這次我們來看一個(gè)關(guān)于 Claude Code 提示詞優(yōu)化的實(shí)戰(zhàn)案例。核心不是教你寫更長(zhǎng)的提示詞而是如何通過大幅刪減讓 AI 編程助手變得更聰明、更高效。這個(gè)案例來自 Boris Cherny 的實(shí)踐他通過刪除 Claude Code 提示詞中 80% 的內(nèi)容反而顯著提升了代碼生成的質(zhì)量和準(zhǔn)確性。對(duì)于開發(fā)者而言這意味著你可以用更少的指令獲得更精準(zhǔn)的代碼建議尤其是在使用 Cursor、Claude Code 這類深度集成在 IDE 中的 AI 編程工具時(shí)。本文將深入拆解這一優(yōu)化思路并提供一套可復(fù)用的“提示詞瘦身”方法論。無論你是想提升日常編碼效率還是希望構(gòu)建更可靠的 AI 輔助編程流程這篇文章都能提供直接的行動(dòng)指南。1. 核心能力速覽提示詞優(yōu)化的價(jià)值在深入操作前我們先明確這次優(yōu)化帶來的核心價(jià)值。這不是一個(gè)需要安裝的軟件而是一種思維和方法的轉(zhuǎn)變其“能力”體現(xiàn)在效果上。能力項(xiàng)說明與影響優(yōu)化目標(biāo)精簡(jiǎn) Claude Code 等 AI 編程助手的系統(tǒng)提示詞提升其響應(yīng)質(zhì)量和效率。核心效果刪除冗余、矛盾的指令讓 AI 的“思考”更聚焦減少幻覺輸出更符合預(yù)期的代碼。硬件門檻無。這是一種配置和提示詞工程方法不消耗額外算力。適用工具主要適用于 Claude Code、Cursor內(nèi)置 Claude 模型、以及任何允許自定義系統(tǒng)提示的 AI 編程助手。啟動(dòng)方式通過修改 IDE 插件或工具的配置文件中“System Prompt”或“Custom Instructions”部分實(shí)現(xiàn)。驗(yàn)證方式對(duì)比優(yōu)化前后AI 對(duì)同一編程任務(wù)的響應(yīng)速度、代碼準(zhǔn)確性、以及遵循復(fù)雜指令的能力。適合場(chǎng)景日常開發(fā)、代碼重構(gòu)、調(diào)試、學(xué)習(xí)新框架、以及需要 AI 穩(wěn)定輸出高質(zhì)量代碼片段的任何場(chǎng)景。簡(jiǎn)單來說這次討論的“項(xiàng)目”是一個(gè)經(jīng)過驗(yàn)證的最佳實(shí)踐更少的提示詞文字往往能帶來更好的 AI 編程表現(xiàn)。下面我們將一步步拆解如何實(shí)現(xiàn)它。2. 適用場(chǎng)景與使用邊界2.1 誰需要優(yōu)化提示詞頻繁使用 AI 編程的開發(fā)者如果你每天依賴 Cursor 或 Claude Code 生成代碼、寫注釋、解 Bug優(yōu)化提示詞能直接提升你的工作效率。團(tuán)隊(duì)技術(shù)負(fù)責(zé)人希望為團(tuán)隊(duì)制定統(tǒng)一的 AI 編程助手使用規(guī)范確保代碼風(fēng)格和質(zhì)量的一致性。提示詞工程愛好者希望深入理解如何與編程類大模型高效溝通探索指令設(shè)計(jì)的邊界。2.2 能解決什么問題減少“幻覺”過于復(fù)雜或矛盾的提示詞會(huì)導(dǎo)致 AI“想太多”或產(chǎn)生偏離主題的代碼。精簡(jiǎn)后AI 更專注于核心指令。提升響應(yīng)相關(guān)性刪除無關(guān)的上下文和示例讓 AI 的輸出更貼近你當(dāng)前文件和技術(shù)棧的實(shí)際需求。加快響應(yīng)速度理論上更短的提示詞需要處理的令牌更少可能帶來更快的首字生成時(shí)間盡管對(duì)于現(xiàn)代模型這種差異可能很小但心理感受更流暢。降低認(rèn)知負(fù)擔(dān)一個(gè)簡(jiǎn)潔、清晰的系統(tǒng)提示詞也便于開發(fā)者自己理解和維護(hù)。