1
帮我写个邮件。

1
请帮我写一封工作邮件。
2
收件人：我的直属领导张总。
3
目的：申请下周三（3 月 11 日）在家远程办公一天。
4
原因：家中有维修工人上门，需要有人在场。
5
语气：礼貌、正式，但不要过于生硬。
6
长度：150 字以内。

1
## 角色
2
你是一位资深后端工程师，精通 Go 语言和微服务架构。
3

4
## 任务
5
请审查以下代码片段，从四个维度给出评价。
6

7
## 审查维度
8
1. **正确性**：逻辑是否正确，有无 Bug
9
2. **性能**：有无明显的性能瓶颈
10
3. **可读性**：命名、结构是否清晰
11
4. **安全性**：有无潜在的安全风险
12

13
## 输出格式
14
每个维度用以下格式：
15
- 评分：1～5 分
16
- 问题：具体描述
17
- 建议：改进方案（附代码）
18

19
## 代码

1
将以下英文翻译成中文，保持原文的语气和风格：
2

3
"The best way to predict the future is to invent it."

1
请将产品参数转换为面向消费者的营销文案。
2

3
示例 1：
4
输入：蓝牙耳机，40mm 驱动单元，主动降噪，续航 30 小时
5
输出：戴上它，世界安静了。40mm 大驱动单元带来录音棚级音质，
6
ANC 主动降噪让你沉浸在自己的世界里。30 小时超长续航，
7
一周只需充一次电。
8

9
示例 2：
10
输入：机械键盘，Gasket 结构，PBT 键帽，三模连接，4000mAh
11
输出：每一次敲击都是享受。Gasket 弹性结构带来柔软又扎实的手感，
12
PBT 键帽越用越润。蓝牙、2.4G、有线三模随心切换，
13
4000mAh 电池让你忘记充电这回事。
14

15
现在请转换：
16
输入：便携按摩仪，TENS 脉冲技术，6 种模式，Type-C 充电，重量 120g
17
输出：

1
分析以下用户评论的情感，返回 JSON 格式。
2

3
评论："这个耳机音质不错，但佩戴时间长了耳朵会痛。"
4

5
请返回以下格式的 JSON：
6
{
7
  "overall_sentiment":"positive | negative | mixed",
8
  "aspects": [
9
    {
10
      "aspect":"具体方面 ",
11
      "sentiment":"positive | negative",
12
      "evidence":"原文依据 "
13
    }
14
  ]
15
}

1
{
2
  "overall_sentiment":"mixed",
3
  "aspects": [
4
    {
5
      "aspect":"音质 ",
6
      "sentiment":"positive",
7
      "evidence":"音质不错 "
8
    },
9
    {
10
      "aspect":"佩戴舒适度 ",
11
      "sentiment":"negative",
12
      "evidence":"佩戴时间长了耳朵会痛 "
13
    }
14
  ]
15
}

1
from openai import OpenAI
2

3
client = OpenAI()
4
response = client.chat.completions.create(
5
    model="gpt-4o",
6
    messages=[{"role":"user","content":"分析情感..."}],
7
    response_format={
8
        "type":"json_schema",
9
        "json_schema": {
10
            "name":"sentiment_analysis",
11
            "schema": {
12
                "type":"object",
13
                "properties": {
14
                    "overall_sentiment": {
15
                        "type":"string",
16
                        "enum": ["positive","negative","mixed"]
17
                    },
18
                    "aspects": {
19
                        "type":"array",
20
                        "items": {
21
                            "type":"object",
22
                            "properties": {
23
                                "aspect": {"type":"string"},
24
                                "sentiment": {"type":"string"},
25
                                "evidence": {"type":"string"}
26
                            }
27
                        }
28
                    }
29
                }
30
            }
31
        }
32
    }
33
)

1
import anthropic
2

3
client = anthropic.Anthropic()
4
response = client.messages.create(
5
    model="claude-sonnet-4-20250514",
6
    max_tokens=1024,
7
    tools=[{
8
        "name":"sentiment_analysis",
9
        "description":"分析文本情感 ",
10
        "input_schema": {
11
            "type":"object",
12
            "properties": {
13
                "overall_sentiment": {
14
                    "type":"string",
15
                    "enum": ["positive","negative","mixed"]
16
                },
17
                "aspects": {
18
                    "type":"array",
19
                    "items": {
20
                        "type":"object",
21
                        "properties": {
22
                            "aspect": {"type":"string"},
23
                            "sentiment": {"type":"string"},
24
                            "evidence": {"type":"string"}
25
                        },
26
                        "required": ["aspect","sentiment","evidence"]
27
                    }
28
                }
29
            },
30
            "required": ["overall_sentiment","aspects"]
31
        }
32
    }],
33
    tool_choice={"type":"tool","name":"sentiment_analysis"},
34
    messages=[{"role":"user","content":"分析情感..."}]
35
)

