85
0第7章的主题是 “通过提示词引导行为”。如果说前两章是 Claude Code 的“骨骼”，那么本章探讨的精心措辞的行为指令就是附着在骨骼上的“肌肉”，它们让模型表现得像一个经验丰富的工程师。
以下是该章节提炼出的 6 种核心行为引导模式及其底层设计原则：
1. 六大行为引导模式
- 极简主义指令 (Minimalism Directive)：核心：通过禁止过度工程，将模型的“乐于助人”倾向限制在任务实际需要的范围内。
金句：“三行相似的代码优于过早的抽象”。这种具体数量锚定（数字“3”）打破了模型默认的 DRY（不重复自己）启发式倾向。 - 渐进式升级 (Progressive Escalation)：核心：在“直接放弃”和“无限死循环”之间定义中间路径，引导模型遵循 “诊断 → 调整 → 最后求助” 的三阶段协议。
约束：同时禁止盲目重试和过早放弃，迫使模型在失败后进行有信息量的推理。 - 可逆性意识 (Reversibility Awareness)：核心：引入 “可逆性” 和 “影响范围” 两个维度构建 2x2 决策矩阵，教会模型“三思而后行”。
实践：使用 “NEVER + 除非明确要求” 的强力约束（如禁止amend已发布的 commit），并附带因果解释以促进模型在未知场景中的泛化。 - 工具偏好引导 (Tool Preference Steering)：核心：通过工具描述中的 “前置拦截”，将模型的默认工具选择从通用 Bash 命令（如
grep,find）重定向到专用工具（如Grep,Glob）。
技巧：采用 “Use X (NOT Y)” 的二选一对照格式，并在系统提示词和工具描述中进行冗余强化。 - Agent 委托指引 (Agent Delegation Protocol)：核心：为多 Agent 协作定义精准规则，防止递归派生和上下文污染。
拟人化禁令：使用 “Don't peek（不要偷看子 Agent 的中间输出）” 和 “Don't race（不要在结果返回前捏造结果）” 等词汇，将技术约束转化为社交直觉。 - 数值锚定 (Numeric Anchoring)：核心：用精确数字（如“≤25 词”）替代模糊的定性描述（如“简洁一些”）。
量化收益：实验证明，仅将“保持简洁”替换为“≤25 词”，就实现了 1.2% 的输出 Token 削减。
2. 跨模式的底层设计原则
本章归纳了 5 条通用的提示工程设计准则：
- 反面定义优于正面描述：“不要做 X”的边界比“做 Y”更清晰。
- 具体例子是抽象规则的校准器：通过具体的反面案例（如 bug 修复不需要清理周围代码）来校准模型的执行力度。
- 因果解释促进泛化：解释规则背后的“为什么”（如为何不能 amend），能让模型在未见过的场景中推导出正确行为。
- 冗余是刻意的：在不同位置（如系统提示词和工具描述）重复关键约束，以对抗模型的注意力衰减。
- 灰度部署提示词：如
ant-only实验所示，提示词的修改也需要 A/B 测试和数据验证。
3. 实操建议
对于开发者，本章建议在构建自己的 Agent 时：
- 用数字替代形容词（如“1-2 句”）。
- 为失败场景建立明确的升级路径。
- 利用“可逆性”维度构建安全防御框架。
总结而言，第7章展示了提示工程如何从“文学创作”转向**“精确控制”**。通过在生成概率空间中设置明确的“围栏”，Claude Code 成功地将一个通用的 AI 模型驯化成了一个克制、高效且具备风险意识的专业编码助手。
