red_guards

亲爱的，我希望你能鼓起勇气，坚信生活的美好，保持乐观的态度，要相信革命总是无往不胜的。

[red_guards @redguards5]

@twsdah 有钱啥也好

[red_guards @redguards5]

@op7418 Token plan能用不

[red_guards @redguards5]

@NekoStranding

[red_guards @redguards5]

@zhoujunhong2024 同学们我来晚了

[red_guards @redguards5]

@_FORAB 元宝是真fw

[red_guards @redguards5]

@yh9401700442687 就是说挺巧合

[red_guards @redguards5]

@wngh3377 高中老师现在不都是免师？

[SagaSu @sujingshen]

https://t.co/qejg8bnyGe

[red_guards @redguards5]

@NWA12302 还不如考个叉车证呢

[red_guards @redguards5]

@HomeDemonCrouch @Oo_Motoko 说错了新疆，有人才引进政策，基本报了就能去

[red_guards @redguards5]

变成怪话生成器这一块

[iGeekbb @igeekbb]

赛博复活毛泽东

[danny @agintender]

还 agent工作流吗？还harness吗？
还在自建agent一人公司吗？哈哈哈

比较可怕的是，这次还连带把企业样例给你了 @asana @Rakuten @NotionHQ .... 连成熟的企业都在用，你还在想什么？

这个事情出来， @OpenAI 估计哭晕在厕所？

[red_guards @redguards5]

@ChihayaAnon_ze 孩子们别背必修四了，为什么不多读一读相关的书呢？现实永远沉重且复杂

[red_guards @redguards5]

@DAIYUSHIHUANGDI 可是现在找工作好难，感觉都维持不了之前的水平…已经后悔离职了

[red_guards @redguards5]

@mario_2333 @Jaciezyt 没啥是平等的，迟早有一天高考会变成SAT，随着阶级两极分化

[red_guards @redguards5]

@Mercury_97z 我更惨，我都读研毕业两年的老登了，但是不想放弃…我想至死我还会抗争，想看到可能性，想看到未来…

[red_guards @redguards5]

@Guillermin45548 学历读个非全mba就行

[Joooe｜NodeZ @0xJoooe]

今天 Claude Code CLI 的原始码意外泄漏，里面有一份 54KB 的 system prompt（系统提示词）组装逻辑。发现 Anthropic 工程师写 prompt 的方式跟多数人想的很不一样。

一、把 prompt 拆成独立段落区块，每段只管一件事

Claude Code 的 system prompt 不是一整段文字，而是由 getSimpleSystemSection()、getSimpleDoingTasksSection()、getSimpleToneAndStyleSection() 等十几个函式各自产生，最后拼接起来。

每个 section 用 # 标题 开头，像 # System、# Doing tasks、# Tone and style、# Output efficiency。彼此不重叠、不矛盾。

这代表什么？当你的 prompt 超过 500 字，把它结构化成多个 section 的效果会远好于一段长文。因为模型在处理指令时，section 标题本身就是一个分类锚点（anchor），让它更容易判断「这条规则属于哪个范畴」。

二、负面指令要带反例（counter-example），不要只说「不要」

原始码里有一段：
Don't add features, refactor code, or make "improvements" beyond what was asked. Don't create helpers, utilities, or abstractions for one-time operations.
（不要添加功能、重构代码、或做超出要求范围的「改进」。不要为一次性操作建立辅助函式、工具或抽象层。）

注意它不是写「保持简单」这种抽象指令，而是列出具体的「不要做 X、不要做 Y」。每一条都是一个可被客观判断的行为。

写「语气不要太浮夸」几乎没用，但写「不要用感叹号、不要用『震惊』『颠覆』『史诗级』等词」就很有效。模型需要的是可以做二元判断（binary judgment）的边界，不是模糊的形容词。

三、用 "X is better than Y"（X 比 Y 好）帮模型做取舍

原始码里有一句设计哲学：
Three similar lines of code is better than a premature abstraction.
（三行相似的代码，比一个过早的抽象化更好。）

这不是规则，是价值判断。它告诉模型「在两个都合理的选项之间，选这边」。

这个技巧的核心是：很多时候模型不是不会写好的内容，而是不知道你的偏好方向。给它一个明确的取舍原则（trade-off principle），比给十条规则更有效。

四、量化限制比形容词有效 10 倍

Claude Code 内部有一段只对 Anthropic 员工启用的指令：
Keep text between tool calls to ≤25 words. Keep final responses to ≤100 words unless the task requires more detail.
（工具调用之间的文字保持在 25 字以内。最终回复保持在 100 字以内，除非任务需要更多细节。）

25 字、100 字，这是具体的数字。不是「简洁」、不是「精炼」、不是「尽量短」。

但要注意：数字不是越严越好，而是要匹配你的实际需求。先跑几次不带限制的版本，看看自然长度落在哪个区间，然后用数字去固定那个区间。

五、用 scenario → action（情境 → 动作）取代模糊规则

Claude Code 不写「遇到错误要冷静处理」，它写的是：
If an approach fails, diagnose why before switching tactics — read the error, check your assumptions, try a focused fix. Don't retry the identical action blindly, but don't abandon a viable approach after a single failure either.
（如果一个方法失败了，先诊断原因再换策略——读错误信息、检查你的假设、尝试针对性修复。不要盲目重试同样的动作，但也不要因为一次失败就放弃一个可行的方法。）

这是一个完整的决策树：失败 → 先诊断 → 再修正 → 不盲目重试 → 也不轻易放弃。

套到文案场景：「如果素材是数据报告 → 用数据做开头。如果素材是产品更新 → 用功能变化做开头。如果素材是市场事件 → 用时间线做开头。」

这比写「根据素材类型调整开头」有效得多，因为模型不需要自己判断「调整」是什么意思。

六、把输出风格拆成两层：结构层和语气层

Claude Code 把「怎么组织内容」和「用什么语气」分成两个独立的 section。
# Output efficiency（输出效率）管结构——先说结论、跳过铺垫。
# Tone and style（语气与风格）管语气——不用 emoji、引用要标路径。

这两层不互相干扰。你可以要求「结构用倒金字塔（inverted pyramid）」但「语气用对话式（conversational）」，不会矛盾。

一个 section 定义「这篇推文的信息架构（information architecture）是什么」，另一个定义「用什么人设口吻说」。分开调整的弹性比混在一起大很多。

Anthropic 的工程师不是靠「写出聪明的话」来让模型听话，而是靠结构设计。每一条指令都是可以被单独验证、单独替换的模块。

如果你也在用 LLM 做内容生产，试试把你的 prompt 用这个框架重写一次。通常不需要加更多指令，只需要把现有的指令整理得更清楚。

@AnthropicAI @claudeai

[red_guards @redguards5]

@yunjiu 一眼德意志意识形态，哈哈哈，读研为了写毕业论文还真看过手稿😫