视频和文章内容来自Anthropic Applied AI团队的分享，主讲人是Anthropic工程师Hannah Moran和Christian Ryan。他们通过一个真实客户案例的改编版本，展示了如何将一个简单的AI提示词优化成工业级应用。

原始任务需求：

一家瑞典保险公司每天需要处理大量车险理赔案件，需要AI分析两份瑞典语材料（事故报告表格和手绘事故草图），判断事故责任方，最终辅助人类理赔员工作。具体材料包括一份包含17个复选框的瑞典语车祸报告表（分别描述车辆A和车辆B的行为）和一份人工手绘的事故现场草图。

最精彩的是，他们从Claude把车祸误判为"滑雪事故"的尴尬开始（因为表格中的街道名"Chappangan"在瑞典很常见），一步步展示了Prompt Engineering的威力。

核心内容：5步打造精准AI助手

1、任务上下文是一切的基础——从滑雪到车祸的转变

初始prompt只有一句话："review an accident report form and determine what happened and who's at fault"。结果Claude以为这是滑雪事故。

V1到V2的关键改进：

• 明确角色定位从简单的一句话变成了"You are an AI assistant helping a human claims adjuster reviewing car accident report forms in Swedish"，直接点明了这是车险理赔场景，避免了AI的误判，同时建立了助手与人类理赔员的协作关系。这个改变让AI立即进入了正确的"思维模式"。
• 设定工作场景不仅明确了这是车险理赔，还加入了"reviewing forms in Swedish"的语言提示，让AI准备好处理瑞典语材料，预设了正确的语言处理模式，避免了语言识别的额外猜测。
• 添加判断原则"Do not make an assessment if you're not fully confident"看似简单，实际上建立了一个关键的决策边界，让AI知道"不确定"是一个可接受的答案，比错误的确定性判断更有价值。这一点在实际应用中极其重要，因为它直接影响到保险理赔的准确性。

2、背景信息要前置且结构化——17个复选框的秘密

最大的突破来自于将表格的完整结构说明放入系统提示词。这份瑞典语表格包含17个预定义的驾驶行为选项，但AI初次看到时需要逐个猜测含义。

系统提示词中添加的关键信息：

• 表格的完整结构说明不仅包括标题"Swedish car accident form"和两列布局，更重要的是详细列出了全部17个复选框的确切含义，从"停车/静止"到"倒车"的每一个选项，让AI不需要猜测或推断每个框的含义。这种详尽的预先说明将AI的认知负担从"理解表格"转移到"读取表格"，效率提升显著。
• 人类填表习惯的说明特别提到"可能用圆圈、涂鸦、叉号等各种标记"，这个看似细节的补充实际上预防了AI因为寻找标准"X"标记而漏判的问题，体现了对真实世界复杂性的深刻理解。团队还明确指出"任何标记都应视为选中"，建立了清晰的判断标准。
• XML标签的结构化组织使用<form_details>等标签不仅让信息更有层次，更重要的是让AI可以在后续推理中精确引用这些信息，建立了一个可被AI理解和调用的"知识库"。这种结构化方式也便于后续的prompt维护和更新。

3、指令顺序决定推理质量——先看表格再看草图的智慧

这是最反直觉但效果最显著的优化。团队发现，改变分析顺序可以显著提升准确率。

V3到V4的执行步骤优化：

• 第一步"仔细检查表格"要求AI逐个检查所有17个复选框，明确记录哪些被选中、哪些未选中，不要遗漏任何细微的标记，这种系统性的扫描确保了基础数据的完整性。这个步骤虽然会产生冗长的输出，但保证了AI不会遗漏关键信息，为后续判断奠定了坚实基础。
• 第二步"形成初步理解"是基于选中的复选框构建事故的基本事实，例如确定"车辆A在直行（框3被选中），车辆B在右转（框12被选中）"，这个步骤将离散的复选框信息转化为连贯的事故叙述。这种转化过程模拟了人类理赔员的思维方式，从数据到故事的转换让AI建立了清晰的事故图景。
• 第三步"带着上下文分析草图"是整个优化的精髓，AI不再面对抽象的线条和方框，而是带着"车辆A直行、车辆B右转"的先验知识去理解空间关系，验证草图是否与表格信息一致。这种方法避免了AI对草图的过度解读或误判，同时也能发现表格中没有体现的空间细节。
• 第四步"综合判断"强调只有当证据充分且一致时才做出责任判定，如果信息矛盾或不清晰则明确说明无法判断，这个原则确保了输出的可靠性。这种谨慎的态度对于保险理赔这种高风险决策场景至关重要，宁可不判断也不要错误判断。

