一条，也是最朴素、最有工程价值的一条。原文给出的判断标准是：
把你的提示词拿给一位对任务缺乏背景的同事看，如果他看完会感到困惑，那么 Claude 也会困惑。
这句话的意思是——模型并不在『猜』你的意图，而是在『拼接』你给出的线索。线索不足，它只能退回通用默认；线索充分，输出才稳定。
1. 模糊版 vs 清晰版：同一个任务，两种命运
官方文档里最经典的对比，是创建分析仪表盘：
# 效果较差：Create an analytics dashboard
# 效果更好：
Create an analytics dashboard. Include as many relevant
features and interactions as possible. Go beyond the
basics to create a fully-featured implementation.第二条并没有多什么『魔法词』，它只是把『什么叫完成』定义得更具体——要尽量多的相关特性、要交互元素、要超越基础版。这属于把隐性标准变成显性标准。
2. 说『为什么』比说『做什么』更管用了
另一条容易被忽略的原则：给指令附上动机。同样是禁止使用省略号：
# 效果较差：
NEVER use ellipses
# 效果更好：
Your response will be read aloud by a text-to-speech engine,
so never use ellipses since the text-to-speech engine will
not know how to pronounce them.第二个版本多出来的不是语气，而是因果链。模型理解『为什么不能用省略号』后，就能把这条规则推广到连续破折号、异常 Unicode 符号等类似场景。
二、XML 标签给提示词搭骨架
对于稍微复杂一点的提示词，XML 标签几乎是必选项。它的作用不是美化，而是给模型一棵清晰的文档树——哪段是指令、哪段是数据、哪段是示例，一眼就能分开。
官方推荐做法：标签名保持一致、语义清晰，比如 <instructions>、<context>、<input>、<example>。多文档场景下，用自然层级嵌套：
<documents>
<document index="1">
<source>annual_report_2023.pdf</source>
<document_content>
{{ANNUAL_REPORT}}
</document_content>
</document>
<document index="2">
<source>competitor_analysis_q2.xlsx</source>
<document_content>
{{COMPETITOR_ANALYSIS}}
</document_content>
</document>
</documents>
Analyze the annual report and competitor analysis. Identify
strategic advantages and recommend Q3 focus areas.几个实践要点：标签名要一致且有语义；有自然层级时再嵌套，多余的层级只增噪音；重要字段前后留空行，会让模型更容易识别边界。
三、Few-shot 示例的黄金配比：3 到 5 个就够
示例是提示词工程里性价比最高的杠杆，但并非『多多益善』。官方给出的经验值是：3 到 5 个示例通常效果最佳。超过这个数量，会拉长上下文、稀释指令，还会让模型过拟合到具体样本。
一个好示例必须同时满足三个条件：
相关：贴近真实输入分布，不是挑那些『好看但罕见』的样本；
多样：覆盖边界情况，让模型理解规则的边界；
结构化：用 <example> 或 <examples> 包裹，与指令语义分开。
进阶技巧：让 Claude 自己评估你的示例相关性、或者基于初始示例集生成更多候选，比自己盲挑靠谱得多。
四、effort 参数：5 个档位怎么选，一次说清
Claude Opus 4.7 引入的一个关键新特性是 effort 参数——不是采样温度，而是对模型内部『思考深度』的显式开关。官方把档位分成了 5 个：
| 档位 | 定位 | 推荐场景 |
|---|---|---|
| max | 极限努力，过度思考风险 | 对智能要求最高的任务 |
| xhigh | 4.7 新增，编码/Agent 最优 | IDE、代码生成、长链工具调用 |
| high | 平衡成本与智能 | 大多数智能敏感场景的最低推荐 |
