把 Anthropic 的 Claude 提示工程文档与 OpenAI 的 GPT 提示词指南放在一起对读，会发现一件有意思的事：两家公司、两套模型、两种 API，核心内容却几乎相同——甚至文档结构都一样：模型特性差异 → 通用技法 → 工具与 Agent → 迁移指南。
逐条对读后，抽出双方都明确写到的 8 条底层法则。
法则 1：目标、约束、成功标准，缺一不可
Claude 文档：「Be clear and direct……The more precisely you explain what you want, the better the result.」金律是：把提示词给一个毫无背景的同事执行，他若困惑，Claude 也会。
GPT 文档：一条好提示词要写清 goal, relevant context, constraints, required evidence, success criteria, and output format——目标、相关上下文、硬约束、所需证据、成功标准、输出格式，六要素齐备。
共同点：提示词是一份验收合同，不是愿望清单。
法则 2：给边界，不给剧本
Claude：角色设定一句话就有效；工具章节给了两个互斥模板——<default_to_action>（默认动手）与 <do_not_act_before_instructions>（默认不动手），你要做的只是选一个边界；思考章节更直接：「Prefer general instructions over prescriptive steps.」
GPT：说得最透的也是这一点——模型能推断意图，「you often do not need to prescribe every step」，但你必须提供 domain context、hard constraints、approval boundaries、success criteria；并给出三档边界策略：回答/审查类只报告不改动；改动/构建类先做再验；外部写入、破坏性操作先确认。
共同点：模型不缺能力，缺授权范围。边界用三档策略表达，一档一句话。
法则 3：一次只说一次，少即是多
GPT 给了内部评测数字：精简 system prompt 后 eval 分数提升约 10–15%，token 减少 41–66%，成本降 33–67%。做法是逐条删、每条指令只写一次、只暴露相关工具。
Claude 没给数字但结论相同：迁移新模型要「dial back aggressive language」「Remove over-prompting」——过去防偷懒的重话现在会引发过度触发；还专设 Overeagerness 一节防止模型过度工程化。
共同点：提示词是放大器，不是保险丝。堆冗余指令只会放大噪声。
法则 4：输出控制 = 结构 + 取舍顺序
Claude：用 XML 标签把指令、上下文、示例分装（<instructions>、<examples>）；「告诉模型该做什么，而不是不做什么」（说"写成流畅段落"，别说"别用 markdown"）；提示词自身的排版风格会影响输出风格。
GPT：用 text.verbosity 设默认详略；短回答要写明取舍优先级——先结论、保留证据与 caveat、砍次要细节与客套；语气不写"友好""共情"这类模糊标签，而是描述具体的写作选择。
共同点：控制输出不是喊口号（“简洁一点”），而是给结构、给优先级、给具体行为描述。
法则 5：旋钮与文本分离，用评测说话
Claude：思考深度交给 effort 参数（自适应思考）；「Use effort as a fallback」——提示词压不住过度思考时，降档位而不是加提示。
GPT：reasoning.effort 六档（none→max）另有 pro mode，并明确警告「do not assume that the highest effort is always the best tradeoff」，须在代表性任务上对比质量、token、延迟、成本。
共同点：能拧的旋钮别写进提示词。文本表达意图，参数表达预算。
法则 6：工具调用需要显式路由
Claude：模型「benefit from explicit direction to use specific tools」，并行调用可提示到接近 100%；示范模板是一块 XML 标签 <use_parallel_tool_calls>。
GPT：对程序化工具调用（PTC）要求路由指令写清——哪个阶段用、允许哪些工具、输出 schema、停止条件、重试上限，且「Do not rely on tool availability or generic instructions」；示范模板也是 XML 标签块 <tool_orchestration>。
共同点：工具编排 = 阶段划分 + 许可清单 + 产出格式 + 停止条件。两家给的模板都是同一个东西：XML 包裹的策略块。
法则 7：验证回路，写进提示词
Claude：「Ask Claude to self-check」——「Before you finish, verify your answer against [test criteria]」；agent 场景推荐 self-correction 链路：草稿 → 对照标准审查 → 修订，每步独立可检查。
GPT：验收必须分开做——program_output 与最终消息是两个独立产物，「a program can return the correct records while the message omits a required field」；省 token 只有在「the response still passes your existing evals」时才算改进。
共同点：输出正确 ≠ 交付正确。验证是对着成功标准跑的独立回路。
法则 8：心智模型——聪明但不知情的新员工
Claude 的原话：「Think of Claude as a brilliant but new employee who lacks context on your norms and workflows.」
GPT 的对应表述：模型能推断你的意图和期望的投入程度，但你要持续供给领域上下文、硬约束、审批边界与成功标准。
共同点：把模型当能力强、但不懂你们团队规矩的新人——背景讲清、授权划明、验收写具体，剩下的事别替它做。
对照表
| 底层法则 | Claude 文档 | GPT 文档 |
|---|---|---|
| 目标 + 成功标准 | Be clear and direct；金律测试 | 六要素：goal/context/constraints/evidence/criteria/format |
| 边界而非剧本 | role；default_to_action 双模板 | 三档策略：报告 / 实施 / 确认 |
| 精简 | dial back aggressive language | leaner prompts：每条指令只说一次 |
| 输出控制 | XML 标签；告诉该做什么 | verbosity；取舍优先级；具体语气 |
| 旋钮分离 | effort / adaptive thinking | reasoning.effort / pro mode |
| 工具路由 | 显式工具指引 + 并行模板 | PTC 路由：阶段/工具/schema/停止 |
| 验证回路 | self-check；draft→review→refine | 分开验收 program_output 与 final message |
| 心智模型 | brilliant new employee | 能推断意图，仍需契约 |
结论
提示词工程正在收敛为一门契约设计：
一份好提示词 = 目标 + 上下文 + 约束 + 成功标准（写在文本里）＋ effort / verbosity（拧在参数上）＋ 验证回路（闭环验收）。
厂商可以竞争模型与价格，但这份契约的语法，两家已经写到同一条轨道上。
出处
- Claude：Anthropic 官方提示工程文档
- GPT：OpenAI 官方 GPT-5.6 提示词/迁移指南
文中所有模板（<default_to_action>、<use_parallel_tool_calls>、<tool_orchestration> 等）均摘引上述两份文档原文。