Anthropic工程师手把手教你怎么调客服提示词和搭Agent，用Opus加循环拆解比堆复杂指令更管用，核心就一句话：先搞评估
Anthropic工程师Margot Van Laar在Code with Claude分享提示词工程最佳实践，强调通过评估（Eval）而非直接修改提示词来优化。她用客服机器人和零售排班两个案例演示：使用XML标签结构化提示词、移除旧模型遗留的禁止列表（如Claude 3 Opus）、用工具替代指令处理计算任务。拆解复杂任务为生成-评估-修复循环，并建议用更强推理模型（如Opus）加自适应思考替代小模型复杂提示词。
睡前来一发，这个视频还是挺完美的。 Anthropic的应用AI工程师Margot Van Laa…
睡前来一发，这个视频还是挺完美的。
Anthropic的应用AI工程师Margot Van Laar在Code with Claude分享了提示词工程的实战手册。
核心观点是：我们很少从零写提示词，大部分时间都在调试和维护已有的生产提示词。
最好的起点永远是评估（Eval），而不是直接改提示词。
她用两个真实场景演示了最佳实践：
1. 维护已有提示词**（客服机器人）
- 先做通用清理：用XML标签结构化（角色/政策/语气/指南分开）、移除冗余补丁、明确输出格式。
- 常见陷阱：以前为旧模型加的“禁止列表”指令，在新模型上会过度拟合，导致模型隐瞒它其实能提供的信息。
- 当模型需要做精确计算时，指令没用，要给它工具。
- 升级/转人工的决策，要把代价和收益两面都说清楚，否则模型会过度优化某一边。
2. 从零构建新Agent（零售排班）
- 单一复杂提示词容易失败。
- 更好的方式是拆成生成-评估-修复循环，让三个简单提示词各司其职。
- 模型选择很重要：更强的推理模型（Opus）+ 自适应思考，往往比小模型+复杂提示词更高效。
她反复强调：评估是唯一能告诉你改动是否真正有效的严谨方式。
没有评估，就只是在碰运气。