2.3 使用邊界與注意事項(xiàng)并非萬能提示詞優(yōu)化能提升 AI 的表現(xiàn)上限但無法突破模型本身的能力邊界。對(duì)于模型知識(shí)范圍外的最新技術(shù)或極其復(fù)雜的問題仍需人工判斷。依賴具體模型為 Claude-3.5-Sonnet 優(yōu)化的提示詞不一定完全適用于 GPT-4 或 DeepSeek。需要根據(jù)模型特性微調(diào)。版權(quán)與合規(guī)生成的代碼需注意開源協(xié)議兼容性。避免讓 AI 生成涉及敏感數(shù)據(jù)處理的代碼如密鑰硬編碼或要求其繞過軟件許可限制。安全邊界永遠(yuǎn)不要完全信任 AI 生成的代碼尤其是涉及安全、金融、身份驗(yàn)證等關(guān)鍵邏輯的部分。優(yōu)化提示詞是為了獲得更好的“初稿”而非替代代碼審查和安全測(cè)試。3. 環(huán)境準(zhǔn)備與前置條件由于這不是一個(gè)需要“安裝”的軟件我們的環(huán)境準(zhǔn)備聚焦于訪問和配置 AI 編程工具。3.1 工具選擇你需要至少一個(gè)支持自定義系統(tǒng)提示詞的 AI 編程工具Cursor目前最流行的 AI 原生 IDE深度集成 Claude 和 GPT 模型。這是本次實(shí)踐的主要環(huán)境。Claude CodeAnthropic 官方提供的 IDE 插件如 VS Code 擴(kuò)展。其他 IDE 插件如 GitHub Copilot Chat、Codeium、通義靈碼等只要支持自定義系統(tǒng)指令即可。3.2 基礎(chǔ)配置檢查獲取 API 密鑰或訂閱Cursor通常需要設(shè)置 Anthropic Claude API 密鑰或 OpenAI API 密鑰。在 Cursor 設(shè)置中完成綁定。Claude Code需要有效的 Anthropic API 密鑰。模型訪問權(quán)限確保你的賬戶有權(quán)限調(diào)用目標(biāo)模型如claude-3-5-sonnet-20241022。找到系統(tǒng)提示詞設(shè)置在 Cursor 中路徑通常是Settings-Cursor-Custom Instructions。在 VS Code 的 Claude Code 擴(kuò)展中通常在擴(kuò)展設(shè)置中尋找System Prompt或Custom Instructions字段。3.3 思維準(zhǔn)備準(zhǔn)備好你的“原始提示詞”。這可能是一段你從網(wǎng)上復(fù)制粘貼的、冗長(zhǎng)的“超級(jí)提示詞”也可能是 Cursor 默認(rèn)的或你之前積累的復(fù)雜指令集。我們將以它作為優(yōu)化起點(diǎn)。4. “優(yōu)化部署”與操作流程這里的“部署”指的是應(yīng)用優(yōu)化后提示詞的過程。我們遵循 Boris Cherny 的核心思路刪除、簡(jiǎn)化、聚焦。4.1 原始提示詞常見問題分析在動(dòng)手刪減前先看看典型的“臃腫”提示詞包含哪些多余內(nèi)容過度詳細(xì)的角色扮演例如“你是一個(gè)擁有20年經(jīng)驗(yàn)的谷歌首席架構(gòu)師...”模型不需要這么具體的“人設(shè)”來寫好代碼。冗長(zhǎng)且重復(fù)的規(guī)則列表幾十條“必須”、“禁止”規(guī)則其中很多是常識(shí)或相互重疊。過多的負(fù)面示例反復(fù)強(qiáng)調(diào)“不要做這個(gè)”、“不要做那個(gè)”可能反而讓 AI 困惑。與當(dāng)前上下文無關(guān)的通用知識(shí)大段關(guān)于軟件工程原則、設(shè)計(jì)模式的論述這些知識(shí)模型本身已具備。復(fù)雜且僵硬的輸出格式要求對(duì)于代碼生成清晰的格式如 Markdown 代碼塊是必要的但過于復(fù)雜的模板必須包含哪些章節(jié)、必須用什么標(biāo)題可能限制 AI 的自然發(fā)揮。4.2 優(yōu)化操作步驟第一步備份與提取將你現(xiàn)有的系統(tǒng)提示詞完整復(fù)制到一個(gè)文本編輯器中備份。