推文

@sleepy0x13 · 2026-10-17 11:05

Anthropic 在一堂 4 小时的免费工程课里，把一个 Agent 的 System Prompt 从 402 行砍到 15 行，任务通过率反而从 62% 提升到了 92%。 这套教程信息量挺大，我把最值得学的几个技巧整理了一下，建议收藏。 1. Prompt 怎么写（00:15） 别上来就写一堆指令。先建立 Eval，覆盖正常任务、边界情况和失败案例，再根据结果修改 Prompt。 业务规则、角色、数据和输出格式分开写。数学计算交给代码工具，复杂任务可以采用 Generate → Evaluate → Repair，让模型生成、检查、修复。 2. Claude 为什么越用越笨（33:21） 视频拿库存 Agent 做实验：402 行 Prompt、12 个工具、3 个子 Agent，通过率只有 62%。 优化方法： Tool 负责执行明确动作，例如查询、计算 Skill 按需加载业务知识，不要全部塞进 System Prompt Subagent 留给需要独立上下文的任务 大量数据用 Python 处理，只把结果返回模型 改造后通过率提升到约 92%，Token 消耗也下降了。 3. Anthropic 内部怎么用 Claude（1:33:39） 一个很实用的产品开发流程： 先让 Claude 反过来采访你，问清需求中的模糊点，生成产品规格。 然后根据规格制作多个可预览的 HTML 方案，让人直接比较和修改。 开发完成后，用 Schema、Fixture、Invariant 定义验收条件，再通过 Playwright 自动检查页面。 简单说，就是让 Claude 从需求讨论一直参与到最终验证。 4. 自动化和长期记忆（2:29:24–3:18:59） Routines 可以按时间或事件触发任务，比如每周检查合并的 PR，自动提出文档更新。 Memory Store 负责跨会话保存信息，Dreaming 则负责定期整理历史记忆、去重和更新索引。这部分属于 Managed Agents 的能力。 https://x.com/Dipanshu_AI/status/2110984082968490086/video/1

曝光 1226 · 评论 5 · 点赞 16 · 书签 14 · 曝光/时 1758.0070925088637