当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

张大妈

Claude Opus 4.8 使用指南：三招调优提示词，让它听话又靠谱

源自99位全网作者

05-30 12:18

精选参考来源

【50条Claude Code实战心法：从入门到精通的完整指南】花了一整天研读Anthropic最新发布的Claude Code最佳实践文档，结合个人实战经验，整理出这份终极指南。+ 基础心法任务描述永远放在最前面，重要指令置顶。这听起来简单，却是大多数人忽略的细节。给Claude一个自我验证的方式，比如测试用例、截图或预期输出。这是提升效果最立竿见影的一招。推荐的提示词结构：角色 + 任务 + 上下文。简洁有力，屡试不爽。工作流程遵循“先探索，再规划，后执行”。可以先用其他大模型做调研，进入Plan Mode规划，最后切回正常模式写代码。假设Claude对你的项目一无所知，把它需要的信息全部告诉它。用﹫符号链接文件、数据和图片，提供丰富的上下文。运行/init可以为当前项目生成一个CLAUDE.md模板文件。+ 项目与技能管理用项目级指令定义长期行为，避免重复提示。编辑Memory标签精确控制Claude应该记住或忽略什么。把重复性工作流转化为Skills。一个取巧的方法：贴一个优秀输出，让Claude把它变成可复用的Skill。甚至可以上传截图让Claude复刻，这是创建高质量Skill的捷径。定期清理memory、文件和指令，防止项目漂移。不相关的工作流要分开项目，避免上下文污染。推荐两个Skills资源库：skillsmp.com收录了8万多个Skills，mcpservers.org/claude-skills提供即插即用的Skills。+ 冷门但实用的技巧用其他大模型规划项目、生成高级提示词，再交给Claude Code执行。这个策略还能节省Plan Mode的token消耗。在.claude/agents/目录下定义专门的子代理，让Claude把特定任务委派出去。让Claude根据你预设的成功标准给自己的答案打分。运行/plugin浏览插件市场，无需配置即可扩展能力。大型项目可以让Claude先采访你。用一个简短提示开始，让Claude通过AskUserQuestion工具向你提问。发现Claude跑偏时立刻纠正，按ESC中断操作。/clear开启干净会话，双击ESC或/rewind打开检查点菜单。可以运行多个并行会话：Claude Desktop管理多个本地会话，每个会话有独立的工作树；Claude Web在Anthropic的云端隔离虚拟机中运行。+ 调试与错误处理只重跑出错的步骤，不要重新生成所有内容。让Claude故意复现错误来理解问题本质。回滚到上一个正常的提示词，逐步重新应用修改。CLAUDE.md太长会适得其反，重要规则被淹没。解决方案：无情地精简，如果Claude本来就能做对的事，删掉那条指令。常见错误：一个任务没完成就问不相关的问题，再回到第一个任务。上下文被无关信息污染。解决方案：不相关任务之间用/clear。连续纠正两次还是错的话，/clear后写一个更好的初始提示词，把学到的教训融入进去。上下文窗口填满后，Claude可能开始遗忘早期指令。参考官方文档减少token消耗：code.claude.com/docs/en/costs﹟reduce-token-usage+ 进阶资源把Notion数据库连接到Claude，存储常用提示词。使用claude --dangerously-skip-permissions跳过所有权限检查，适合修复lint错误或生成样板代码这类安全的自动化工作流。Hooks适合那些必须每次都执行、零例外的操作。推荐资源：Anthropic官方学习资源anthropic.com/learn，Claude Code最佳实践文档code.claude.com/docs/en/best-practices，GitHub上的superpowers仓库github.com/obra/superpowers。最后一条忠告：慢即是快。尤其是构建严肃的工作流时，规划、规划、再规划，然后才是执行。#How I AI#x.com/aiedge_/status/2014740607248564332

Claude Code的负责人Boris Cherny谈如何使用Claude Code，有很多实用技巧：“我是Boris，我创建了Claude Code。很多人问我如何使用Claude Code，所以我想展示一下我的设置。我的设置可能看起来有些简单！Claude Code开箱即用效果很好，所以我个人并没有做太多定制。没有一种“正确”的方式来使用Claude Code：我们故意将其构建成你可以根据自己的需求使用、定制和修改的方式。Claude Code团队的每个人使用方式都大不相同。好了，接下来是我的展示。---------------------------1️⃣在我的终端中并行运行 5 个 Claude。我将我的标签页编号为 1 到 5，并使用系统通知来提醒我何时需要为某个 Claude 提供输入。2️⃣ 我还在 claude.ai/code 上并行运行 5-10 个 Claude，会和本地的 Claude 一起使用。当我在终端编程时，我经常将本地会话交给网页（使用 &），或者手动在 Chrome 中启动会话，有时我会来回 --teleport。我每天早上和白天也会从手机（使用 Claude iOS 应用）启动一些会话，稍后再查看它们。（图1）3️⃣我在做任何事情时都使用Opus 4.5。它是我用过的最好的编码模型，尽管它比Sonnet更大、更慢，但因为你需要的引导更少，且它在工具使用上更强，所以最终它几乎总是比使用更小的模型更快。4️⃣我们的团队共享一个 CLAUDE.md 文件用于 Claude 代码库。我们将其提交到 Git 中，整个团队每周多次进行更新。每当我们发现 Claude 做错了什么，我们会将其添加到 CLAUDE.md 文件中，这样 Claude 下次就知道不要再做那件事。其他团队则维护各自的 CLAUDE.md 文件。每个团队都有责任保持其文件的最新状态。5️⃣在代码审查过程中，我经常在同事的PR上标记@ .claude，以便将某些内容添加到 CLAUDE.md作为PR的一部分。我们使用Claude Code Github Action (/install-github-action) 来实现这一点。这是我们自己的“复利工程”版本（注：这是Dan Shipper提出的一种方法，每解决一个 bug 或完成一个功能，你都要把学到的知识（比如某个库的特殊用法、某种错误的修复方式）写回到 AI 的提示词（Prompts）或知识库中。这样，AI 智能体下次就不会犯同样的错误，这就像存款产生复利一样，越做越快。）（图2）。6️⃣大多数会议开始时处于计划模式（按两次 Shift+Tab）。如果我的目标是写一个 Pull Request，我会使用计划模式，并与 Claude 反复交流，直到我满意它的计划为止。然后，我切换到自动接受编辑模式，Claude 通常能够一次性完成。一个好的计划非常重要！（图3）7️⃣我使用斜杠命令处理每个“内部循环”工作流，这些工作流是我每天多次执行的。这可以避免重复提示，并且使Claude也能使用这些工作流。命令被检查进git，并存储在 .claude/commands/ 中。例如，Claude和我每天都会使用 /commit-push-pr 斜杠命令几十次。这个命令使用内联bash预先计算git状态和其他一些信息，以便命令能够快速运行，避免与模型之间的反复交互（图4）8️⃣我常用几个子代理：code-simplifier 在Claude完成工作后简化代码，verify-app 有详细的端到端测试Claude代码的说明，等等。类似于斜杠命令，我将子代理视为自动化我在大多数PR中进行的最常见工作流程。（图5）9️⃣我们使用 PostToolUse 钩子来格式化 Claude 的代码。Claude 通常会生成格式良好的代码，而这个钩子则处理最后 10%，以避免以后在持续集成（CI）中出现格式错误。（图6）🔟.我不使用 --dangerously-skip-permissions。相反，我使用 /permissions 预先允许在我的环境中知道是安全的常见 bash 命令，以避免不必要的权限提示。大多数这些设置都已记录在 .claude/settings.json 文件中，并与团队共享。（图7）⑪ Claude Code 为我使用了所有工具。它经常搜索并发布到 Slack（通过 MCP 服务器），运行 BigQuery 查询来回答分析问题（使用 bq CLI），从 Sentry 获取错误日志等等。Slack MCP 配置被检查并提交到我们的 .mcp.json 文件，并与团队共享。（图8）⑫对于长期运行的任务，我将采取以下措施之一：（a）在 Claude 完成任务后，提示它通过后台代理验证其工作，（b）使用代理停止钩子以更确定性地完成此操作，或（c）使用 ralph-wiggum 插件（最初由 @GeoffreyHuntley 构思）。我还将在沙盒中使用 --permission-mode=dontAsk 或 --dangerously-skip-permissions 以避免会话中的权限提示，这样 Claude 就可以在不受我干扰的情况下继续工作。（图9）⑬ 最终提示：可能最重要的一点，想要从Claude Code中获得出色的结果——给Claude提供验证其工作的方式。如果Claude有了这个反馈循环，它将使最终结果的质量提高2到3倍。Claude会使用Claude Chrome扩展程序测试我提交到 claude.ai/code的每一处更改。它会打开一个浏览器，测试UI，并不断迭代，直到代码正常工作，用户体验也感觉良好。验证在不同领域的表现形式各不相同。可能仅仅是运行一个bash命令，或运行一个测试套件，或者在浏览器或手机模拟器中测试应用程序。确保投资时间和精力，使这一过程坚如磐石。------------------------------------下面是答疑：问：创建高质量验证环路的最佳方法是什么？或者说，如何学习创建它们？我知道这是一个有细微差别的问题，“这取决于情况”，但我更感兴趣的是学习如何思考构建这些环路，如果这样说有意义的话。答：其实这非常简单，我觉得人们有时把它弄得过于复杂。给Claude一个工具，让它能够看到代码的输出：如果是服务器代码，就提供启动服务器/服务的方式；如果是网页代码，就提供查看和交互UI的方式；等等。告诉Claude关于这个工具的事情：这只是调整工具的描述，让Claude理解何时应该使用这个工具。就这样。Claude会处理剩下的部分。”#科技先锋官##AI创造营#

