📌 项目地址：anthropics/prompt-eng-interactive-tutorial | ⭐ 36,030 颗星 | 🔧 Jupyter Notebook | 📜 未标注
项目一句话
Anthropic（Claude的母公司）开源的交互式Prompt工程教程，9个Jupyter Notebook章节，每章带练习题和公开答案表。36030个star，是目前最系统的官方提示词教材。
两种跑法，推荐Sheets版
README写了两套使用方法：
-
Jupyter Notebook版：克隆仓库到本地，每个
.ipynb文件底部有个“Example Playground”，改提示词就能直接调Claude看回复。适合习惯Python的人。 -
Google Sheets版：安装Anthropic的Claude for Sheets扩展，在表格里写提示词，点按钮跑。README明确说“推荐使用这个版本，更友好”。我试了下，打开浏览器就能用，不用配Python环境，不用装Jupyter。
两套共用同一套练习和答案表（答案的Google Sheets链接直接在README里给了）。如果你只是为了学提示词，选Sheets版，省掉环境折腾的时间。
课程到底教什么
一共9章，分级三层。下面按英文标题写，内容是我自己过一遍后的总结。
初级（第1-3章）
Chapter 1: Basic Prompt Structure
教你怎么写出一个能稳定工作的提示词：指令、上下文、期望输出三要素。例子会展示缺少某个要素时Claude给出多离谱的回答。
Chapter 2: Being Clear and Direct
把模糊的要求改具体。比如把“告诉我一些动物”改成“列出5种以A开头的哺乳动物，每种一句话”。这章练习我写了两遍才拿到全对——第一遍写的指令还是不够精确。
Chapter 3: Assigning Roles
给Claude设定身份（律师、老师、作家）。我试了让它以“厌世的程序员”口吻解释递归，效果拔群。需要注意：角色扮演对Claude的影响比GPT更强，Claude倾向于完全内化角色设定。
中级（第4-7章）
Chapter 4: Separating Data from Instructions
处理长文档时，把“要分析的内容”和“怎么分析”分开写。比如用XML标签或分隔符包裹数据，避免模型混淆。这个技巧在处理合同、报告时很实用。我试过把一篇5000字的技术文档分成数据区和指令区，Claude的摘要质量明显提升。
Chapter 5: Formatting Output & Speaking for Claude
指定输出格式：JSON、Markdown表格、纯列表都可以。最有意思的是“Speaking for Claude”——在提示词末尾写几个关键词或开头几个字，让Claude接着写，控制输出方向。这个技巧是Claude特有的，GPT上不太灵，因为GPT有自己的系统提示覆盖。
Chapter 6: Precognition (Thinking Step by Step)
强制Claude先列推理过程再给答案。不同于GPT上“Let’s think step by step”这种万能咒语，这里教的是在提示结构上划清推理和答案：比如先要求“列出思考步骤”，再用分隔符要求“输出最终答案”。我试过把“Step by Step”直接删掉，输出就从逐步推理变成直接给答案，但容易跳步。
Chapter 7: Using Examples
用few-shot示范格式或逻辑。关键点：例子要选边界案例，不能只给最简单的。例如教模型判断用户情感，给一个负面例子“这个菜很难吃”和中性例子“这个菜一般”都标注好，比只给正面例子有效。
高级（第8-9章+附录）
Chapter 8: Avoiding Hallucinations
这是我最感兴趣的。Claude的常见弱点是编造事实，官方给了几个方法：强制引用原文、允许说“不知道”、用“只有当你100%确定时才回答”等指令。我卡在金融案例上，最后翻答案才发现忘记加“如果数据不足就拒绝回答”这条指令。这章的练习最有价值，因为幻觉是生产环境最常见的问题。
Chapter 9: Building Complex Prompts (Industry Use Cases)
从零搭建行业案例：聊天机器人、法律服务、金融服务、代码生成。每个案例带练习，要求根据场景自己写提示词。我做了金融服务的练习，结构是：角色定义+数据与指令分离+输出格式+防幻觉。这个案例几乎综合了前面所有技巧。
Appendix: Beyond Standard Prompting
不是完整章节，给出三个进阶方向：链式Prompt（把一个任务拆成几步）、Tool Use（Claude的API支持调用外部工具）、Search & Retrieval（RAG）。每个只给了实现思路，没有完整代码。对想深入的人来说是引路。
两个值得说的设计
Example Playground： 每章底部有一个可编辑的提示框，改完参数点一下就能看到Claude的回复变化。即时反馈比读十页教程管用。我试过在第6章把“Step by Step”删掉，Claude直接给出跳跃答案。
答案表： README直接给了一个公开Google Sheets链接。我卡在练习时打开答案对照，比自己瞎猜效率高。答案不是只给一个提示词，还会解释为什么这么写。这个设计降低了自学的挫败感。
和常见Prompt教程的区别
多数教程是几十条技巧的列表——“给模型角色”、“用分隔符”、“要求思考步骤”——每条一段话，最后举一两个例子。看完觉得自己懂了，实际动手还是不知道怎么写。
这个教程相反：每个技巧用完整案例解释，然后要求你在Playground里自己写一遍。练习有标准答案，错了能立刻纠。因为是Anthropic官方出品，对Claude的边界（比如容易产生幻觉、角色扮演敏感）讲得准，不是泛泛而谈。
几点实际注意事项
-
教程用的模型是Claude 3 Haiku（最便宜最快）。README说技巧直接适用于Sonnet和Opus。我用Sonnet试了几个练习，效果一致。
-
如果你用GPT或Gemini，基础概念（清晰指令、逐步思考）通用，但有些技巧（比如第5章的“帮Claude说话”要求指定开头几个词）在其他模型上效果不同，需要自己测试。
-
我花了整一天刷完所有章节加动手，大约6-8小时。如果只读不练，2小时就能过完，但那样学不到什么东西。建议每个练习至少改两遍：先照着答案写，再改几个参数看效果。
谁真的适合看
-
没用过Claude的人：前3章用Sheets版直接上手，不需要编程知识。从写一个清晰指令开始，到能搭行业级提示词。
-
用过Claude一段时间的人：第6章（逐步思考）、第8章（避免幻觉）、第9章（复杂场景）依然能学到新东西。尤其第8章强制引用原文的方法，我之前没意识到这个技巧。
-
只熟悉GPT的人：如果你想了解Claude的特点，这个教程是最好的途径。但你要忍受部分例子（比如“Speaking for Claude”）在GPT上不适用。
一句话：目前我能找到的最系统的Prompt动手教程，没有之一。如果你在用Claude做项目，花一天刷一遍，比看十篇零散文章有效。