上周，随着Claude Design正式发布，其提示词意外遭到泄露。基于现有的Claude 4.7模型，借助系统提示词（system prompt）及其相关封装工具，竟这样打造出了一款面向终端用户的新产品。
时至今日，各家企业之间的竞争已经不再局限于单一的大模型能力，而是延伸到了提示词、MCP工具等层面。眼下，又迈入了“工程能力”（Harness）这一维度的比拼。
不过话说回来，提示词工程在当下仍然占据着举足轻重的地位。今天就来聊聊，仔细研究Claude Opus 4.7提示词之后收获的几个重要体会。
缘起
GitHub上的CL4R1T4S仓库收集了26款AI产品的系统提示词原文，总计63份。其中篇幅最长的一份，正是Claude Opus 4.7的——足足有1408行，比绝大多数项目的README文件长十倍以上。
深入阅读后会发现，其中蕴含着Anthropic值得借鉴的产品价值观。更有不少条款与我们的直觉完全相反。
反直觉1：禁止默认使用列表
Claude a voids over-formatting responses with elements like bold emphasis, headers, lists, and bullet points. It uses the minimum formatting appropriate to make the response clear and readable.
写作优先讲究人话，而非结构套子。日常对话用段落，报告用散文，技术文档同样用散文。除非用户明确要求“给我列个清单”，否则坚决不列。
你可能会觉得：“Claude明明经常给出列表啊？”——那是因为你触发了这一模式。当你问“列出5个……”时，它自然会给出列表。但Claude的默认模式，始终是全散文。
它在防范什么？说白了，就是过度格式化的陷阱——表面看着“结构完整”，用户却什么也没记住。格式代替了思考，这才是真正的问题所在。
反直觉2：引用超过15词=严重违规
整份1408行的提示词中，有一段名为CRITICAL_COPYRIGHT_COMPLIANCE，足足占据了80行。核心规则只有三条：
LIMIT 1 - 任何单一来源引用 < 15词
LIMIT 2 - 每来源最多1次引用（第2次=SEVERE VIOLATION）
LIMIT 3 - 歌词/诗/俳句永远不能复述
还附带了一份回复前的自检清单：能不能换成自己的话？是否超过15词？这个来源之前是否引用过？表述是否紧贴原文？
15词，大致就是一句话的长度。平时做研究摘摘要时，动辄几百字就直接贴上去。但Claude的规定是：不准直接粘贴，只能转述，且一个来源只能引用一次。
这背后，不只是防范法律风险，更是一种明确的产品定位。
AI的价值不在于搬运原文，而在于提供理解。引用限制，正是在强制Claude展现出“理解”这件事。这也解释了为什么Claude的回答总充满人味，而其他AI的回复却像拼贴画。
反直觉3：禁止提及知识截止日期
Claude should not mention any knowledge cutoff or not ha ving real-time data.
仅仅一句话：不要提知识截止日期。替代方案是什么？
If asked about current news or any information that could ha ve changed since its knowledge cutoff, Claude uses the search tool without asking for permission.
别废话，直接去搜。
这里传递的行为准则是：不要把局限性当作借口，而应将其视为行动的起点。“我的知识截止到……”这句话没有给用户带来任何价值。用户需要的不是道歉，而是答案。
反直觉4：工具故意不全部提供
The visible tool list is partial by design. Many helpful tools are deferred and must be loaded via tool_search before use.
Claude初始能看到的工具是刻意不完整的。更多的工具被延迟加载，用到时才通过tool_search去查找。
常规思路是什么？把所有能力一股脑全堆给你。Anthropic反其道而行之：先藏起来，需要时再找。
原因很简单——500个工具的说明，会占用10万tokens。还没开始聊天，就已经消耗掉相当于一本小说的量。默认只暴露核心工具，其他按需加载，用完即弃。
这给Agent开发带来的启示是：MCP工具超过50个时，必须使用元工具按需调用。AI的聪明，不在“什么都知道”，而在于“知道什么时候该去找什么”。
反直觉5：配备了一套“语言学雷达”
这段写得相当精彩：
人们很自然地把之前和Claude聊过的事情当作共享知识。他们说“我的项目”、“那个bug”、“你建议的方案”。如果Claude不能识别这些信号、主动搜索，就会迫使用户重复说一遍。不必要的搜索成本很低；错过一次搜索，对用户来说成本很高。
为此还搭配了一份识别清单：
| 信号 | 举例 |
|---|---|
| 无上下文所有格 | “我的毕业论文”、“我们的方案” |
| 假设共享的定冠词 | “那个脚本”、“那个策略” |
| 回忆型过去时 | “你之前推荐过……” |
| 直接询问 | “你还记得吗？” |
触发标准就一句话：用户是否在假装我已经知道某件事？是，就先搜索再回答。
这背后的深层洞察是：用户讨厌一遍又一遍重复自己。这是从工具型AI迈向伙伴型AI的分水岭。
5条暗线，3个真相
| 反直觉 | 价值观 |
|---|---|
| 禁列表 | 内容>形式 |
| 严控引用 | 理解>搬运 |
| 禁提截止 | 行动>借口 |
| 延迟加载 | 克制>堆砌 |
| 语言学雷达 | 伙伴>工具 |
真相一：顶级AI的差异，并不在于模型本身，而在于系统提示词（system prompt）。同一个基座模型，搭配1408行精心打磨的提示词，与只写一句“You are a helpful assistant”，得到的结果会让你觉得是完全不同的两款产品。
真相二：所有优秀的AI产品，都在做减法。减少过度格式化、减少原文搬运、减少借口免责、减少工具堆砌、减少重复输入。少，即是多。
真相三：提示词工程并非花哨的技巧，而是价值观的落地。“限制引用15词”听起来平淡无奇，但背后是一整套产品哲学——我们的AI不做搬运工，我们的AI帮你理解。
结语
系统提示词就像一份《员工手册》，是AI工作的文化。
不同的AI，在面对模糊情境时，应该表现得像谁？
Anthropic的答案是：有审美、懂节制、真理解、不啰嗦的资深顾问。
从提示词和代码中，或许能发现一流AI产品的品味。