全部
来源

内容由AI生成

1. 【50条Claude Code实战心法：从入门到精通的完整指南】花了一整天研读Anthropic最新发布的Claude Code最佳实践文档，结合个人实战经验，整理出这份终极指南。+ 基础心法任务描述永远放在最前面，重要指令置顶。这听起来简单，却是大多数人忽略的细节。给Claude一个自我验证的方式，比如测试用例、截图或预期输出。这是提升效果最立竿见影的一招。推荐的提示词结构：角色 + 任务 + 上下文。简洁有力，屡试不爽。工作流程遵循“先探索，再规划，后执行”。可以先用其他大模型做调研，进入Plan Mode规划，最后切回正常模式写代码。假设Claude对你的项目一无所知，把它需要的信息全部告诉它。用﹫符号链接文件、数据和图片，提供丰富的上下文。运行/init可以为当前项目生成一个CLAUDE.md模板文件。+ 项目与技能管理用项目级指令定义长期行为，避免重复提示。编辑Memory标签精确控制Claude应该记住或忽略什么。把重复性工作流转化为Skills。一个取巧的方法：贴一个优秀输出，让Claude把它变成可复用的Skill。甚至可以上传截图让Claude复刻，这是创建高质量Skill的捷径。定期清理memory、文件和指令，防止项目漂移。不相关的工作流要分开项目，避免上下文污染。推荐两个Skills资源库：skillsmp.com收录了8万多个Skills，mcpservers.org/claude-skills提供即插即用的Skills。+ 冷门但实用的技巧用其他大模型规划项目、生成高级提示词，再交给Claude Code执行。这个策略还能节省Plan Mode的token消耗。在.claude/agents/目录下定义专门的子代理，让Claude把特定任务委派出去。让Claude根据你预设的成功标准给自己的答案打分。运行/plugin浏览插件市场，无需配置即可扩展能力。大型项目可以让Claude先采访你。用一个简短提示开始，让Claude通过AskUserQuestion工具向你提问。发现Claude跑偏时立刻纠正，按ESC中断操作。/clear开启干净会话，双击ESC或/rewind打开检查点菜单。可以运行多个并行会话：Claude Desktop管理多个本地会话，每个会话有独立的工作树；Claude Web在Anthropic的云端隔离虚拟机中运行。+ 调试与错误处理只重跑出错的步骤，不要重新生成所有内容。让Claude故意复现错误来理解问题本质。回滚到上一个正常的提示词，逐步重新应用修改。CLAUDE.md太长会适得其反，重要规则被淹没。解决方案：无情地精简，如果Claude本来就能做对的事，删掉那条指令。常见错误：一个任务没完成就问不相关的问题，再回到第一个任务。上下文被无关信息污染。解决方案：不相关任务之间用/clear。连续纠正两次还是错的话，/clear后写一个更好的初始提示词，把学到的教训融入进去。上下文窗口填满后，Claude可能开始遗忘早期指令。参考官方文档减少token消耗：code.claude.com/docs/en/costs﹟reduce-token-usage+ 进阶资源把Notion数据库连接到Claude，存储常用提示词。使用claude --dangerously-skip-permissions跳过所有权限检查，适合修复lint错误或生成样板代码这类安全的自动化工作流。Hooks适合那些必须每次都执行、零例外的操作。推荐资源：Anthropic官方学习资源anthropic.com/learn，Claude Code最佳实践文档code.claude.com/docs/en/best-practices，GitHub上的superpowers仓库github.com/obra/superpowers。最后一条忠告：慢即是快。尤其是构建严肃的工作流时，规划、规划、再规划，然后才是执行。#How I AI#x.com/aiedge_/status/2014740607248564332

2. Claude Code的负责人Boris Cherny谈如何使用Claude Code，有很多实用技巧：“我是Boris，我创建了Claude Code。很多人问我如何使用Claude Code，所以我想展示一下我的设置。我的设置可能看起来有些简单！Claude Code开箱即用效果很好，所以我个人并没有做太多定制。没有一种“正确”的方式来使用Claude Code：我们故意将其构建成你可以根据自己的需求使用、定制和修改的方式。Claude Code团队的每个人使用方式都大不相同。好了，接下来是我的展示。---------------------------1️⃣在我的终端中并行运行 5 个 Claude。我将我的标签页编号为 1 到 5，并使用系统通知来提醒我何时需要为某个 Claude 提供输入。2️⃣ 我还在 claude.ai/code 上并行运行 5-10 个 Claude，会和本地的 Claude 一起使用。当我在终端编程时，我经常将本地会话交给网页（使用 &），或者手动在 Chrome 中启动会话，有时我会来回 --teleport。我每天早上和白天也会从手机（使用 Claude iOS 应用）启动一些会话，稍后再查看它们。（图1）3️⃣我在做任何事情时都使用Opus 4.5。它是我用过的最好的编码模型，尽管它比Sonnet更大、更慢，但因为你需要的引导更少，且它在工具使用上更强，所以最终它几乎总是比使用更小的模型更快。4️⃣我们的团队共享一个 CLAUDE.md 文件用于 Claude 代码库。我们将其提交到 Git 中，整个团队每周多次进行更新。每当我们发现 Claude 做错了什么，我们会将其添加到 CLAUDE.md 文件中，这样 Claude 下次就知道不要再做那件事。其他团队则维护各自的 CLAUDE.md 文件。每个团队都有责任保持其文件的最新状态。5️⃣在代码审查过程中，我经常在同事的PR上标记@ .claude，以便将某些内容添加到 CLAUDE.md作为PR的一部分。我们使用Claude Code Github Action (/install-github-action) 来实现这一点。这是我们自己的“复利工程”版本（注：这是Dan Shipper提出的一种方法，每解决一个 bug 或完成一个功能，你都要把学到的知识（比如某个库的特殊用法、某种错误的修复方式）写回到 AI 的提示词（Prompts）或知识库中。这样，AI 智能体下次就不会犯同样的错误，这就像存款产生复利一样，越做越快。）（图2）。6️⃣大多数会议开始时处于计划模式（按两次 Shift+Tab）。如果我的目标是写一个 Pull Request，我会使用计划模式，并与 Claude 反复交流，直到我满意它的计划为止。然后，我切换到自动接受编辑模式，Claude 通常能够一次性完成。一个好的计划非常重要！（图3）7️⃣我使用斜杠命令处理每个“内部循环”工作流，这些工作流是我每天多次执行的。这可以避免重复提示，并且使Claude也能使用这些工作流。命令被检查进git，并存储在 .claude/commands/ 中。例如，Claude和我每天都会使用 /commit-push-pr 斜杠命令几十次。这个命令使用内联bash预先计算git状态和其他一些信息，以便命令能够快速运行，避免与模型之间的反复交互（图4）8️⃣我常用几个子代理：code-simplifier 在Claude完成工作后简化代码，verify-app 有详细的端到端测试Claude代码的说明，等等。类似于斜杠命令，我将子代理视为自动化我在大多数PR中进行的最常见工作流程。（图5）9️⃣我们使用 PostToolUse 钩子来格式化 Claude 的代码。Claude 通常会生成格式良好的代码，而这个钩子则处理最后 10%，以避免以后在持续集成（CI）中出现格式错误。（图6）🔟.我不使用 --dangerously-skip-permissions。相反，我使用 /permissions 预先允许在我的环境中知道是安全的常见 bash 命令，以避免不必要的权限提示。大多数这些设置都已记录在 .claude/settings.json 文件中，并与团队共享。（图7）⑪ Claude Code 为我使用了所有工具。它经常搜索并发布到 Slack（通过 MCP 服务器），运行 BigQuery 查询来回答分析问题（使用 bq CLI），从 Sentry 获取错误日志等等。Slack MCP 配置被检查并提交到我们的 .mcp.json 文件，并与团队共享。（图8）⑫对于长期运行的任务，我将采取以下措施之一：（a）在 Claude 完成任务后，提示它通过后台代理验证其工作，（b）使用代理停止钩子以更确定性地完成此操作，或（c）使用 ralph-wiggum 插件（最初由 @GeoffreyHuntley 构思）。我还将在沙盒中使用 --permission-mode=dontAsk 或 --dangerously-skip-permissions 以避免会话中的权限提示，这样 Claude 就可以在不受我干扰的情况下继续工作。（图9）⑬ 最终提示：可能最重要的一点，想要从Claude Code中获得出色的结果——给Claude提供验证其工作的方式。如果Claude有了这个反馈循环，它将使最终结果的质量提高2到3倍。Claude会使用Claude Chrome扩展程序测试我提交到 claude.ai/code的每一处更改。它会打开一个浏览器，测试UI，并不断迭代，直到代码正常工作，用户体验也感觉良好。验证在不同领域的表现形式各不相同。可能仅仅是运行一个bash命令，或运行一个测试套件，或者在浏览器或手机模拟器中测试应用程序。确保投资时间和精力，使这一过程坚如磐石。------------------------------------下面是答疑：问：创建高质量验证环路的最佳方法是什么？或者说，如何学习创建它们？我知道这是一个有细微差别的问题，“这取决于情况”，但我更感兴趣的是学习如何思考构建这些环路，如果这样说有意义的话。答：其实这非常简单，我觉得人们有时把它弄得过于复杂。给Claude一个工具，让它能够看到代码的输出：如果是服务器代码，就提供启动服务器/服务的方式；如果是网页代码，就提供查看和交互UI的方式；等等。告诉Claude关于这个工具的事情：这只是调整工具的描述，让Claude理解何时应该使用这个工具。就这样。Claude会处理剩下的部分。”#科技先锋官##AI创造营#

