Claude提示词工程实战：从零构建高效对话系统的避坑指南

1次阅读

没有评论

共计 1924 个字符，预计需要花费 5 分钟才能阅读完成。

最近接手了一个电商客服 AI 的优化项目，刚上线就收到两大投诉：

场景一：深夜突然推销
用户凌晨 3 点咨询退货政策，系统突然开始推荐当季新品（后来发现是提示词里混入了促销指令）
场景二：多轮对话失忆
用户问 ” 预算 5 千能买哪款手机？”，筛选后追问 ” 续航最强的呢？”，AI 却重新询问预算（对话历史未正确保留）

这些看似简单的 bug，背后都是提示词工程的不规范导致的系统性风险。下面分享我们团队在 Claude 模型上的实战经验。

Claude 的对话结构由三个核心角色组成：

System：模型的 ” 操作系统 ”
定义 AI 的底层行为准则，例如：

{
  "role": "system",
  "content": "你是一个严谨的金融顾问，绝对不推荐未经验证的投资产品"
}

Assistant：AI 的历史回应
用于维持对话一致性，例如记录之前的筛选条件
User：最新用户输入
需要特别处理可能包含攻击性语句的情况

策略类型	适用场景	示例代码片段
Zero-shot	简单明确的指令	`{"指令": "翻译这段文字为法语"}`
Few-shot (3-shot)	需要示范的复杂任务	提供 3 个完整问答对作为范例
Chain-of-Thought	需要推理步骤的数学问题	要求 AI 先展示计算过程再给出最终答案

我们使用以下结构管理提示词模板：

# conversation_templates/refund.yaml
meta:
  version: 1.2
  author: QA_Team
variables:
  - name: product_type
    type: string
    required: true
  - name: purchase_date  
    type: date
    validation: past_date

template: |
  [系统角色] 你是一个专业的售后顾问，严格遵守三包政策
  [用户输入] 我想退货 {{product_type}}，购买日期是 {{purchase_date}}
  [响应要求] 分步骤说明退货流程，标注法律依据条款

def render_prompt(template_path, variables):
    # 类型校验层
    for var in template['variables']:
        if var['required'] and var['name'] not in variables:
            raise MissingVariableError(var['name'])

    # 敏感词过滤（前置处理）sanitized_vars = security_filter(variables)

    # 使用 Jinja2 安全渲染
    return Template(template['content']).render(sanitized_vars)

我们发现 API 成本与 token 数量的关系为：

 总成本 = (输入 token 数 * 0.002 + 输出 token 数 * 0.004) / 1000

实测一个典型对话回合：
– 原始提示词：输入 387tokens → $0.000774
– 优化后版本：输入 215tokens → $0.000430
（通过删除冗余说明实现）

推荐在三个位置部署过滤层：
1. 用户输入预处理阶段（尽早拦截）
2. 变量渲染过程中（防范注入攻击）
3. AI 输出后处理阶段（最终兜底）

在 system 指令中添加：

 当遇到以下关键词时，必须回答 "不了解该信息"：- "未来预测"  
- "未公开数据"
- "其他 AI 系统"
- 任何涉及政治的内容

def compress_history(messages, keep_ratio=0.6):
    # 计算每句话的 TF-IDF 权重
    tfidf = TfidfVectorizer().fit_transform([msg['content'] for msg in messages])

    # 保留权重最高的 60% 内容
    sorted_indices = np.argsort(-tfidf.sum(axis=1).flatten())
    keep_count = int(len(messages) * keep_ratio)

    return [messages[i] for i in sorted_indices[:keep_count]]