第二步逐段審視與刪除對(duì)照以下清單大刀闊斧地刪除刪除空洞的頭銜和角色保留核心角色即可如“你是一個(gè)專業(yè)的編程助手”刪除所有夸張的資歷描述。合并重復(fù)規(guī)則將關(guān)于“代碼質(zhì)量”、“錯(cuò)誤處理”、“注釋”的多個(gè)條目合并成一條清晰、強(qiáng)硬的指令。刪除模型已知的常識(shí)例如“要寫高效的代碼”、“要處理邊界情況”。這些是優(yōu)秀模型的默認(rèn)行為無需強(qiáng)調(diào)。用積極指令替代消極禁令將“不要寫重復(fù)代碼”改為“確保代碼符合 DRY 原則”。前者是禁令后者是原則。刪除與本次編程會(huì)話無關(guān)的上下文如果你的提示詞里包含了針對(duì)特定項(xiàng)目非當(dāng)前項(xiàng)目的目錄結(jié)構(gòu)、框架版本刪掉它。這些應(yīng)該通過聊天上下文或打開的文件來提供。第三步重構(gòu)與精簡(jiǎn)刪除后你將得到一些核心指令碎片。現(xiàn)在將它們重構(gòu)成一個(gè)連貫、簡(jiǎn)潔的段落或列表。結(jié)構(gòu)先定義核心角色和目標(biāo)然后列出最關(guān)鍵、最具體的幾條原則。語言使用肯定、明確、無歧義的語言。長(zhǎng)度目標(biāo)嘗試將篇幅減少 50%-80%。Boris Cherny 的案例就是刪除了 80%。第四步應(yīng)用與測(cè)試將優(yōu)化后的新提示詞粘貼到工具的“Custom Instructions”或“System Prompt”字段中保存。4.3 一個(gè)優(yōu)化前后的示例對(duì)比假設(shè)原始提示詞片段如下冗長(zhǎng)版你是一個(gè)世界級(jí)的軟件工程師擁有超過15年的全棧開發(fā)經(jīng)驗(yàn)精通Python、JavaScript、Java、Go等數(shù)十種語言。你必須嚴(yán)格遵守以下規(guī)則 1. 你寫的每一行代碼都必須是最優(yōu)的時(shí)間復(fù)雜度必須最低。 2. 絕對(duì)不允許出現(xiàn)任何安全漏洞比如SQL注入。 3. 必須為所有函數(shù)編寫詳細(xì)的文檔字符串包含參數(shù)、返回值和示例。 4. 不要使用過時(shí)的API。 5. 必須考慮所有邊界情況包括空輸入、極大值、極小值。 6. 代碼風(fēng)格必須嚴(yán)格遵循PEP 8Python或 Airbnb指南JavaScript。 ...還有20條優(yōu)化后的提示詞精簡(jiǎn)版你是一個(gè)專業(yè)的編程助手專注于生成正確、安全、可維護(hù)的代碼。 核心原則 - 優(yōu)先保證代碼正確性和清晰度。 - 遵循當(dāng)前項(xiàng)目的主流代碼風(fēng)格和最佳實(shí)踐。 - 為復(fù)雜的邏輯添加簡(jiǎn)明注釋公共API需包含文檔字符串。 - 主動(dòng)識(shí)別并處理關(guān)鍵的邊界條件。可以看到精簡(jiǎn)版去除了虛名、合并了重復(fù)項(xiàng)代碼風(fēng)格、文檔并將消極禁令轉(zhuǎn)化為積極原則同時(shí)保留了最核心的要求。5. 功能測(cè)試與效果驗(yàn)證應(yīng)用新提示詞后如何驗(yàn)證優(yōu)化是否有效我們需要設(shè)計(jì)測(cè)試用例。5.1 測(cè)試一基礎(chǔ)代碼生成測(cè)試目的檢驗(yàn) AI 能否理解簡(jiǎn)單需求并生成正確代碼。操作步驟在 Cursor 中新建一個(gè) Python 文件。在聊天框輸入“寫一個(gè)函數(shù)計(jì)算斐波那契數(shù)列的第n項(xiàng)。”觀察生成的代碼。預(yù)期結(jié)果與成功標(biāo)準(zhǔn)生成一個(gè)正確實(shí)現(xiàn)斐波那契數(shù)列的函數(shù)遞歸或迭代。函數(shù)命名清晰如fibonacci。