3. 提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

4. 别光问AI了，反向操作才是王炸，这是我10倍速阅读的三大心法和提示词～当会用AI不再稀缺，AI时代真正拉开差距的是什么？#ai #阅读 #读书 #学习 #世界读书日

5. 李继刚分享的“Prompt Engineering的100个基本”Prompt Engineering(提示工程)不是魔法咒语，而是一门“人机对齐”的通信艺术。它试图用结构化的自然语首，去驯服一个本质上基于概率统计的随机鹦鹉，让它在无限的可能性中場缩出你想要的那一种结果。#科技先锋官#

6. 【10个月深度使用后，我的Claude Code完整配置指南】从二月实验版开始，我就是Claude Code的重度用户，并用它在Anthropic x Forum Ventures黑客松中拿下冠军。十个月日常使用后，分享我摸索出的完整配置体系。+ Skills与Commands：让重复工作一键完成Skills本质上是限定作用域的规则，可以理解为特定工作流的提示词简写。长时间用Opus 4.5写代码后想清理死代码？直接运行/refactor-clean。需要测试？/tdd、/e2e、/test-coverage，这些命令还能在单个提示词中链式调用。两者略有重叠但存储位置不同：Skills放在~/.claude/skills，是更宽泛的工作流定义；Commands放在~/.claude/commands，是快速可执行的提示词。+ Hooks：基于触发器的自动化与Skills不同，Hooks被限定在工具调用和生命周期事件上。主要类型包括：PreToolUse（工具执行前的验证提醒）、PostToolUse（执行后的格式化反馈）、UserPromptSubmit（发送消息时）、Stop（Claude响应完成时）等。比如我设置了一个Hook：在执行npm、pnpm等长时间命令前，如果不在tmux会话中就提醒考虑使用tmux保持会话持久性。另一个实用技巧是用hookify插件对话式创建Hooks，省去手写JSON的麻烦。+ Subagents：任务委派的艺术Subagents是主编排器可以委派任务的子进程，拥有受限的作用域，可在前台或后台运行，为主Agent释放上下文。它们与Skills配合默契——一个能执行部分Skills的Subagent可以自主完成被委派的任务。我的Subagents配置包括：planner负责功能规划、architect负责系统设计、tdd-guide负责测试驱动开发、security-reviewer负责漏洞分析等。关键是为每个Subagent配置允许的工具、MCP和权限。+ MCP：连接外部世界的桥梁MCP将Claude直接连接到外部服务，本质是API的提示词驱动包装器。比如Supabase MCP让Claude能直接拉取特定数据、执行SQL查询，无需复制粘贴。但这里有个关键点：上下文窗口管理。200k的上下文窗口，如果启用太多工具可能实际只剩70k，性能会显著下降。我的原则是：配置20-30个MCP，但保持启用数量在10个以下、活跃工具在80个以内。+ 插件与LSP插件将工具打包以便安装，省去繁琐的手动设置。LSP插件特别有用——如果你经常在编辑器外运行Claude Code，语言服务器协议能提供实时类型检查和智能补全，无需打开IDE。+ 实用技巧集锦键盘快捷键方面：Ctrl+U删除整行、!作为快速bash命令前缀、@搜索文件、Tab切换思考显示、Esc Esc中断Claude或恢复代码。并行工作流方面：/fork可分叉对话处理非重叠任务；Git Worktrees让多个Claude实例无冲突并行工作。另外强烈推荐用mgrep替代grep，它比ripgrep有显著提升，支持本地和网络搜索。+ 编辑器选择虽然不是必需，但好的编辑器能显著提升效率。我用Zed——一个基于Rust的轻量级编辑器，打开即时、大代码库也不卡顿。它的Agent Panel能实时追踪Claude的文件修改，CMD+Shift+R命令面板可快速访问所有自定义命令。VS Code和Cursor同样可行，可选终端模式或扩展集成模式。+ 核心要点不要过度复杂化，把配置当作微调而非架构设计。上下文窗口是稀缺资源，禁用不用的MCP和插件。善用并行执行，自动化重复工作，为Subagents设置明确边界。这套体系的精髓在于：在保持强大能力的同时，精准控制资源消耗。x.com/affaanmustafa/status/1934706098579292549

7. 如何打造高效的Claude Agent Skills？这份官方最佳实践指南为开发者提供了全面且实用的指引，助你写出简洁、有结构、且经过真实测试的Skills，确保Claude能准确发现并高效调用。核心原则：- 简Image洁为王：Skill内容共享Claude的上下文窗口，精简每个token，避免冗余信息。默认假设Claude已具备大量知识，仅补充必要上下文。- 自由度匹配任务：根据任务复杂度设定指令自由度，高自由度适合多路径判断，低自由度适合严格顺序执行（如数据库迁移）。- 跨模型测试：不同Claude模型（Haiku、Sonnet、Opus）对指令细节需求不同，须确保Skill在所有目标模型上均表现良好。Skill结构与命名：- 使用YAML frontmatter定义name（小写字母、数字、短横线，最长64字符）和description（简明描述功能和使用场景，最长1024字符）。- 命名推荐用动名词形式（processing-pdfs、analyzing-spreadsheets），保持一致性，便于管理和调用。- 描述需具体且客观，避免第一人称，确保Claude正确匹配Skill。内容组织与渐进式揭示：- SKILL.md作为入口，保持500行以内，超过时拆分成多个文件（示例、API参考、工作流等），Claude按需加载，节省上下文资源。- 避免深层嵌套引用，所有引用文件应直接从SKILL.md连接，确保完整读取。- 长文档加目录，帮助Claude快速定位信息。工作流与反馈循环：- 复杂任务拆解成清晰步骤，提供可复制的checklist，方便Claude跟踪进度。- 实施验证反馈循环（如校验脚本），确保每步结果正确，减少错误传播。代码与脚本：- 编写可执行脚本解决具体问题，避免将错误处理推给Claude。- 明确指示Claude执行脚本或仅作参考。- 列出依赖包且确认可用，避免环境不一致导致失败。- 用正斜杠书写路径，兼容所有平台。测试与迭代：- 先构建测试评估，界定成功标准，基于真实用例优化Skill。- 采用“Claude A”协助开发，“Claude B”实际测试，观察行为反馈不断迭代。- 关注Claude使用Skill时的路径、遗漏和重复，调整信息架构和描述。避免误区：- 不用Windows风格路径。- 不提供过多选择，推荐默认方案并预留替代方案。- 避免时间敏感内容，采用“旧版本”/“当前版本”分区说明。高级用法：- 利用视觉分析功能处理图像或表单布局。- 设计可验证的中间产出，采用计划-校验-执行模式保障准确性。- 清晰标注MCP工具调用，避免工具定位错误。总结一句话：写Skill如导航指南，既要言简意赅，又要层层递进，帮助Claude快速准确地找到并执行任务，真正实现智能助理的高效赋能。详情：platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices

8. Anthropic的定义特别朴素：Skills就是文件夹。没错，就是文件夹。这个文件夹里面装着：•一些指令（告诉Claude该怎么做）•一些脚本（可以直接执行的代码）•一些资源文件（参考资料、模板等）你可以把它理解成给AI的"工作手册"。传统的做法是，你每次跟Claude对话，都要告诉它该怎么做。但有了Skills，你只需要把这些知识打包成一个"技能包"，Claude在需要的时候自己去读取，然后按照里面的指导来干活。