| medium | 成本敏感默认 | 通用问答、分类、抽取 |
| low | 低延迟、高并发 | 短小任务、批量处理 |
Anthropic 官方给出的总建议是：交互式编码产品用 xhigh 或 high，开启自动模式，首次对话尽可能一次讲清任务、意图和约束。这条经验对减少『反复让用户确认』的体验问题非常有效。
4.7 与 4.6 相比，有一个很容易踩坑的行为变化——Opus 4.7 会严格遵循 effort 档位，特别是在低端。如果你之前用 medium 也能得到不错的回答，在 4.7 上可能明显变短、变浅。迁移的时候，最好先把智能敏感任务升到 high 或 xhigh，再回头看效果。
五、长上下文：文档在顶部，问题在末尾
给 Claude 一份几万 token 的长文档时，提示词的『排版顺序』会直接影响回答质量。官方给出的经验是：
长文档放在提示词顶部；
查询和指令放在末尾；
这种排版相比『问题在前、文档在后』的写法，可以带来最多约 30% 的质量提升（据 Anthropic 官方文档）。
原因是模型是自回归生成的，越靠近生成位置的 token，对输出的影响权重越大。把指令放末尾，相当于在模型即将回答的位置『再提醒一次目标』。
配套两条建议：
用 XML 标签包装每份文档的元数据和正文（来源、日期、标题），便于模型引用；
要求模型先提取相关引用，再回答，降低幻觉。示例写法：
请先用 <relevant_quotes> 标签列出你引用的原文片段，
再在 <answer> 标签中给出你的回答。六、Structured Outputs 取代预填充响应
从 Claude 4.6 以及 Claude Mythos Preview 开始，Anthropic 不再支持在最后一个 assistant 回合做预填充响应（prefilled response）。这是一条很多开发者忽略、但在产品侧影响很大的变化。
迁移路线按场景划分如下：
| 原场景 | 替代方案 |
|---|---|
| 控制输出格式 | 改用 Structured Outputs 或工具调用 |
| 消除冗余序言 | 在 system prompt 里用直接指令控制 |
| 避免误拒绝 | 用清晰的 user 消息提示 |
| 继续之前的响应 | 把『请继续』放进 user 消息 |
| 上下文保持 | 通过 user 消息或工具注入提醒 |
Structured Outputs 从协议层保证 JSON Schema 级别的结构稳定性，比传统 prefill 更可靠，值得优先切换。
实战迁移清单：从 4.6 升到 4.7 的 8 条检查项
把上面 6 个技巧整理成一份可以直接照抄的 checklist：
1. 显式说明行为期望：所有隐式约束都补成显式，比如『对每一节都应用』；
2. 固定 thinking budget 迁到 adaptive + effort，更省心；
3. 智能敏感任务优先升到 high 或 xhigh；
4. 迁移离开 prefilled response，优先用 Structured Outputs；
5. 收敛反懒惰提示：4.6+ 已经更主动，老的『请不要偷懒』可能过度触发；
6. 检视子代理生成策略：依赖模型主动 fan-out 的话要显式写条件；
7. 长上下文任务：文档靠前、指令末尾、XML 结构化、要求先引用后回答；
8. 保持一个评估集：任何提示词变更都跑一遍固定样本，避免『改一个好一个坏一个』。
总结：提示词不是咒语，是接口契约
回头看 Anthropic 的 Prompting Best Practices，贯穿全文的其实是一个很朴素的观念：提示词不是一次性的『咒语』，而是一份需要持续维护的接口契约——有输入契约（上下文、数据、示例）、有输出契约（格式、冗长度、完成标准）、有行为契约（能动什么、不能动什么、什么时候必须问）、还有演化契约（模型升级时哪些写法要跟着调）。
Claude Opus 4.7 已经把这个契约的很多部分下放到 API 层的显式参数（effort、adaptive thinking、structured outputs）。对使用者来说，最好的策略不是追逐每一个『新技巧』，而是把通用原则、XML 结构化、effort 调优、长上下文排版这几套核心能力内化为日常工程习惯——这比任何一条『万能提示词』都更长期有效。
（本文所有 Claude Opus 4.7 版本信息与 API 定价数据均引用自 Anthropic 官方公告与 Claude Platform 官方文档，撰写日期 2026 年 9 月 10 日。）