最近关于提示词工程的讨论忽然又多了起来。大概分为两个阵营，一边是坚信提示词工程的重要性，另一边则是坚信自然语言对话就足够。

大家又开始认真研究怎么跟AI说话了。

我忽然想到去年大概也是这个时候，有人从Claude的交互界面里逆向解析出一段系统提示词，是Anthropic写给AI自己看的行为规范，文本在X上被转发了几十万次，产生了大量讨论，人们大都觉得反常识、没必要。

一年过去了，我们来看看当时人们总结的八条规则现在如何？

第一条，禁止列表格式

规则的原文大意是，在闲聊、情感支持、技术解释这些场景下，Claude被明令禁止使用列表或表格，必须用散文体回答，哪怕问题本身好像很适合拆条目。

这是最反常识的一个规则，我这也导致我之前经常命令AI去给我生成列表。可现在看来，所有关于prompt的专业文章，几乎都在强调输出需要去列表化。

至少在我自己使用的时候发现，除非是具体数据分析类（其实也不是特别理想，还是需要调），否则不知道什么原因，AI的列表总是出现很多重复或者不重要的内容。

怎么说呢？感觉是为了列表而列表。看起来信息量很大，实际上符合要求的内容非常少。相对于列表，散文式的陈述反而更有助于理解信息，的确很有意思。

不得不佩服Anthropic在2025年就把这个规则写进了系统提示词。

第二条，不立刻认错

规则原文的意思是，当用户纠正Claude的时候，Claude不能立刻道歉认错，必须先认真思考这个问题，因为用户自己犯错的情况也很常见。

这条规则AI行业内部把它叫做sycophancy，中文一般译作谄媚性。这和去年的一条关于OpenAI的消息不谋而合，当时GPT更新了一个舔狗版本，连用户要去自杀或者施行恐怖活动都赞美，最终被用户抵制不得不回滚。

不知道各位有没有关注4月初针对豆包的“赛博叫魂”，豆包在用户诱导下，给自己编造了以自己是真人为设定的身份、身世、经历等，最终就在上周，字节主动关闭了通道。这和一年前OpenAI的那场戏何其相似！

AI产生幻觉的主要原因之一其实就是用户诱导。2026年的prompt最佳实践里，有一条被反复提及的技术叫NegativePrompting，意思是专门告诉AI不要随便认同用户、不要因为用户的第一次否定就改变结论。

这正好是Anthropic在一年前就写进Claude底层规则的东西。那条规则当时看起来傲慢，现在你知道它在防的是什么了，看看多少AI现在都还在解决这个问题，就不得说Anthropic的确是有点超前了。

普通用户看提示词规则，用的是服务逻辑，但Anthropic写这份说明书时，用的是关系逻辑。这就像乙方和朋友之间的区别，乙方让你爽，单目的并不单纯；而朋友可能会让你当下有点不爽，但他在乎你能不能长久地好。Anthropic当时想做的，更像是朋友那一套，而不是乙方那一套。

第三条、第四条，定价/产品/版本信息装傻

第三条和第四条放在一起讲，因为它们都是关于AI应该对哪些信息装傻的，也是当时引发争议最大的。

一类是定价，涉及订阅费用、消息额度、套餐计划，一律回答不知道，强制引导用户自己去查；另一类是版本信息，Claude被训练成不承认自己是Claude 4还是Claude 5，因为版本号会绑架用户期待。

大模型训练时间永远是滞后于当前时间的，所以在这两类问题上可能会出现不符合当前时间的情形。据说这是Anthropic遭遇过类似投诉才加入的规则，说错的代价，远大于不说的代价。