9. 【看懂 Claude Code 提示词：验证智能体、反过度工程、记忆压缩才是核心】快速阅读： Claude Code的npm源码包因人为失误意外泄露，有人从中逆向整理出26个提示词，覆盖系统指令、工具调用、智能体协作、记忆管理等全部模块，随后以MIT协议重新授权开源。这份材料本质上是一份提示词工程的实战教材。---有个细节值得注意：Anthropic事后将这次泄露定性为“人为失误”。200美元一个月的工具，整个提示词架构就这样从npm包里被人拆了出来。这26个提示词按功能分得很清晰：1个系统提示词负责身份定义和工具路由，11个工具提示词处理文件读写、shell执行、搜索等操作，5个智能体提示词分别对应探索、架构、验证、文档等角色，4个记忆提示词管理上下文压缩，1个协调提示词处理多智能体编排，还有4个工具提示词生成标题、摘要、建议。读完这些提示词，有几个设计决策让人印象深刻。其一是专门设置了一个“验证专家智能体”，它的职责就是在代码上线前想办法把它搞坏。这不是可选项，是写进架构里的。其二是反过度工程规则被明确写入系统提示词，“不要做用户没有要求的功能”。听起来像废话，但显然Anthropic认为有必要把它钉进去。其三是记忆压缩分9个章节，且保证每一条用户消息都被保留。有观点认为，大家都盯着系统提示词，真正值得研究的反而是那4个记忆提示词。多数AI编程工具在请求之间会忘掉一切，而Claude Code能记住项目结构和之前的编辑操作，这才是它用起来像同事而不像聊天机器人的原因。有网友提到，这个开源仓库引起广泛讨论，也有人认为被过度渲染了，从npm包里逆向提示词并不算什么技术壁垒，真正的护城河是模型质量和训练数据。这个说法大概70%是对的，提示词工程本身不是秘密，但好的提示词架构要花多少时间踩坑才能收敛到这个形态，那是另一回事。每个提示词都从零重写以符合法律要求，意图相同，没有逐字引用。MIT协议，可以直接用。所有内容在这里：github.com/repowise-dev/claude-code-prompts如果你在自己搭智能体，有一个问题可能值得先想清楚：你的系统里有没有一个专门负责破坏自己输出的角色？

10. OpenAI、Anthropic 和 Google 的工程师为什么从不为提示词发愁？秘诀在于“上下文栈”——真正的元技巧是“上下文工程”。过去，我们用提示词“黑客”式地与AI沟通，像用简单短语和关键词和陌生人对话。但现在的模型不只是理解指令，它们理解的是“环境”。你的工作不再是简单“提示”，而是设计它的上下文。什么是上下文？就是你在模型开始生成内容前搭建的数字环境，包括：- 它应该“扮演”的角色（身份）- 它的目标是什么- 它的沟通风格和语气- 它参考的例子、数据和过往作品这才是保证输出连贯、高质且符合品牌调性的关键。举个例子：旧式提示： “写一篇关于AI生产力工具的LinkedIn帖子。”上下文设计版： “你是一位技术创始人，写实用且能病毒传播的推文，语气自信且带点挑衅，基于真实案例。这里有你过去的三篇示例。现在，写一篇关于AI生产力工具的新推文。”区别就在于，你不是在“提示”，而是在“简报”。模型不再是工具，而是你团队的新成员。就像招新人一样，它需要了解你的品牌、目标和期待，而非随便发号施令。这就是“上下文工程”的力量。一个简单且实用的框架是4C：角色（Character）、命令（Command）、限制（Constraints）、上下文（Context）。一次设定，反复使用。有了正确的上下文，你的模型变成真正懂你声音、受众和意图的创意伙伴。没有它，你只是靠运气。停止“提示词黑客”，开始“上下文构建”。每次简报，都像培训新员工一样，问自己：“他们需要知道什么，才能像我一样思考？”这才是2025年AI合作的未来。掌握上下文工程，不只是问什么，更是给什么；不只是它写什么，更是它懂什么。创作者借此放大品味，创始人放大判断力，团队放大知识。你今天的上下文结构是什么样的？原文：x.com/hasantoxr/status/1995891151535259864

11. Claude Opus 4.8 发布的同时，Anthropic 还上线了一个 API 层面的新能力：mid-conversation system messages（对话中途系统消息）。对于做 Agent 开发的会很有用。简单来说它就是类似于后续注入的方式修改原始系统提示词（System Prompt），并且不会影响 Prompt Caching。4.8 之前 Claude 是不能发送类型是 system 的消息，只能支持 user 或者 assistant 消息，system prompt 只能在最前面。所以 Claude Code 之前是用的一种特殊的消息内容：<system-reminder>，尝试覆盖系统消息指令。举个例子，你在初始 system message 指定这个 Agent 是一个系统设计师的角色，擅长做系统设计，但是不允许写代码，只写文档。然后随着任务推进，现在得让这个 Agent 开始写代码了，但你就算通过 user message 去让它可以写代码，因为权重不够高，它还是会倾向于不写代码写文档。现在有了 mid-conversation system messages，你就可以新加一条指令，明确要求它转变角色变成一个开发工程师，不必再遵守之前不写代码只写文档的约定，并且 mid-conversation system messages 的优先级更高，能覆盖原始 system message 的设定。这个功能目前只支持 Claude Opus 4.8，只在 Anthropic 自家 API 和 AWS 上的 Claude Platform 可用，Bedrock、Vertex AI、Microsoft Foundry 都不支持。系统消息不能放在对话开头（开头还是用顶层 system 字段），也不能连续放两条，必须跟在 user 消息后面。对于普通用户，这功能无需关心。这其实让我想起 OpenAI API 的消息类型，一直是可以随意组合和传入 role 为 system 的消息的。主要差别在于 OpenAI 对于 role 为 system 的消息权重不算很高，而 Claude 对于 role 为 system 的消息权重很高。另一个实现层面的差异：OpenAI 的缓存是全自动的，不需要开发者做任何事；Anthropic 的缓存需要开发者手动设置 cache_control 断点来标记哪些内容应该缓存（虽然现在也有了自动缓存选项）。

12. Claude Opus 4.7，全网差评！刚升级就翻车，用户怒斥：还我4.6

13. 实测Claude Opus 4.7，好好的模型也开始不说人话了。

14. 我去！！！深夜突袭，Opus4.8上了！！洗完澡回来，一打开手机，发现社群刷屏了。。。根据官方介绍，这次更新了一个全新的功能：动态工作流(研究预览版)。主要针对对于最棘手的任务，Claude会制定计划，运行数百个并行子代理，并在报告结果前验证其工作。此外，Anthropic还提到，他们正在开发以更低成本提供 Opus 同等能力的模型，并计划推出比 Opus 智能更高的新一类模型——目前作为 Project Glasswing 的一部分。少数机构正在用 Claude Mythos Preview 做网络安全工作，会预计在未来几周内向所有客户开放 Mythos 级模型。熬夜测评去了。。。AI#ai创造营##how i ai#

15. 打开claude网页免费版和Gemini pro 3.1付费版，问相同的产品方案，最终我跟claude把方案定了，同时把数据库表结构也设计好了。从产品经理的角度看，claude给的方案更专业一些，一方面是状态机的梳理，另一方面是交互和信息架构的设计，至少5年以上的产品经理才能达到的水平。如果挖掘到用户需求，完全可以用claude做MVP验证PMF，时间成本可能只需要几天或一周。

16. 以前用 AI 最头疼的是什么？是它明明不懂还要瞎编，是写了一堆有 bug 的代码还假装没问题。这次 Opus 4.8 直接把这两个毛病治好了：官方数据显示，它的谎报率和偷懒率都降到了历史首次的 0%，遇到不会的会直接说 "我做不到"，写完代码会自己检查出问题再交给你。接到一个大项目，它会自动拆成几十上百个小任务，然后召唤几百个 AI 子代理同时开工，干完之后还会派另一批 AI 互相挑错，最后汇总成完美的结果。Bun 的作者用它把 75 万行 Zig 代码迁移成 Rust，99.8% 的测试都通过了，只用了 11 天，这在以前是一个团队干几个月的活。最良心的是，这么大的升级，常规模式价格一分没涨，快速模式还提速了 2.5 倍，价格反而降到了原来的三分之一。现在的 AI 已经不是帮你打打下手的工具了，它真的能独立完成复杂的工作了。#ClaudeOpus4.8发布##Opus4.8和GPT5.5谁更强#