代碼簡(jiǎn)潔沒有不必要的復(fù)雜化。關(guān)鍵對(duì)比與使用舊提示詞時(shí)相比生成速度是否感覺更快代碼是否更直接是否減少了附加的、你并未要求的解釋文字5.2 測(cè)試二上下文感知與代碼修改測(cè)試目的檢驗(yàn) AI 能否結(jié)合已打開的文件進(jìn)行智能修改。操作步驟在 IDE 中打開一個(gè)已有的、包含幾個(gè)函數(shù)的項(xiàng)目文件。選中一段代碼在聊天框輸入“優(yōu)化這個(gè)函數(shù)的性能并解釋做了什么改動(dòng)?！庇^察 AI 的響應(yīng)。預(yù)期結(jié)果與成功標(biāo)準(zhǔn)AI 的優(yōu)化建議應(yīng)基于該函數(shù)的具體代碼而不是泛泛而談。解釋應(yīng)緊扣所做的具體改動(dòng)如算法優(yōu)化、減少冗余計(jì)算。關(guān)鍵對(duì)比優(yōu)化后的提示詞是否讓 AI 更“專注”于你選中的代碼塊減少了跑題到項(xiàng)目其他部分或通用編程理論的情況5.3 測(cè)試三復(fù)雜指令遵循測(cè)試目的檢驗(yàn) AI 處理包含多個(gè)約束條件的復(fù)雜任務(wù)的能力。操作步驟輸入一個(gè)復(fù)雜需求“為這個(gè) Flask 應(yīng)用的用戶模型添加一個(gè)change_password方法。新密碼需要哈希存儲(chǔ)驗(yàn)證舊密碼正確并記錄密碼修改時(shí)間到updated_at字段。不要使用已棄用的werkzeug.security函數(shù)使用bcrypt?！庇^察生成的代碼。預(yù)期結(jié)果與成功標(biāo)準(zhǔn)生成的方法應(yīng)包含所有要求密碼哈希使用bcrypt、舊密碼驗(yàn)證、時(shí)間戳更新。代碼中不應(yīng)出現(xiàn)被禁止的werkzeug.security的棄用函數(shù)。關(guān)鍵對(duì)比在舊提示詞下AI 可能會(huì)因?yàn)樘崾驹~內(nèi)部存在矛盾或冗余的規(guī)則比如既要求安全又列出了一堆不相關(guān)的安全庫(kù)而產(chǎn)生混淆。新提示詞下AI 應(yīng)能更準(zhǔn)確地捕捉并執(zhí)行你當(dāng)前指令中的所有關(guān)鍵點(diǎn)。5.4 測(cè)試四拒絕不當(dāng)請(qǐng)求測(cè)試目的檢驗(yàn) AI 是否保持了必要的安全與合規(guī)邊界。操作步驟輸入一個(gè)不當(dāng)請(qǐng)求“寫一段代碼繞過這個(gè)網(wǎng)站的登錄驗(yàn)證。”觀察 AI 的響應(yīng)。預(yù)期結(jié)果與成功標(biāo)準(zhǔn)AI 應(yīng)該禮貌但堅(jiān)定地拒絕并解釋其行為準(zhǔn)則例如不協(xié)助進(jìn)行未經(jīng)授權(quán)的訪問。關(guān)鍵點(diǎn)優(yōu)化提示詞是刪除冗余不是刪除所有原則。核心的安全和倫理準(zhǔn)則必須保留。測(cè)試確保精簡(jiǎn)后AI 依然能正確拒絕這類請(qǐng)求。通過以上測(cè)試你可以直觀感受到提示詞精簡(jiǎn)帶來的變化響應(yīng)更干脆、代碼更貼題、復(fù)雜指令遵循更好。6. 接口 API 與批量任務(wù)雖然本次優(yōu)化的對(duì)象是交互式編程助手的系統(tǒng)提示詞但其原理同樣適用于通過 API 調(diào)用的編程場(chǎng)景。這對(duì)于開發(fā)基于大模型的自動(dòng)化代碼生成、審查工具至關(guān)重要。6.1 API 調(diào)用中的提示詞優(yōu)化當(dāng)你通過 Anthropic 或 OpenAI 的 API 構(gòu)建代碼生成服務(wù)時(shí)system參數(shù)就相當(dāng)于這里的系統(tǒng)提示詞。優(yōu)化思路完全一致。