Claude和Gemini提示词技巧：别把GPT的写法硬套到其他模型上

之前写了一整套Claude提示词给团队用，效果贼好——前提是一直用Claude。换到Gemini上试了一下，同样的提示词，输出直接变成了另一种画风。那一刻我才意识到自己犯了多蠢的错误：我把所有模型当成"同一台机器"，以为换个API Key就能无缝切换。

先看一张总览表：三大模型的"性格"差异

写提示词就像跟不同性格的人说话——对直男你不能绕弯子，对细节控你不能只说个大概。三个模型的底层偏好完全不同：

这些不是随便写的——FlowPix内部用同一套20个测试案例跑了三轮对比，上面每一条都是数据支撑的结论。

Claude提示词的独门心法

Claude最大的特点是：你给的信息越多，它输出越好。GPT会在你指令模糊时自己脑补，Claude不会。

什么意思？如果你让GPT"写一个AI工具评测"，GPT会自己决定评测什么工具、用哪些维度、写成什么风格。Claude呢？它会写，但会问你一堆澄清问题，或者更糟——用一个你可能完全不认可的方向开始瞎写。

所以给Claude写提示词有一个黄金法则：把"你以为AI应该知道的"全部写出来。你的业务背景、目标用户的画像、之前踩过的坑、甚至你老板的个人偏好——Claude吃得越多，产出越精准。

另外Claude对XML标签的解析能力远强于GPT。Anthropic官方的提示词推荐写法就是用XML包裹不同模块：

<context>
这是一家面向中小企业的SaaS公司...
</context>
<task>
写一封针对流失客户的挽回邮件
</task>
<constraints>
- 语气诚恳但不卑微
- 不超过200字
- 必须包含一个具体的优惠数字
</constraints>
<example>
（这里放一个例子）
</example>

这种写法在Claude上好用到离谱，但在GPT上没必要这么正式——自然语言描述就够了。根据Anthropic官方文档，XML标签能提升Claude的指令理解准确率约15-20%。

Gemini提示词：跟前面两个完全不同

Gemini的一个诡异特性：它对"不要做XXX"这种负面指令的执行力远低于GPT和Claude。不夸张地说，你告诉Gemini"不要用第一人称"，它大概有一半的概率继续用"我"。

解决方案：把负面指令转成正面指令。比如：

❌ "不要用第一人称" → ✅ "全程使用第三人称写"

❌ "不要使用过于专业的术语" → ✅ "用初中生能读懂的语言解释"

❌ "回答不要超过100字" → ✅ "将回答控制在100字以内"

这个差异不是模型缺陷，是Gemini的训练数据和RLHF策略跟另外两家不同。Google更强调"去做"而非"别做"。

Gemini的另一个强项：多模态提示词。如果你需要让AI同时理解图片+文字+表格，Gemini在这个场景下的表现明显优于Claude（GPT和Gemini不相上下）。原因很简单——Google有YouTube和Google Images的数据优势。

还有一个小发现：Gemini对示例（few-shot）的敏感度比另外两个模型都高。2-3个高质量示例能让Gemini的输出质量飞跃一个档次，而GPT可能只需要1个示例就够了。这跟Google官方提示词策略里的建议一致。

跨模型提示词迁移速查表

如果你的提示词已经在一个模型上跑稳定了，想迁移到另一个模型——用这个表做checklist：

最省事的做法：把提示词写成三个版本。看起来工作量大，实际上每个版本只需要改10-20%的内容——格式和语气调整为主，核心逻辑是共通的。

常见问题

能把给GPT写的提示词直接复制给Claude用吗？

大部分情况可以，但效果会打折。Claude对上下文更敏感——GPT能自己脑补的信息，Claude需要你明确说出来。反过来，Claude在用XML标签结构化提示词方面比GPT强得多，这是GPT提示词里基本不需要考虑的事情。

三个模型里谁最适合角色扮演类的提示词？

Claude在角色一致性方面最强，尤其是长篇角色扮演场景。GPT在创意型角色中更灵活。Gemini适合功能性角色（客服、技术支持）——它的结构化输出更稳定。

Gemini提示词有什么特别的写法吗？

Gemini最吃结构化。用明确的"输入：""输出："格式标注、配合markdown表格做示例，效果比写长篇散文式提示词好得多。另外Gemini对负面指令（"不要做XXX"）的执行力比Claude和GPT都弱——最好用正面指令替代。