17. Anthropic 今天发布了 Claude Opus 4.8，价格和上一代 4.7 持平。它最大的变化是更诚实了：更愿意承认自己不确定，更少为了凑个答案而硬编，对自己干到哪一步也能做出更真实的判断。跑长时间的 agent 任务时，它更像一个靠谱的工程师，不用你时时盯着。同时上线的还有 fast mode【快速模式】，同一个模型，速度大约快 2.5 倍，价格比以前便宜了三倍。在 Claude Code 里用 /fast 打开，API 用户得找客户经理申请或排队。【重头戏是 dynamic workflows】跟着 Opus 4.8 一起放出来的，是 Claude Code 的新功能 dynamic workflows（动态工作流），目前是研究预览。你给它一个大任务，它自己拆解，一次性派出几十到几百个并行的 subagent（子智能体）去干，干完会让另一批 agent 去验证，甚至专门派 agent 去挑刺，反复迭代到结果收敛，最后给你一个整合好的答案。整个过程能跑几小时甚至几天，中途断了还能接着跑。适合的活：整个代码仓库的 bug 排查、安全审计、性能优化，以及最常见的大规模迁移，框架升级、API 替换、跨语言移植，一次涉及上千个文件那种。Anthropic 把 Bun 用 Rust 重写当做了宣传安利。Bun 是个跑得很快的 JavaScript 运行时，创始人 Jarred Sumner 用 dynamic workflows 把整个项目从 Zig 移植到 Rust，官方说写了约 75 万行 Rust 代码，通过 99.8% 的原有测试，从第一次提交到合并只花了 11 天。【代价：它很烧 token】Anthropic 罕见地主动警告：dynamic workflows 消耗的 token 比普通 Claude Code 会话多得多，建议先拿小任务试水。第一次触发时，Claude Code 会先把要跑的东西摆给你看、让你确认，企业管理员也可以直接禁用。目前 Max、Team 套餐和 API 用户默认开启，Enterprise 套餐默认关闭，要管理员手动打开。开启方式是直接让 Claude"建个 workflow"，或者打开一个叫 ultracode 的开关。dynamic workflows：网页链接

18. 【你以为AI编程拼的是提示词，其实高手都在“驯化”项目结构】快速导读：别再卷提示词了。想让Claude像个真正的工程师一样干活，关键不是怎么“说”，而是怎么“放”。一个结构清晰的代码仓库，远比一段天花乱坠的提示词更重要。---多数人还在琢磨怎么把提示词写出花来，但真正拉开AI编程效率差距的，根本不是提示词。你以为让Claude写出好代码，靠的是把需求描述得滴水不漏。其实，如果你的代码仓库一团糟，它就只是个聊天机器人；如果结构清晰，它才表现得像个住在你项目里的高级工程师。这中间的差距，比人和狗的差距都大。秘诀在于给AI建立一套“项目解剖学”。这套结构，就是AI的“短期记忆”和“行为准则”。它只需要四个东西：1. CLAUDE.md：项目的北极星文件，简要说明系统目的、仓库地图和交互规则。短小精悍，废话太多AI会抓不住重点。2. .claude/skills/：可复用的专家模式。把代码审查、重构、调试等固定流程变成技能包，随时调用，而不是每次都在提示词里重复念叨。3. .claude/hooks/：自动化护栏。模型会忘事，但钩子不会。比如编辑后自动格式化、核心代码变更后触发测试，把AI工作流变成可靠的工程系统。4. docs/：渐进式上下文。别把几万字的需求文档塞进提示词，让AI自己去查阅架构图、决策记录和操作手册。它不需要记住一切，只需要知道“真理”在哪。有人在一个5万行代码的库上实践这套方法，Claude的错误率直接降低了大约60%。评论区里一片“原来如此”的声音，大家普遍认同：结构大于提示词，仓库本身就是终极提示。提示词是租来的，结构才是你自己的。所以，如果你还在每天花几小时跟AI“念经”，却发现它总是犯些低级错误，问题很可能不在你的提示词写得够不够“魔法”，而在你的项目结构是不是一坨屎。别再抱怨AI笨了，也许它只是在你的烂摊子里迷了路。---简评：这篇文章精准地指出了当前AI辅助编程领域的一个核心误区：过度迷信“提示词工程”，而忽略了更基础也更重要的“上下文工程”。它提出的“项目结构即提示”的观点，对于那些感觉AI“不好用”的开发者来说，无疑是一次认知矫正。从“教AI做事”转向“为AI搭建舞台”，这才是人与AI协作的正确姿势。---ref: x.com/vishisinghal_/status/2032368817981305196#AI创造营##人工智能#

19. Anthropic 今天正式发布 Claude Opus 4.7，定价维持 Opus 4.6 不变（每百万 token 输入 5 美元、输出 25 美元），API 模型名为 claude-opus-4-7，同步上线 Claude 全系产品以及 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry。【能独立啃硬骨头】Opus 4.7 最大亮点是自主编程能力显著升级。以前那些需要你盯着、一步一步指导的复杂编程任务，现在可以放心交给它独立跑完整流程。早期用户测试显示，它不仅能搞定更难、更长链的任务，还会主动验证输出再汇报。在 Finance Agent 等第三方测评里，已经拿到 state-of-the-art 的成绩。【看得更清楚了】视觉处理能力也有明显突破，支持长边最高 2576 像素（约 375 万像素），超过此前 Claude 模型的三倍。做智能代理、从复杂图表提取数据、或需要精确读取屏幕内容的任务都会直接受益——过去必须压缩的截图，现在原图直接丢进去就行。【Claude Mythos 的影子】这次升级有个微妙背景：Anthropic 手里其实有个更强大的 Claude Mythos Preview，但因为网络安全风险的顾虑，目前只限量开放。Opus 4.7 就是经过安全降级后的版本，训练时专门降低了网络攻击能力，并配套自动识别高风险用途的防护机制。安全研究人员想做渗透测试或漏洞研究，必须申请 Anthropic 新推出的 Cyber Verification Program，合规使用。【Claude Code 同步升级】Claude Code 新增了 /ultrareview 命令，能专门进行深度代码审查，自动找出 bug 和设计问题。Pro 和 Max 用户可以免费试用三次。此外，auto 模式（允许 Claude 自主决策、连续执行）也首次向 Max 用户全面开放。同时新增了介于 high 和 max 之间的 xhigh 推理力度档位，Claude Code 所有套餐默认推理力度已全部提升至 xhigh。【新 tokenizer，账单可能微涨】升级 Opus 4.7 后有两点值得注意。一是 tokenizer 换了，同样文本可能消耗过去 1.0 到 1.35 倍的 token。二是在高推理档下，尤其是多轮交互场景，它的思考更深入，输出 token 更长。这两点可能导致实际账单微涨，Anthropic 建议拿自己的真实流量先跑一遍，算清楚再决定是否迁移。Anthropic 声称 Opus 4.7 整体性价比仍然更优，但“具体任务具体分析”，谨慎起见，最好亲测。至于 Mythos Preview 何时能普遍开放，Anthropic 此次没有给出时间表。官方公告：网页链接

20. 【发挥Claude潜力的十个提示词】最近，一位 Anthropic 前研究员披露了内部提示词手册。这份并非基于猜测、而是源自模型建造者的指南揭示了一个核心事实：大多数人之所以觉得 AI 输出平庸，是因为他们没有触达 Claude 的内部推理层。以下是这份手册中至关重要的 10 个高级提示词策略，它们将彻底改变你与 AI 的协作深度。1、情境简报：拒绝直接提问永远不要在没有背景的情况下抛出问题。Claude 需要地图才能导航。提示词模板：我的背景是 [角色/公司/问题]；已尝试过 [A/B]；目前卡在 [Z]；请帮我理清思路。深度思考：内部测试显示，这种背景铺垫能提升 41% 的输出质量。优质的答案不取决于 AI 的智商，而取决于你提供的信息熵。2、推理要求：让思考过程浮现不要直接索要答案，要索要思考。提示词模板：在给出方案前，请逐步展示你的推理过程，指出不确定之处，并标记所有假设。深度思考：这会强制模型激活 Chain of Thought（思维链），让你得到的不仅是结果，还有可质证的逻辑路径。3、诚实约束：打破“讨好型人格”Claude 天性乐于助人，这往往意味着它会说你想听的话。提示词模板：即使难受也要保持诚实。如果我的计划有致命缺陷请直说，不要软化措辞。我宁愿现在听硬话，也不想以后失败。深度思考：这是在解锁 Claude 的宪法 AI 基础，让它从“助手”转变为“顾问”。4、精准角色：越具体，越深刻“充当专家”是最无用的指令。提示词模板：你是有 [具体经验] 的 [特定角色]，见过 [具体失败模式]。请用 [特定框架] 思考，跳过常规建议。深度思考：身份越具体，推理的颗粒度就越细。模糊的角色设定必然导致平庸的输出。5、魔鬼代言人：摧毁你的想法利用 Claude 的批判性思维来检验决策。提示词模板：我要分享一个计划，你的工作是摧毁它。找出所有错误假设、忽视的风险和失败原因。别手软。深度思考：挑战你的模型，其价值远超让它顺从你。这是 Anthropic 团队内部检验想法的标准流程。6、范围锁定：从源头杀死幻觉Claude 容易过度发散，用可信的虚构填补空白。提示词模板：严格限于 [X 背景]。超出范围请直接告知而非推测。我要的是差距，而不是自信的错误。深度思考：拒绝“自信的错误”，是通往高阶 AI 应用的必经之路。7、格式命令：利用极致的精确性Claude 对格式指令的遵循度极高。提示词模板：结构要求：1）一句总结；2）三个要点；3）一个下一步建议。除非我问，否则不要提供其他内容。深度思考：有意识地控制输出结构，能极大降低信息处理的认知负荷。8、假设审计：揭示隐藏的基础任何复杂答案后，都应运行此项。提示词模板：你做了哪些我应该验证的假设？如果这些假设错了，答案会如何改变？深度思考：大多数计划都崩溃在未经察觉的基础假设上。审计假设，就是审计风险。9、压缩循环：清理上下文债务在长对话中，模型会积累“上下文债务”，导致焦点模糊。每 5-6 次交互运行一次：总结目前的进展。解决了什么、决定了什么、最重要的未决问题是什么？深度思考：保持对话的熵减，防止 AI 自信地解决错误的问题。10、前期验尸：预见失败在项目上线前，进行压力测试。提示词模板：假设 6 个月后这个项目失败了。请列出 3 个最可能的原因。具体一点，失败的实际样子是怎样的？深度思考：这能抓住其他审查流程遗漏的盲点。总结：提示词工程的下半场，不再是背诵模板，而是理解模型的设计意图。正如 Anthropic 内部所强调的：AI 不是一个搜索引擎，而是一个需要被正确引导的推理引擎。