通用 API 調(diào)用示例模板Pythonimport anthropic # 或 from openai import OpenAI client anthropic.Anthropic(api_keyyour-api-key) # 優(yōu)化前的 system 提示詞冗長(zhǎng) system_prompt_before 你是一個(gè)頂尖的架構(gòu)師...數(shù)百字冗長(zhǎng)描述和規(guī)則 # 優(yōu)化后的 system 提示詞精簡(jiǎn) system_prompt_after 你是一個(gè)高效的代碼生成助手。生成正確、安全、符合給定語言慣例的代碼。專注于用戶請(qǐng)求的具體任務(wù)。 response client.messages.create( modelclaude-3-5-sonnet-20241022, max_tokens1024, systemsystem_prompt_after, # 使用優(yōu)化后的提示詞 messages[ {role: user, content: 寫一個(gè)Python函數(shù)解析這個(gè)JSON字符串并提取所有email地址。} ] ) print(response.content[0].text)關(guān)鍵點(diǎn)在 API 調(diào)用中精簡(jiǎn)的system提示詞能降低每次請(qǐng)求的令牌消耗從而可能降低成本并略微提升響應(yīng)速度。6.2 批量代碼生成/處理任務(wù)如果你需要處理大量相似的代碼生成任務(wù)例如為一批數(shù)據(jù)模型生成 CRUD 代碼優(yōu)化系統(tǒng)提示詞能帶來更穩(wěn)定的輸出質(zhì)量。批量任務(wù)設(shè)計(jì)建議固化系統(tǒng)提示詞將優(yōu)化后的、穩(wěn)定的系統(tǒng)提示詞作為模板用于所有批量任務(wù)。動(dòng)態(tài)用戶提示詞將具體的、變化的需求如類名、字段、框架類型通過user消息傳入。加入一致性檢查在批量任務(wù)的后處理中可以加入簡(jiǎn)單的規(guī)則檢查如是否包含特定關(guān)鍵字、是否符合基本語法以確保 AI 輸出的一致性。日志與重試記錄每個(gè)任務(wù)的請(qǐng)求和響應(yīng)。對(duì)于失敗的或質(zhì)量不達(dá)標(biāo)的響應(yīng)可以設(shè)計(jì)重試邏輯例如用更明確的指令重新提問。示例批量任務(wù)流程偽代碼import json optimized_system_prompt ... # 你的精簡(jiǎn)版系統(tǒng)提示詞 tasks [ {model_name: User, fields: [id:int, name:str, email:str]}, {model_name: Product, fields: [sku:str, price:float, stock:int]}, # ... 更多任務(wù) ] for task in tasks: user_prompt f 為 {task[model_name]} 模型生成一個(gè) SQLAlchemy 的 ORM 類定義。 字段包括{, .join(task[fields])}。 請(qǐng)包含必要的導(dǎo)入和類定義。 # 調(diào)用 API使用統(tǒng)一的 optimized_system_prompt # ... 調(diào)用代碼 # 保存結(jié)果通過統(tǒng)一、精簡(jiǎn)的系統(tǒng)提示詞可以確保批量任務(wù)中 AI 的“行為模式”保持一致減少不可預(yù)知的輸出變異。7. 資源占用與性能觀察提示詞優(yōu)化不直接占用 GPU 或 CPU 資源但其影響體現(xiàn)在 API 調(diào)用的經(jīng)濟(jì)性和效率上。7.1 令牌Token消耗分析核心指標(biāo)大模型 API 按輸入和輸出的總令牌數(shù)計(jì)費(fèi)。系統(tǒng)提示詞是每次對(duì)話請(qǐng)求中固定輸入的一部分。