Anthropic 控制台上線 Prompt Improver：一分鐘自動最佳化提示詞

調過大模型提示詞的人大概都經歷過這種崩潰：一句話寫得稍不嚴謹，模型就開始胡說八道；想讓它按 XML 標籤老老實實輸出，自己還得費勁去一行行格式化。

Anthropic 在自家的開發者平臺 Anthropic Console 裡上線了一項新功能：Prompt Improver（提示詞最佳化器），順帶還補上了一套示例管理工具。

說白了，就是把官方壓箱底的提示工程技巧打包成一個自動化工具，讓 Claude 自己來給你的提示詞挑刺和重構。

一分鐘走完六步改造

這套最佳化工具用起來很簡單。你把手頭現有的提示詞扔進控制台，順便選一下重點想提升哪些方面。

接著，Claude 會在不到一分鐘裡自動走完一套六步流程：先列出改進方案，然後寫出草稿，再反覆潤色修改，最後把最佳化好的版本交給你。

根據 Anthropic 的說明，這個工具的核心其實是把官方推薦的幾套技巧自動化了。

首先是強行塞入思維鏈。它會在提示詞裡專門劃出一塊思考區域，逼 Claude 在給出最終答案之前，先按部就班地把推理過程想明白。

其次是格式治理。它會把你給的示例統一清洗成結構清晰的 XML 標籤，甚至連示例裡的思考過程也會順手幫你補齊。

另外還有兩個細節動作：一是把語言結構重新理順，順便改掉拼寫和語法毛病；二是通過預填 Assistant 角色開頭的方式，把模型的輸出格式死死按住。

Anthropic 透露，在他們做的一項分類測試裡，被這套工具最佳化過的提示詞，準確率直接提高了 30%。

除了修提示詞，開發者現在還可以在 Workbench 裡把少樣本示例規整地管理起來，甚至能讓 Claude 替你憑空捏造出一批合規的示例測試資料。

在這之前，Anthropic 曾在一個 Google Colab 腳本里提供過類似的最佳化邏輯，Console 裡也有微調和評估功能。這次則是徹底做成了控制台裡的原生開箱即用體驗。

不過，目前這個工具還不能自動對接基準測試集去跑分驗證，改完之後行不行，依然得開發者自己上手驗貨。

為什麼重要

我們認為，Anthropic 這次解決了一個非常普遍的痛點：從別家模型遷過來的水土不服。

很多開發者最早都是圍繞 OpenAI 的 GPT 系列寫提示詞，一旦想換到 Claude 上，經常會發現原本好使的 prompt 莫名其妙失靈。因為 Claude 非常看重 XML 結構和預填回覆，這些最佳實踐全靠人工改動成本極高。

現在只要點一下按鈕，就能在一分鐘內把通用的提示詞翻譯成最契合 Claude 脾氣的形態，門檻被壓到了最低。

對開發者來說，這東西完全值得現在就去試。特別是那些做文本分類、資訊提取或結構化 JSON 輸出的團隊，平時花兩三天人工磨提示詞的工作，現在可能點幾下就能拿到一個基線版本。

但看起來它也有隱患。目前它改完了不會自動跑 benchmark 迴歸測試，AI 給自己出的最佳化方案到底有沒有引入新的邊角幻覺，依然是個未知數。要是完全撒手不管直接上線生產環境，風險還是不小的。

從競爭角度來看，大模型廠商正在把戰場從單純的比拼基座智商，轉移到比拼開發工具鏈的易用性。當模型能力差距縮小時，誰能幫開發者更快地把提示詞調通、誰的控制台體驗更省心，誰就能從對手那裡挖走更多的 API 呼叫量。