21. 【上下文工程实战指南：如何让AI代理真正听懂你的话】“AI垃圾输出”的锅，现在该用户来背了。在Claude Code这类黑箱系统中，上下文是我们唯一能控制的输入变量。既然如此，如何优化它就成了关键问题。+ 什么是上下文？上下文指的是你发送消息时提供给大语言模型的一切——不仅是提示词本身，还包括系统提示、元数据、历史对话、模型的思考过程、工具调用和响应。大模型的上下文窗口有限，对话越长，追踪信息的准确度就越低。Claude Code的上下文窗口看似有20万token，但实际可用空间远没那么多。运行/context命令就能看清真相：22.5%被预留，10.2%被系统提示占用，加上MCP服务器、子代理和规则，真正留给我们的只有约12万token。更关键的是，无论是否接近窗口上限，上下文越多，模型质量就越差。+ 基础功夫最重要和大多数事情一样，820法则同样适用于vibe coding。做好以下基础，你就已经完成了80%：- /upgrade升级到Max计划- /model选择opus 4.5- /init创建项目说明文件然后是基本工作流：1. 从计划模式开始（Shift + Tab）2. 让Claude通过提问来澄清模糊点3. 执行经过打磨的计划创建子代理、自定义命令、钩子、多代理编排确实很酷，但说实话，没有我们想象的那么重要。掌握基础才是核心竞争力。+ 如何实际运用这套工作流把每次新对话当作一个目标，严格控制范围：-“我要修复这个bug”-“我要构建这个功能”对于新项目，目标可以更宽泛，但这意味着需要更多规划和打磨——因为模糊性越大，误解空间就越大。多花时间规划，再多花时间打磨规划。让Claude不断提问，直到它开始为问而问。请它多次审查计划，讨论架构、最佳实践、安全风险、生产就绪度、测试策略——目标是在每个模糊点提供细节。+ 何时重置，如何重置如果进展顺利且后续任务与当前上下文相关，继续就好。接近上下文上限时，运行/compact释放空间，或让Claude Code自动处理。但如果事情不顺利呢？模型没做对，你陷入了“这太糟糕了请修复”→垃圾输出→“这更糟糕了你在想什么”→垃圾输出的循环。这时不要试图在同一线程中挽救，而是：- /rewind回到进展顺利的节点- /new开启新线程，优化原始提示词，明确指出“不要做什么”——把上次的教训写进去+ 避开复杂性陷阱如果你常刷社交媒体，可能已经收藏了无数花哨设置——MCP服务器、子代理、技能包……我的建议是：不要过度复杂化。正如Anthropic所说，我们的目标是“找到最小的高信号token集合”。往上下文塞太多MCP数据，只会用低信号填满窗口，同时烧掉你的钱。+ 善用MCP服务器获取优质上下文MCP服务器本质上是让模型能调用的第三方工具——文档、GitHub代码、Linear工单、Figma设计等。这类工具刚推出时被热捧，但人们很快发现很多会疯狂消耗上下文，得不偿失。我目前只用三个经过验证的：- exa.ai：AI代理的网络搜索- context7：AI代理的最新文档- grep.app：AI代理的GitHub搜索我主要用它们研究如何正确实现代码——这些事我自己查文档也能做。Anthropic把这称为“即时上下文”策略——代理在需要时自己寻找信息。这对Claude Code这类代理式编码工具非常有效。+ 用子代理节省上下文——我最喜欢的隐藏技巧Claude Code可以创建子代理——作为主代理的子实例运行。关键在于：- 子代理拥有独立于主代理的上下文窗口- 可以使用不同模型（比如非opus）这意味着我们可以让子代理执行消耗大量token的操作（如研究），然后向主代理提供精炼摘要——信息密度高，token消耗低。我最常用的是一个自定义的“图书管理员”子代理，运行sonnet模型扫描开源仓库和文档，向主代理返回精炼摘要。我会说：“用librarian研究如何用Y库实现X，然后实现Z”——子代理触发，调用所有工具找到高质量答案。这既防止主上下文被污染，又用更便宜的模型完成简单任务。+ 用技能包引入相关上下文技能包与子代理相反——不是把任务委派给专门代理，而是把专业能力引入当前代理的上下文。比如Claude Code内置的“前端设计师”技能，会引入一段较长的提示词，告诉Claude前端设计的注意事项。这些工作流听起来花哨，但原理很简单——Claude只是在认为需要时，把一段文本拉入上下文。+ 核心要义好的vibe coding是为价值密集的上下文而优化。你添加或从模型接收的任何信息，都应简洁地服务于帮助模型回答下一个请求。如果做不到这点，就不应继续在同一上下文中工作——这是避免陷入令人沮丧的垃圾输出循环的关键。社交媒体上那些花哨命令可能让你觉得自己落伍了。但实际上，事情没那么复杂——尽力用简洁、高质量的信息帮助模型，给它工具让它自己找到相关信息。就像你对待一位同事那样。x.com/jarrodwatts/status/1926054877836624014

22. Anthropic 发布 Claude Opus 4.7，性能如何？

23. 《扣子开发 AI Agent 智能体应用》018-提示词编写和优化（扣子平台设置提示词案例）

24. 4600万围观！Claude两周搓出「Manus」火到宕机：0行代码是人写，创业公司集体破防

25. Claude Opus 4.7 来了，槽点不少

26. Claude 4.6 百万 Token 上下文正式开放，不加钱，这 3 个使用场景效率直接翻倍

27. 如何评价Anthropic最新发布的Claude Opus 4.7？

28. 银川 | 高校AI全驱教研教改课题申报培育：提示词、智能体、工作流与润色技能实战工作坊

29. 《扣子开发 AI Agent 智能体应用》010-扣子工作流详解（工作流分类和作用）

30. Claude Code神器：Manus同款文件规划法，价值20亿美元的工作流秘密

31. 《扣子开发 AI Agent 智能体应用》017-提示词编写和优化（驱动智能体的核心指令）

32. 《扣子开发 AI Agent 智能体应用》012-扣子工作流详解（生成动漫图文实战演练）

33. 我做了一个 Prompt 管理插件：让你的好提示词不再散落各处

34. 为开发者准备的安卓游戏调优一站式分析工具 Dimensity Profiler，攻克调优三大难点！🧩 一站式分析：解决安卓游戏调优环境碎片化、多工具多系统切换等问题🚀 自动保存问题点：精准捕获偶发卡顿，针对性调优，保障高帧稳帧🔗 无缝融入既有自动化测试：补全数据维度，提升测试质量Dimensity Profiler 现已为多家知名游戏工作室优化了用户体验。欢迎开发者前往 developer.mediatek.com 体验更好用、更全面的 Dimensity Profiler 2.0！#MDDC2026##天玑开发者大会##张国斌的芯发布#

35. 为开发者准备的安卓游戏调优一站式分析工具 Dimensity Profiler，攻克调优三大难点！🧩 一站式分析：解决安卓游戏调优环境碎片化、多工具多系统切换等问题🚀 自动保存问题点：精准捕获偶发卡顿，针对性调优，保障高帧稳帧🔗 无缝融入既有自动化测试：补全数据维度，提升测试质量Dimensity Profiler 现已为多家知名游戏工作室优化了用户体验。欢迎开发者前往 developer.mediatek.com 体验更好用、更全面的 Dimensity Profiler 2.0！#MDDC2026##天玑开发者大会#🎮 选天玑，更尽兴！🌐 从强大的天玑平台、星速引擎的多元技术到 Dimensity Profiler 等开发工具，MediaTek 通过天玑全栈解决方案，助力游戏开发者打造 3A 级沉浸体验！