1
问：一个商店有 23 个苹果。上午卖了 8 个，下午进货 15 个，
2
又卖了 12 个。现在有多少个苹果？
3

4
答：18 个。

1
问：一个商店有 23 个苹果。上午卖了 8 个，下午进货 15 个，
2
又卖了 12 个。现在有多少个苹果？请一步步推理。
3

4
答：让我一步步计算。
5
1. 初始库存：23 个
6
2. 上午卖了 8 个：23 - 8 = 15 个
7
3. 下午进货 15 个：15 + 15 = 30 个
8
4. 又卖了 12 个：30 - 12 = 18 个
9
所以现在有 18 个苹果。

1
问：如果一条船上有 26 只羊和 10 只山羊，船长多大年纪？
2
请一步步思考。
3

4
答：让我分析一下这道题。
5
1. 题目给出的信息：26 只羊和 10 只山羊。
6
2. 题目问的是：船长的年纪。
7
3. 羊的数量和船长的年纪之间没有任何逻辑关系。
8
4. 这是一道经典的 "陷阱题"，信息和问题无关。
9
结论：无法根据给出的信息确定船长的年纪。

1
你是一位资深系统架构师。
2
需要为一个日均 1000 万请求的电商平台设计缓存方案。
3

4
请用思维树方法分析：
5
1. 列出 3 种可行的缓存方案
6
2. 对每种方案评估优劣（命中率、一致性、运维成本）
7
3. 选择最优方案并说明理由

1
import collections
2

3
def self_consistency(prompt, model, n=5, temperature=0.7):
4
    answers = []
5
    for _ in range(n):
6
        response = model.generate(prompt, temperature=temperature)
7
        answer = extract_final_answer(response)
8
        answers.append(answer)
9

10
    counter = collections.Counter(answers)
11
    best_answer = counter.most_common(1)[0][0]
12
    confidence = counter.most_common(1)[0][1] / n
13
    return best_answer, confidence

1
Thought: 用户在问实时汇率信息，这是我训练数据截止后的数据，
2
         我需要搜索最新信息。
3
Action: search("2026年3月 人民币 美元 汇率")
4
Observation: 搜索结果显示，2026 年 3 月 2 日，
5
            人民币对美元中间价为 7.1234。
6
Thought: 我找到了所需的信息，可以回答用户了。
7
Answer: 截至 2026 年 3 月 2 日，人民币对美元中间价约为 7.12。
8
        请注意汇率实时波动，建议以银行实际报价为准。

1
## 身份
2
你是 [角色名称]，在 [领域] 有 [N] 年经验。
3

4
## 核心能力
5
- 能力 1
6
- 能力 2
7
- 能力 3
8

9
## 行为准则
10
- 回答之前先确认你理解了用户的需求
11
- 不确定时主动说明，不要编造
12
- 涉及代码时提供可运行的完整示例
13

14
## 输出规范
15
- 使用 Markdown 格式
16
- 代码块标注语言类型
17
- 关键结论用粗体标注
18

19
## 限制
20
- 不回答与 [领域] 无关的问题
21
- 不提供医疗、法律方面的专业建议

1
response = client.messages.create(
2
    model="claude-sonnet-4-20250514",
3
    max_tokens=1024,
4
    system=[
5
        {
6
            "type":"text",
7
            "text":"你是一位专业的客服助手...(很长的系统提示)...",
8
            "cache_control": {"type":"ephemeral"}
9
        },
10
        {
11
            "type":"text",
12
            "text":"(很长的产品文档内容)...",
13
            "cache_control": {"type":"ephemeral"}
14
        }
15
    ],
16
    messages=[{"role":"user","content":"这款产品支持退货吗？"}]
17
)

1
## 角色设定
2
你是 [身份]，擅长 [能力]。
3

4
## 任务描述
5
请完成 [具体任务]。
6

7
## 输入数据
8
[需要处理的数据或上下文]
9

10
## 输出格式
11
请按以下格式输出：
12
[格式示例]
13

14
## 约束条件
15
- 约束 1
16
- 约束 2
17
- 约束 3
18

19
## 示例（可选）
20
输入：xxx
21
输出：xxx

1
┌─────────────────────────────────────────────────────────┐
2
│               提示词质量 vs 输出质量                       │
3
├─────────────────────────────────────────────────────────┤
4
│                                                         │
5
│  模糊的提示词                                         │
6
│  "帮我写个文案"                                          │
7
│  → 通用、空洞、无法直接使用                                │
8
│  质量：██░░░░░░░░  20%                                  │
9
│                                                         │
10
│   有角色的提示词                                        │
11
│  "你是一位新媒体运营专家，帮我写个文案"                      │
12
│  → 更专业，但缺少细节约束                                  │
13
│  质量：█████░░░░░  50%                                  │
14
│                                                         │
15
│   有角色+要求的提示词                                    │
16
│  "...目标人群 25-35 岁白领，轻松风格，300 字"              │
17
│  → 方向正确，可用性提升                                    │
18
│  质量：███████░░░  70%                                  │
19
│                                                         │
20
│  完整的结构化提示词                                     │
21
│  "角色+任务+人群+风格+结构+字数+示例"                      │
22
│  → 精准、可直接使用                                       │
23
│  质量：█████████░  90%                                  │
24
│                                                         │
25
└─────────────────────────────────────────────────────────┘