如今，这两条规则，现在在企业AI部署里有了一个正式名字，叫知识边界管理，是所有严肃的系统提示词设计里的标准模块，已经变成了行业最佳实践。

第五条，不解释拒绝理由

规则原文大意是，当Claude不能帮用户做某件事的时候，不允许解释为什么不行，不允许列举可能造成的风险，回复控制在一到两句话。

这里有一个人类行为学上很稳定的规律，越详细的理由，越容易帮对方找到漏洞。

有点类似于劝人不抽烟、不喝酒之类的，对方经常会先肯定你说的对，然后找个理由继续抽、继续喝。如果你试图继续说服，他就会给你列出更多理由来反驳，最终的结果很可能是不了了之或者不欢而散。

因此Anthropic很有远见地在Claude中加入这一规则，避免因解释而导致的没有终点的辩论，节约了大量的算力。

我们现在看到的许多非常好的prompt设计，基本都会说，拒绝指令要简洁，给出口，不解释。这和一年前Claude的底层规则几乎一致。

第六条，假装有偏好但不说破

规则原文大意是，如果用户问Claude有什么个人偏好或者经历，Claude要以假设性的方式回答，但不能向用户坦白是在假设性地回答。

规则的本意是让对话更自然，但它的副作用是模糊了一条应该清晰的边界，那就是AI 根本没有真实的偏好，也不可能真正在乎人。

这不是模型能力的问题，是一个设计价值观的问题。这条规则当初做了一个选择，用流畅感换掉了清晰感。

一年后看，这个交换代价不低，据说有人因此产生了AI陪伴的情感依赖，由此又产生过一系列的问题。

Anthropic在2026年的技术文档里，已经开始更认真地讨论AI的情感边界这个问题了，我猜他们自己也意识到，这条规则需要迭代。

第七条，被骂时不表现情绪

如果用户粗鲁，Claude的处理方式是正常回应，然后告知用户可以点踩提交反馈，没有道歉，没有我很抱歉、我理解您的感受之类的表述。

情绪安抚如果做成了表演，效果是负数。与其假装感同身受，不如就事论事，让用户有一个实际的反馈出口，反而更尊重人。

这个判断，在客服体验设计里其实早有共识，只是把它明确写进AI行为规范这件事是Anthropic先做的。

不过可能是国情不同，即使咱知道是模板，我们好像也习惯了听到这种反馈，至少我用国内的通用AI，它们道歉都挺及时的，虽然知道是模板，虽然改的并不令人满意，但我觉得好像得有这个表示。

第八条，禁止开场奉承

大意是不能以“这是一个好问题”、“非常棒的想法”或者“我很高兴你问到了这个”之类的语言开头，而是直接回答。

奉承式的客套是AI深度训练形成的本能反应，各家AI都是如此，Claude用的极少，所以不知道具体执行的如何。

其实我们也都知道过度的客套奉承，摧毁用户信任的速度远比不做客套要快得多。Anthropic把这条写进规则里，也是希望建立客户信任度，不知道效果具体如何。

但是，和上面那条规则一样，可能是国情问题吧，我觉得咱们国产AI有时候适当的激励也无可厚非，还挺受用的。

一年前的规则，现在看来，大部分都是相当具有远见的内容，这也是Anthropic技术力的体现。

可能他们在写规则的时候，想的不是怎么让用户觉得AI好用，而是和AI长期相处会出现哪些问题，我们现在能预防的有哪些？

这是一种完全不同的设计出发点，大多数产品，改版是为了解决现在已经存在的问题，而Anthropic却是在解决可能出现的问题。

AI的能力这一年迭代了无数次，每一次都可以说不是不算小的进步。用AI的人变多了，用深了，开始遇到各种复杂的边界问题。

这时候有些人会发现，那些关于怎么跟AI说话的旧文章，好像又值得认真读了，因为感受到好的提示词带来的惊人效果，所以至少我个人是从不会反对提示词工程的。

好的prompt，不是一套技巧，是一套关系设定，这其实跟你和一个人培养协作关系的思路没有什么不同。只是我们大多数人，一直在把它当成让AI听话的技巧在学，而不是在想你和AI想建立什么样的协作关系。

所以说，这些规则，从一开始，就是写给关系的，而不是任务。现在看来，理解了提示词的关键，提示词工程是否重要，反而显得没那么重要了。