36. 012-AI 短视频分镜头设计（AI绘画提示词入门）

37. AI提示词技巧！一文学会高效地对AI进行提问

38. Claude 记忆功能全面开放：免费用户也能用，它到底记什么、怎么用？

39. 使用 Claude Agent SDK 构建 AI 智能体

40. Anthropic封堵“龙虾”：4月4日下午3点起，Claude 订阅账号额度无法用于OpenClaw

41. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

42. CLAUDE MD 不建议放太多内容，只会适得其反，只放最重要的 AI 没训练过的内容，更多的内容作为链接按需读取。很多人把设计模式、规范、最佳实践之类的都放进去，先不说这些 AI 都训练过，你最多说个名字就够了，就算是你需要的，也不是每次都要，不如放一个链接或者移到 Skills 按需加载。人家 Claude Code 官方项目中 CLAUDE md 文件也就大约 2.5k tokens： - 常用 Bash 指令：让 AI 知道如何像开发者一样操作命令行。 - 代码风格规范 (Code Style Conventions)：确保 AI 写的代码符合团队编码标准。 - UI 与内容设计准则：指导 AI 如何设计界面和编写文案。 - 核心技术实现流程：教 AI 如何处理状态管理 (State Management)、日志记录 (Logging)、错误处理 (Error Handling)、功能门控 (Gating，即控制特定功能的开启与关闭) 以及调试 (Debugging)。 - 代码合并请求 (Pull Request) 模板：规范提交代码时的文档格式。

43. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

44. 刚刚，Claude Opus 4.7 发布！复杂Coding+视觉能力显著升级

45. 早上醒来，看了 Claude Opus 4.8 发布的官方介绍。这次升级就是一次非常小的常规升级啊，也没啥值得炸裂和震惊的。不过，最让人不能忍的是 Opus 4.6 被下了，无语。这次这么早发布 Opus 4.8 ，可能是 4.7 实在不好用导致吧，也可能是被 GPT 和 Codex 逼得太紧了。我认为这次升级最值得注意的有两个点，是非常好的。1、这次主打诚实Anthropic 专门重点强调了：Opus 4.8主打一个实诚，不会胡乱瞎写。按官方评测，Opus 4.8 尝试蒙混过关的概率，只有 4.7 的 1/4，它更愿意主动标出自己拿不准的地方，少了凭空断言。而在「错误对齐行为」这项打分上，Opus 4.8 几乎贴到了 Mythos Preview，明显好于 Opus 4.7 和 Sonnet 4.6 都明显更高2、dynamic workflows发布了 dynamic workflows ，翻译过来就是动态工作流，它的作用是什么呢？就是可以根据你的需求进行任务的拆分，进行脚本的编排，一次任务里可以并行几十甚至上百个子 Agent 进行干活，每个 subAgent 干完之后，会自己先验证，再汇总，最终把结果交给你。dynamic workflows 今天起将以研究预览的形式上线，覆盖 Claude Code 的命令行、桌面端和 VS Code 插件。这两点意味着大模型的发展正在从"更聪明"转向"更可靠"和"更能干活"。过去一年，所有厂商都在卷benchmark分数、卷推理能力、卷上下文长度。但实际用下来，用户最头疼的问题从来不是模型不够聪明，而是它太会装聪明：明明不确定的事情也能编得头头是道，你根本分不清哪句话可信、哪句话是它现编的。Anthropic 这次把"诚实"当主打卖点来宣传，说明他们终于意识到，对于真正把 AI 当工具用的人来说，一个会说"我不确定"的模型，比一个永远自信满满但经常出错的模型有用得多。至于 dynamic workflows，这个方向更值得关注。单个模型再强，处理复杂任务时也会遇到上下文窗口的瓶颈、注意力分散的问题。把一个大任务拆成几十个子任务并行处理，每个子 Agent 专注做一小块，做完自己验证，这其实是在用工程架构来弥补单模型的能力天花板。这个思路跟 OpenAI 做 Codex 的方向一致：与其死磕单次推理的极限，不如让模型学会协作和分工。这两个方向合在一起看，大模型竞争的下半场已经很清楚了：谁能让用户更放心地把真实工作交给 AI，谁就赢。不是比谁的 demo 更炫，是比谁在日常使用中翻车更少、干活更稳。#How I AI##科技先锋官#

46. claude opus 4.7发布了，相较于 sonnet4.6和opus4.6，有什么提升的地方？

47. Claude Code创始人发布的Code-Simplifiers解决屎山？老金实测确实厉害！

48. DeepSeek-V4正式上线：开源双版本+1M上下文，Pro版对标Opus，Flash版省钱神器

49. Anthropic 发布 Claude Opus 4.7，性能如何？

50. 早上试了一下，Claude Opus4.8好像创作上还是没什么太大提升，好在更多模型里面还能选Opus4.64.6其实用着就挺好的，就是给我们写稿子用。这次4.8的感觉，那就是他的出错率降低了，幻觉减少了，偷懒变少了。相应的需要我们更准确的话语来输入，不要模棱两可。最后Authropic还是放了个钩子，就是他几周后推出的Mythos才是更强的。

51. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

52. Skill不就是prompt吗？为啥被吹成这样？

53. 陶哲轩亲测Claude跑崩电脑，全靠这份保姆级指令清单翻盘

54. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

55. 当模型推理能力越来越强，我们还需要提示工程吗？

56. 【Claude官方用例库：被低估的AI能力指南】快速阅读：Claude官方用例页面展示了远超日常聊天的深度应用场景，涵盖研究、写作、代码和分析等领域。多位开发者反馈，这个页面不只是示例集合，更像是一套提示词工程教程，每个案例都在演示如何精确地提出需求。—大多数人把Claude当聊天工具用，但官方用例库里藏着完全不同的可能性。有开发者扔进去两篇毫无关联的产品吐槽，Claude整理出了一份用户真正买账的功能提案。这种综合能力让人意外——它不是简单拼凑信息，而是能找到碎片之间的内在逻辑。用例页面涵盖自动化研究、金融压力测试、多源信息整合，展现的深度远超预期。有观点认为，大部分团队直接扑向API文档和提示词技巧,跳过了这个环节。但看到实际可能性，会影响你设计整个系统的方式。更有价值的视角是：别把它当案例集,当成提示词课程来读。每个示例都在演示如何精确构建请求。浏览者看到的是“酷炫示例”，真正获益的人把它当工程师手册研读。结构化输出的质量,在复杂任务中表现超出预期。这不是营销话术，是实际工作流中跑出来的结论。也有人提到反差：一边是花几千美元token费用却不知道从何下手的建设者，一边是把官方页面当教材反复研究的开发者。工具的能力边界，很多时候取决于使用者如何提问。claude.com/resources/use-cases#AI创造营# #人工智能#

57. 【Claude Code 子代理与提示词宝库：100+ 免费开源资源一站获取】sub-agents.directory这个目录收录了超过 100 个 Claude Code 子代理提示词，覆盖语言专家、基础设施、安全、开发体验、数据/AI 等多个类别。同时整合了 Vercel、GitHub、Supabase 等主流 MCP 服务器集成方案，还为新手准备了视频教程。全部开源，完全免费。

58. 【Claude Pro用户一个月深度体验：从惊艳到失望，以及社区给出的破局之道】一位开发者分享了使用Claude Pro订阅一个月后的真实感受，引发了社区热烈讨论。这场对话揭示了一个关键认知：你可能一直在用错误的方式使用Claude。原帖作者的困境作者最初对Claude的编程能力赞叹不已——代码优雅、功能完善、效率惊人。但两周后，问题接踵而至：- 代码bug明显增多，即使每个重要部分都开新对话- 上下文限制无预警触发，长消息写完才报错，token白白浪费- 响应生成中途消失，已输入内容被退回，token照扣不误- 设备短暂离线就中断生成，必须重来（ChatGPT、Grok、Gemini均无此问题）- 订阅到期后，Opus 4.5生成的文件无法下载作者估算，约一半token因这些问题被浪费。社区的核心诊断：你用错工具了讨论中最具共识的观点是：Claude网页/桌面端根本不适合严肃的编程工作。"用Claude Code，在VS Code终端里通过CLI运行，这才是正确的编程方式。桌面应用除了快速问答，什么都不适合。"Claude Code与普通Claude的本质区别在于：它能自动搜索代码上下文、读取整个代码库、管理上下文压缩、获取编译器反馈。普通聊天界面就像"在视频会议里问产品经理"——他知道该怎么做，但看不到实现细节。高手们的实战技巧1. 善用Plan Mode在让Claude写任何代码之前，输入"plan this"或按Shift+Tab切换到规划模式。强制它先思考方案，效果提升10倍不止。"让它先想清楚再动手，而不是直接开写。"2. 主动管理上下文不要等自动压缩。当上下文使用到90-95%时，使用handoff命令保存状态，退出后开新会话继续。社区成员分享了完整的handoff命令代码，核心逻辑是：总结当前项目阶段、记录关键文件和决策、保存到.claude/handoffs/目录、生成可直接粘贴的续接提示词。3. 掌握CLI基础操作- 按两次Esc可回退错误响应- 输入/查看所有可用命令- 在项目根目录创建Claude.md文件，为Claude提供持久化的项目指令和上下文4. 跨工具协作有用户建议：安装Claude Code CLI和Gemini CLI，让Claude调用Gemini进行深度研究，因为Claude访问很多网站会遇到403错误。Claude擅长研究编排和管理，Gemini擅长实际的深度调研。不同的声音也有人为原作者辩护："不是所有人都是开发者，付费的Pro产品不应该要求用户'玩CLI游戏'才能正常工作。"这确实点出了一个产品设计问题：Anthropic似乎把主应用的优化重心放在了闲聊场景，而非专业工作流。对于非编程用户或移动端用户，这些问题依然存在且无解。深层启示这场讨论揭示了AI工具使用的一个普遍规律：模型能力是一回事，如何调用这些能力是另一回事。同样的Opus模型，在不同界面、不同工作流下，表现可能天差地别。Claude Code之所以强大，不是因为模型不同，而是因为它有专门的系统提示词、工具链、上下文管理机制。它能读取你的代码库，能从编译器获得反馈，能在后台运行数百种工具。没有这些，Claude"基本还是个玩具"。这也解释了为什么有人觉得AI神奇，有人觉得AI垃圾——差距往往不在模型本身，而在使用方式。正如一位评论者所说："一旦你在本地CLI里用过Claude Code，就再也回不去任何浏览器版AI了。"reddit.com/r/ClaudeAI/comments/1q1ng97/my_experience_after_one_month_of_using_the_opus_45