4、输出格式化是工程化的关键——从冗长分析到精准结论

对于实际应用，保险公司需要的不是AI的思考过程，而是可以直接入库的结构化数据。

输出优化的演进过程展示了工程思维：

• V2版本输出包含大量推理细节和过程描述，虽然有助于理解AI的思考过程，但对于需要处理大量案例的保险公司来说信息密度太低，难以自动化处理。这个版本更像是"AI在大声思考"，而不是在提供可用的业务数据。
• V3版本因为要求"仔细检查每个框"导致输出更加冗长，AI会逐一报告每个复选框的状态，虽然确保了完整性但牺牲了效率，这个教训提醒我们指令的副作用。过于详细的过程要求可能导致输出膨胀，需要在完整性和简洁性之间找到平衡。
• V4版本通过明确的XML格式要求实现了结构化输出，<form_analysis>包含关键事实，<sketch_analysis>提供空间分析，<final_verdict>给出明确判断和理由，每个部分都可以被程序直接解析和使用。这种格式不仅便于自动化处理，也保留了必要的推理依据供人工审核。

5、迭代是prompt工程的灵魂——从失败中学习的艺术

整个演示展示了真实的prompt开发流程：不是一次成功，而是通过多次迭代逐步改进。

迭代过程揭示的关键洞察：

• 从V1到V2的跃迁发现了场景设定的重要性，一个简单的"car accident"限定词就能避免"滑雪事故"的误判，这提醒我们永远不要高估AI的"常识"，每个假设都需要明确表达。这个发现改变了团队对AI能力边界的认识。
• 从V2到V3的改进聚焦于背景知识的提供，将17个复选框的含义预先告知极大提升了理解准确度，这说明结构化的领域知识注入是提升AI表现的关键路径。这个改进也展示了系统提示词的价值，不变的背景信息应该被复用而不是每次重复。
• 从V3到V4的优化发现了认知顺序的影响，先表格后草图的分析顺序显著提升了判断准确性，这个发现挑战了"一次性输入所有信息"的直觉，证明了引导AI的推理路径的重要性。这种顺序设计本质上是在为AI设计一个最优的信息处理流程。
• 整个迭代过程坚持了科学方法：保持测试用例不变（同样的表格和草图），每次只改变一个主要变量，详细记录每个版本的改进点和效果，建立可重现的实验环境。这种方法论确保了每个改进都是可验证的，避免了"碰运气"式的优化。

高级技巧与最佳实践

Prompt结构的标准模板及其设计理念

团队推荐的标准结构不是随意的排列，而是基于认知科学和工程实践的最优设计：

• 任务描述：放在最前面是因为它设定了整个交互的框架和期望，就像函数签名定义了函数的用途，这个位置确保AI首先理解"我要做什么"，然后才是"如何做"。
• 内容输入：作为动态数据放在中间，既确保了任务context已经建立，又为后续的详细指令提供了处理对象，这种三明治结构保证了信息的逻辑流动。
• 详细指令：提供step-by-step的执行指南，放在内容之后是因为这时AI已经知道要处理什么数据，可以更好地理解指令的具体含义，避免了抽象指令的歧义。
• 示例（Few-shot）：虽然本案例未使用，但它们的位置设计是为了在AI已经理解任务和方法后，提供具体的"这样做是对的"的参考，起到校准和验证的作用。
• 重要提醒：放在最后是利用了"近因效应"，确保关键原则在AI开始执行前还"新鲜"地保留在context中，这对于防止AI在长篇推理中"遗忘"关键约束特别重要。

Few-shot示例的设计哲学

虽然演示中没有使用，但团队特别强调了示例在处理边界案例时的价值：

• 对于"灰色地带"的案例，比如责任五五开的情况，或者多车连环事故，提供2-3个专家标注的示例可以让AI理解微妙的判断标准，这些示例本质上是在传授"判例法"。
• 视觉示例可以通过base64编码直接嵌入，让AI学习如何解读模糊的手写标记、不规范的草图，这种视觉few-shot learning在处理真实世界的混乱输入时特别有效。
• 示例的组织使用<example>标签不仅是为了结构清晰，更重要的是让AI能够明确区分"这是示例"和"这是当前任务"，避免混淆，同时便于示例库的维护和更新。