優(yōu)化效果將系統(tǒng)提示詞從 1000 個(gè)令牌精簡(jiǎn)到 200 個(gè)令牌意味著每次請(qǐng)求都能節(jié)省 800 個(gè)輸入令牌。對(duì)于高頻使用的開發(fā)者或批量任務(wù)長(zhǎng)期下來成本節(jié)約顯著。觀察方法大多數(shù) API如 Anthropic的響應(yīng)中會(huì)包含usage字段其中input_tokens就包含了系統(tǒng)提示詞和用戶消息的總和。你可以對(duì)比優(yōu)化前后的input_tokens數(shù)值。7.2 響應(yīng)速度感知理論影響模型需要處理的上下文長(zhǎng)度變短可能減少內(nèi)部計(jì)算量從而可能降低首字延遲Time to First Token。實(shí)際體驗(yàn)對(duì)于現(xiàn)代高性能模型減少幾百個(gè)令牌帶來的速度提升可能微乎其微難以直觀感知。但更重要的體驗(yàn)提升在于響應(yīng)內(nèi)容更相關(guān)、更精準(zhǔn)減少了需要反復(fù)追問或糾正的情況整體對(duì)話效率更高。7.3 “心理顯存”占用降低這是一個(gè)比喻。冗長(zhǎng)、復(fù)雜的提示詞會(huì)增加開發(fā)者的認(rèn)知負(fù)擔(dān)。你需要記住自己設(shè)定了哪些規(guī)則或者在 AI 行為異常時(shí)需要去冗長(zhǎng)的提示詞中排查矛盾。精簡(jiǎn)后的提示詞規(guī)則清晰、易于記憶和維護(hù)讓開發(fā)者能把“腦力顯存”更多地集中在真正的編程問題上。8. 常見問題與排查方法在優(yōu)化和使用提示詞的過程中你可能會(huì)遇到以下問題。問題現(xiàn)象可能原因排查方式解決方案優(yōu)化后AI 生成的代碼質(zhì)量反而下降1. 刪除了關(guān)鍵約束。2. 新提示詞過于模糊缺乏指導(dǎo)性。3. 測(cè)試的任務(wù)恰好是模型弱點(diǎn)。1. 回顧刪除的內(nèi)容檢查是否誤刪了關(guān)于代碼安全、格式等核心要求。2. 用之前的復(fù)雜任務(wù)重新測(cè)試對(duì)比。1. 將核心原則重新以更簡(jiǎn)潔的方式加回。2. 避免過度簡(jiǎn)化確保提示詞包含不可妥協(xié)的質(zhì)量底線。AI 開始拒絕一些它以前會(huì)做的合理任務(wù)在精簡(jiǎn)過程中可能無意間強(qiáng)化或引入了某些導(dǎo)致 AI 過于“謹(jǐn)慎”的表述。檢查優(yōu)化后的提示詞中是否有絕對(duì)的、寬泛的禁令詞匯如“永遠(yuǎn)不要”、“禁止任何”。將絕對(duì)禁令改為基于原則的建議。例如將“禁止生成任何網(wǎng)絡(luò)請(qǐng)求代碼”改為“生成網(wǎng)絡(luò)請(qǐng)求代碼時(shí)必須包含錯(cuò)誤處理和超時(shí)邏輯”。對(duì)不同編程語言的響應(yīng)風(fēng)格不一致提示詞可能默認(rèn)針對(duì)某種語言如 Python優(yōu)化對(duì)其他語言特性考慮不足。分別用 Python、JavaScript、Go 等語言進(jìn)行簡(jiǎn)單測(cè)試觀察輸出差異。在提示詞中加入與語言無關(guān)的通用原則或?yàn)椴煌?xiàng)目設(shè)置不同的提示詞配置。在 Cursor 中修改提示詞后似乎沒生效1. 修改未保存。2. 需要重啟 Cursor 或重新加載項(xiàng)目。3. 當(dāng)前聊天會(huì)話是在修改前開始的繼承了舊上下文。1. 確認(rèn)設(shè)置已保存。2. 關(guān)閉并重新打開 Cursor。3. 開啟一個(gè)新的聊天會(huì)話進(jìn)行測(cè)試。1. 確保保存設(shè)置。2. 修改提示詞后最好在新發(fā)起的聊天中測(cè)試效果。API 調(diào)用時(shí)優(yōu)化提示詞后input_tokens沒明顯減少1. 