59. #Opus4.8和GPT5.5谁更强#这次真的是史诗级升级！不是堆参数，是直接解决了 AI 最大的痛点：✅ 史上首次 0% 谎报率 + 0% 偷懒率，再也不会一本正经胡说八道✅ 能同时拉起上百个 AI 小弟并行干活，一个人 11 天迁移 75 万行代码✅ 常规模式价格一分没涨，快速模式还提速 2.5 倍、降价三分之二多项基准测试全面超越 GPT-5.5，现在的 AI 真的能当全职员工用了🔥#ClaudeOpus4.8发布#

60. 优点：1. 有 CoT 收集上下文；2. 有清晰的角色设定； 3. 有❌ vs ✅ 的对比式教学。可以优化的地方：1. 清晰的读者画像，是专业人士还是爱好者还是小白；2. 补充读者不了解的背景知识和事实核查；3. 输出的格式、长度；4. 改写的尺度：是润色、结构化改写？如果是结构化改写，应该有哪几种结构参考？可以根据文章类型提供几种不同结构选择会更好。最后，可以让 AI 给建议，例如可以这样问AI： <draft-prompt>[你的原始提示词]</draft-prompt> 这是一套{将学术文章变成科普文章}的提示词，我希望它能{通俗易懂引人入胜，让读者读后有收获感}。帮我从提示词工程的角度点评一下上面的提示词，哪些地方做得好，哪些地方不足，如何改进

61. 深度解析 OpenClaw 在 Prompt / Context / Harness 三个维度中的设计哲学与实践 http://t.cn/AXMlF3bd "OpenClaw 在Prompt Engineering（提示词工程）、Context Engineering（上下文工程）以及新兴的Harness Engineering（驾驭工程/脚手架工程）等维度上也做了很多可值得学习和落地的工作。Prompt Engineering → Context Engineering → Harness Engineering也是现代AI系统的三大关键阶段，分别聚焦于“如何说”、“让AI看什么”以及“构建怎样的运行环境”，三者层层递进，共同致力于提升大模型在复杂任务中的可靠性与可控性‌. …… 我的核心思路是从Prompt、Context和Harness这三个维度展开，分析OpenClaw的设计思路，提炼出其中可复用的方法论，来思考如何将这些精华的设计哲学应用到我们自己的Agent系统设计和业务落地中去。" #How I AI#

62. 为什么我编写不出优秀的ChatGPT提示词?

63. 【GPT周报｜Anthropic推出Claude Opus 4.8；英伟达推出开源AI框架Polar；百川智能发布新一代医疗大模型】网页链接 5月29日，Anthropic正式发布新一代大语言模型Claude Opus 4.8，重点强化代码生成、多学科推理、自动操作电脑、知识型工作及金融分析等“代理型”任务，官方称之为“更高效的协作伙伴”。Opus 4.8倾向于主动标注自身不确定之处，减少无依据断言。内部评估显示，其对自己生成的代码“放过错误不提及”的概率较前代降低约四倍，自我纠错能力显著增强。

64. #Opus4.8和GPT5.5谁更强#要先看自己用AIA的时候最看重啥？我先说：速度+不瞎编+长上下文！Opus4.8 快速模式 2.5 倍速，价格还砍到 1/3，主打 “诚实”，瞎编率低；GPT5.5 有百万 Token 上下文，长篇文档、代码库一次性塞进去不费劲。所以，日常写文案、做笔记选 Opus4.8，搞长文档分析、写大段代码选 GPT5.5，实用才是王道。

65. Claude Opus 4.8 上线:提升 AI 编程可靠性,减少无依据结论

66. 刚刚,Claude Opus 4.8来了!两个史上首次改写历史

67. 刚刚,Claude Opus 4.8来了!两个史上首次改写历史

68. Claude Opus 4.7对普通人过度设计,直到你换种打开方式

69. Claude Opus 4.8发布:4407亿融资下的最强通用模型

70. 实测Claude Opus 4.8,这可能是第一个不会偷懒的模型。

71. 我扒出了Claude Opus 4.7的所有秘密升级

72. Claude Opus 4.7提示词工程最佳实践：从功能特性到驾驭工程

73. 提示词速成指南｜你的提示词可能一直是错误的？

74. Anthropic的提示词工程入门(目录)

75. Claude 提示工程最佳实践：从基础到高级应用全指南

76. 【Prompt工程指南】Anthropic Claude 4.x 提示词工程最佳实践

77. Claude Opus 4.8正式发布:主打诚实度升级,代码能力大幅提升

78. 【揭秘】Claude 4.7，提示词原来这么接地气

79. Claude Opus 4.7 难用？不是模型问题，是模式变了

80. 两行代码，让 Claude Code 从"实习生"变"高级工程师"

81. Claude Opus 4.8 上线:提升 AI 编程可靠性,减少无依据结论

82. 🔥Opus 4.7这样用才满血

83. 如何真正用好 Claude？我检索了官方文档和 GitHub 高星项目，提炼出这三层技巧

84. Claude Opus 4.8 上线:提升 AI 编程可靠性,减少无依据结论

85. Claude Opus 4.7 封神！8组提示词直接复制，效率翻倍不费脑

86. 30个2026年Claude实测有效的Prompt技巧

87. Claude和GPT的提示词指南出了，方向竟然完全相反

88. 这10套提示词，帮你快速解锁 Claude 的系统设计能力

89. 14.8k星封神！这套Claude Prompt，让AI直接变身顶级设计专家

90. 💥 Claude 创始开发者的 Claude Code 最佳实践指南 1️⃣ 多并行处理同时启动 3-5 个 Git 工作树，每个工作树并行运行各自的 Claude 会话。这是提升效率最有效的方法，也是团队给出的最佳建议。 2️⃣ 开始执行任何复杂任务时，都要先做好计划。把精力投入到计划中，这样Claude就可以一次性完成实施。一个人让一个名叫克劳德的人来编写计划，然后他们再安排第二个名叫克劳德的人作为工程师来审查该计划。一旦出现问题，他们就会切换回计划模式并重新制定计划，不要一味推进。验证步骤也需要进入计划模式，而不仅仅是构建阶段。 3️⃣ 投资于你的CLAUDE.md 。每次纠正后，最后都要加上一句：“更新你的CLAUDE.md这样你就不会再犯同样的错误了。” Claude 非常擅长为自己编写规则。随着时间的推移，毫不留情地修改你的CLAUDE.md。不断迭代，直到Claude的错误率显著下降。 4️⃣ 创建你自己的技能并将其提交到 Git。以便在所有项目中重复使用。如果你一天要做某件事不止一次，那就把它变成一项技能或一项指令。 5️⃣ Claude 可以自行修复大部分 bug。不要事无巨细地指导具体操作。让 Claude 查看日志来排查分布式系统故障，它在这方面表现出乎意料地强大。 #AI工具 #AI编程 #AI助手 #智能体 #Claude

91. 84条Claude Code最佳实践，我挑了10条最值得用的

92. Claude Code 官方最佳实践

93. Claude Opus 4.7 系统提示词曝光！规则大改，味道变了

94. 大模型应用开发系列教程：第四章Prompt 的工程化结构设计

95. Claude Code最佳实践（官方版）

96. Claude Code 实战指南：7个让生产力起飞的进阶技巧

97. [github精选]：Claude Code最佳实践大全来了