Claude4 扩展思考功能的战略价值

新模型的thinking功能不仅是一个调试工具，更是prompt优化的"作弊器"：

• 通过观察AI的思考过程，可以发现prompt中的歧义表述，比如AI可能在思考"这个标记算不算选中"，提示我们需要更明确的判断标准。
• Thinking tags揭示了AI的推理链路，帮助我们理解为什么某些情况下AI会做出错误判断，这种"思维透明度"让prompt优化从猜测变成了科学。
• 长期收集thinking patterns可以建立"AI认知模型"，了解AI倾向于如何理解特定类型的指令，从而设计更符合AI"思维习惯"的prompt。

实际部署考虑

生产环境的成本优化策略

• Prompt缓存不仅能降低成本，更重要的是能提供一致的响应延迟，对于需要SLA保证的企业应用，将17个复选框说明和其他静态信息缓存可以显著提升服务稳定性。
• 成本计算示例：假设每天处理1000个案例，系统提示词有2000 tokens，通过缓存可以节省90%的输入token成本，月度节省可达数千美元，这种优化在规模化部署时效果显著。

错误处理的层次化设计

• 第一层是AI自身的不确定性表达，通过"only judge when confident"的原则，让AI主动标记不确定的案例，这比强制判断更有价值。
• 第二层是业务规则校验，比如"如果双方都在直行却发生事故，必须人工复核"，这种规则可以捕获AI可能忽视的逻辑矛盾。
• 第三层是人工审核机制，对于AI标记为不确定的案例，或者涉及重大赔付的案例，自动路由到人工处理，确保关键决策的可靠性。

总结与启发

这个案例完美展示了prompt engineering是一门结合了认知科学、软件工程和领域知识的实证科学。从一个会把车祸认成滑雪事故的AI，到能准确判断事故责任的专业助手，整个过程不是魔法，而是系统化的工程实践。

关键成功因素：

1. 场景设定的具体性：每个词都有其作用，"car accident"两个词避免了荒谬的误判
2. 信息组织的结构化：好的信息架构让AI的认知负担最小化，效率最大化
3. 推理顺序的逻辑性：模拟专家的思维过程，而不是一股脑扔给AI所有信息
4. 输出格式的实用性：为机器设计输出，为人类保留可读性，两者兼顾
5. 优化过程的科学性：假设-实验-验证的循环，每一步都有据可查

Q&A

Q：为什么Claude会把车祸理解成滑雪事故？这反映了什么深层问题？

A：这个错误完美展示了AI的"无知之幕"和人类的"知识诅咒"。Claude看到"accident report"和瑞典地名"Chappangan"，在没有明确上下文的情况下，可能联想到了瑞典作为滑雪胜地的印象。但更深层的问题是，我们人类往往忘记了自己的"默认假设"——当我们说"事故报告"时，大脑会自动根据上下文推断这很可能是交通事故，但AI没有这种"生活经验"形成的先验概率。这提醒我们，与AI协作时需要"初心思维"，假设AI对世界一无所知。

Q：为什么要把不变的信息放在系统提示词而不是用户提示词中？这个决策背后的工程权衡是什么？

A：这涉及三个层面的精妙权衡。

• 经济层面：系统提示词可以被缓存，假设每天1000次调用，2000 token的背景信息，缓存可以节省90%的成本，这是实实在在的经济效益。
• 架构层面：这种分离体现了"关注点分离"原则，系统提示词是"配置"，用户提示词是"输入"，清晰的边界让系统更易维护。
• 认知层面：对AI来说，系统提示词建立了一个稳定的"世界模型"，用户提示词则是在这个模型中的具体"任务"，这种分层符合人类和AI的认知架构。

想象一下，如果每次都要告诉AI那17个复选框的含义，就像每次开车都要重新学习交通规则一样低效。

Q：这个案例中最容易被忽视但最有价值的优化是什么？为什么它如此重要？

A：是告诉AI人类填表的不规范性——"可能用圆圈、涂鸦或叉号"。这个细节看似微小，实则触及了AI系统设计的核心问题：真实世界的复杂性。没有这个说明，AI可能会像一个刚毕业的新人，期待看到教科书般标准的"X"标记，结果面对潦草的圈圈就不知所措。这个优化的价值在于它改变了AI的"容错阈值"，从寻找"完美匹配"转变为"合理识别"。最好的prompt不是那些描述理想情况的，而是那些预见并包容现实混乱的。在更广的意义上，这代表了从"实验室思维"到"生产环境思维"的转变。