- tags:: Prompt Engineering, K.Coding Agent
- source:: CLAUDE.md: Best Practices Learned from Optimizing Claude Code with Prompt Learning
核心亮点
通过修改部分提示词内容来提升 Agent 编程性能。
核心流程：
- 将数据集划分为训练集和测试集
- 在训练集上运行 Agent 得到结果，使用单元测试验证结果准确性，得分分为 0 或 1
- 针对每个错误的结果，使用 LLM 评估结果，得到详细的错误分析内容
- 根据错误分析，使用元提示来迭代优化提示词
- 在测试集上使用优化后的提示词来运行
- 重复以上流程，直到达到停止迭代的条件
数据集划分时可按照 git 仓库划分，也可按照待解决的问题来划分，两种划分方式分别能体现不同层面的效果
元提示（Meta Prompt）
- 如果在测试集上效果劣化了，该如何处理？
- 不同轮次迭代中，数据集划分是一样的还是不同的？
- meta prompt 是什么？为什么有效？
其它
相关链接：
- Prompt Learning SDK 提示学习 SDK
- Prompt Learning on Claude Code (code)
- Prompt Learning (blog post)
- Optimizing Cline Rules (blog post)