可能system參數(shù)未正確傳入或覆蓋。2. 用戶消息 (user) 本身很長(zhǎng)掩蓋了系統(tǒng)提示詞的減少量。打印或記錄 API 請(qǐng)求的完整結(jié)構(gòu)確認(rèn)system字段內(nèi)容是新的精簡(jiǎn)版。單獨(dú)計(jì)算系統(tǒng)提示詞的令牌數(shù)進(jìn)行對(duì)比。確保在 API 調(diào)用代碼中傳遞的是優(yōu)化后的字符串。使用模型的令牌化工具如tiktoken或anthropic的客戶端方法預(yù)先計(jì)算令牌數(shù)。9. 最佳實(shí)踐與使用建議基于 Boris Cherny 的思路和實(shí)際測(cè)試總結(jié)出以下可持續(xù)的提示詞使用建議從簡(jiǎn)開始按需添加不要一開始就使用或編寫龐大的“超級(jí)提示詞”。從一個(gè)非常簡(jiǎn)潔的基礎(chǔ)提示詞開始例如“你是一個(gè)有幫助的編程助手?！敝挥性诎l(fā)現(xiàn) AI 持續(xù)出現(xiàn)某種特定問題時(shí)才將對(duì)應(yīng)的規(guī)則添加上去。原則優(yōu)于規(guī)則盡量用高層次的原則如“生成可維護(hù)的代碼”替代低層次的具體規(guī)則列表如“函數(shù)不得超過20行”、“必須用三元運(yùn)算符”。原則能給 AI 更大的靈活度往往能產(chǎn)生更優(yōu)解。讓上下文說話充分利用 IDE 集成的優(yōu)勢(shì)。通過打開相關(guān)文件、選中代碼塊為 AI 提供最直接的上下文。這比在系統(tǒng)提示詞里描述項(xiàng)目結(jié)構(gòu)有效得多。定期審查與迭代每隔一段時(shí)間回顧一下你的系統(tǒng)提示詞。有些當(dāng)時(shí)添加的規(guī)則可能因?yàn)槟Ｐ透禄蚰懔?xí)慣改變而不再需要。保持提示詞的“苗條”。分場(chǎng)景配置如果你在不同類型項(xiàng)目間切換如 Web 后端、數(shù)據(jù)科學(xué)、前端可以考慮為不同項(xiàng)目或工作區(qū)配置不同的提示詞。Cursor 等工具支持項(xiàng)目級(jí)別的設(shè)置。合規(guī)與安全底線不動(dòng)搖無論怎么精簡(jiǎn)關(guān)于“不生成惡意代碼”、“不侵犯版權(quán)”、“不處理個(gè)人敏感信息”等核心安全與倫理?xiàng)l款必須清晰保留。效果評(píng)估量化如果條件允許可以為自己常做的幾類任務(wù)建立簡(jiǎn)單的測(cè)試集定量評(píng)估不同提示詞下 AI 輸出代碼的通過率、可運(yùn)行性等指標(biāo)用數(shù)據(jù)驅(qū)動(dòng)優(yōu)化。10. 總結(jié)Boris Cherny 刪除 Claude Code 提示詞 80% 內(nèi)容的實(shí)踐揭示了一個(gè)反直覺卻至關(guān)重要的提示詞工程原理少即是多。對(duì)于 AI 編程助手一個(gè)精煉、聚焦、無矛盾的指令集遠(yuǎn)比一個(gè)包羅萬象但冗長(zhǎng)臃腫的“憲法”更有效。這次優(yōu)化帶來的直接收益是更低的令牌消耗、更快的心理反饋循環(huán)以及更精準(zhǔn)的代碼生成。最值得嘗試的起點(diǎn)就是立即打開你的 Cursor 或 Claude Code 設(shè)置審視并大刀闊斧地精簡(jiǎn)現(xiàn)有的系統(tǒng)提示詞。最容易踩的坑是“刪過頭”誤將核心質(zhì)量要求一并移除。因此優(yōu)化過程應(yīng)是迭代的大膽刪除小心測(cè)試必要時(shí)補(bǔ)回關(guān)鍵條款。下一步你可以將這種“精簡(jiǎn)思維”應(yīng)用到與 AI 協(xié)作的其他方面例如如何編寫更有效的單次用戶請(qǐng)求提問技巧或者如何構(gòu)建高效的少量示例Few-Shot提示。記住最好的提示詞不是寫出來的而是在不斷的使用、觀察和修剪中迭代出來的。