Claude引路星，带你驾驭AI对话新境界

claude.md怎么写

约 12 分钟

所属主题：Claude 提示词工程完全指南

claude.md怎么写：一份让 Claude 听话的永久工作手册

写 claude.md 并不复杂——它本质上就是用 Markdown 格式为 Claude 写一份“永久工作说明书”。如果你想学习 claude.md怎么写，核心就是把角色、规则、示例和边界写清楚，后续所有对话中 Claude 都会自动按这份文件执行。下面直接给你一个能立即使用的模板，并逐条解释每个部分的作用。

开始前确认

在动手写 claude.md 之前，先确认两件事：

延伸阅读：claude 中文支持怎么样、claude pro 和 api 区别

  • 平台兼容性：原生 Anthropic API 和大多数主流 Claude 客户端（如 Claude Desktop App、TypingMind、ChatWise）都支持通过项目级或对话级配置注入 claude.md。但并非所有第三方包装都支持，建议先查阅工具文档确认。
  • 控制范围：claude.md 可以放在项目根目录、配置文件夹或直接在对话开头粘贴。不同工具对加载机制有细微差别——有的全局生效，有的只对当前项目生效。建议从最小范围开始测试，比如先在一个单独的项目中试用。

操作步骤

第一步：定义核心角色（谁 + 场景）

开篇用一句话告诉 Claude 它现在是谁、在什么场景下工作。这决定了后续所有回复的语言风格和知识焦点。

你是一个专注于 Python 数据清洗与自动化处理的 AI 助手。
你的用户是刚接触 Pandas 和 NumPy 的初级数据分析师。

这样做的好处是：Claude 会主动控制术语的深度，不会默认用专家级语音解释概念，也不会脱离数据分析的语境。角色越具体，回复越精准。

第二步：写出行为规则（要做什么、不做什么）

这是 claude.md 的核心部分。规则要写得具体、可执行。避免模糊要求如“请提供高质量回答”，换成可以直接检查的规则——比如“每次提供代码示例后，必须附上一句解释”。

推荐格式：使用无序列表，每条规则以动词开头。

- 回答时优先使用 pandas 和 numpy 的标准函数名。
- 每次给出代码示例后，必须附上一句解释说明这段代码在做什么。
- 如果用户提出的问题有更安全或更高效的替代方案，先给出原方案，再指出替代方案及其理由。
- 当用户数据包含隐私信息（如身份证号）时，主动提醒匿名化处理。
- 不要一次性给出超过 20 行的完整脚本；优先用 3-8 行的小片段逐步构建。

注意第二条：必须附上一句解释 是一个可检验的规则。你可以在后续对话中直观判断 Claude 是否遵守——如果它给了代码却没加说明，你就知道需要调整规则表达。

第三步：提供参考示例与输出格式

Claude 基于示例学习和格式模仿，这是 claude.md 最有威力的部分。给出一到两组完整的“用户提问 → 期望回复”示例，Claude 会按这个模式输出。

示例对话模式：

用户：这段数据里 date 列有缺失值，怎么处理？
助手：
1. 先用 df['date'].isna().sum() 检查缺失数量。
2. 如果缺失比例低于 5%，可以用前向填充（ffill）。
   df['date'].ffill(inplace=True)
3. 如果比例较高或数据有时间顺序，优先用插值法。
   df['date'].interpolate(method='time', inplace=True)
4. 完成后用 df.info() 确认缺失已填补。

解释：这里先检查再处理，是因为不同的缺失率与数据特性需要不同策略。前向填充适合短时间内波动不大的数据，插值法适合有明确时间间隔的序列。

示例中的“解释”行与规则第二条呼应，形成了自我强化的反馈闭环——Claude 从示例中学会了输出模式，规则又从书面层面进行了约束。

第四步：设定知识边界与信息来源偏好

明确告诉 Claude 它可以依赖什么、不依赖什么，以及在不确定时该怎么做。这一步直接关系到输出结果的可靠性。

- 所有代码示例以 pandas 2.0 及以上版本的 API 为准。
- 涉及外部库安装或环境配置时，默认用户使用 Python 3.10+。
- 不确定当前版本中某个函数是否废弃时，先标注"请参考官方文档确认"再给出建议。
- 不要编造错误码或假定的库版本信息；如果不确定，直接说"这取决于具体版本，可以从官方文档查到入口"。

这条在真实场景中非常有用——因为 Claude 在某些边缘问题上可能产生错误。提前让它知道“不知道时不要说谎”，比事后修正更可靠。设定好知识边界，你收到的回复会更有参考价值。

第五步：补充边界条件与免责说明（可选但推荐）

- 如果用户的输入包含直接可执行的脚本产生的敏感输出，提醒注意数据安全。
- 对涉及法律、金融、医疗建议的问题，先声明"此建议仅供参考，需由专业人员复核"再给出技术方案。

这一步让 claude.md 不止是效率工具，也成为安全护栏。尤其当你用 Claude 处理涉及风险的任务时，这些保护性规则是必要的。

检查项

写完 claude.md 后，拿着下面的清单逐条检查。每一条都有判断标准，不是模糊的建议。

  1. 角色定义：前 3 行内是否明确了“谁 + 场景”？
  2. 可检验的规则：每条规则是否能用“Claude 有没有做到”来检查？
  3. 至少一个完整示例：是否包含一个问答对的示范及其解释？
  4. 边界说明：是否明确指出了不确定时该怎么处理？
  5. 版本或环境标记：是否注明了代码/知识适用的版本范围？

如果以上任一缺失，建议补上再发布。这 5 项是 claude.md 有效的核心保障。

故障排查

  • Claude 不遵循规则：检查规则是否过于模糊（如“请保持专业性”）。改为“回答时直接引用 pandas 官方文档中的例子”这类具体指令。
  • 示例格式没被模仿：确认示例中包含了“用户提的内容”和“期望的回复格式”两部分。只给回复不给提问，Claude 学不到完整的回应模式。
  • 规则生效但效果不对：你可能给了一条规则与另一条产生冲突。比如“尽量详细”和“不要超过 20 行”可能同时被触发。删掉冲突的规则，或者用“优先”字眼排定优先级。
  • 同一个 claude.md 在不同工具中表现不一致：检查该工具是否支持读取项目根目录中的 claude.md。有的工具只识别配置面板中的系统指令字段。这是工具差异，不是文件本身的问题。

常见问题

问：claude.md 可以用在哪些平台？

答： 原生 Anthropic API（通过 system 参数）、Claude Desktop App 的项目设置、以及 TypingMind、ChatWise 等支持自定义 system prompt 的第三方客户端都原生支持。部分网页版聊天界面可能不支持加载这一文件，可改为在每次对话开始时手动粘贴。

问：一个 claude.md 文件能控制多种任务吗？

答： 可以，但建议每个项目或每个用途单独维护一份。如果你发现文件超过 60 行且规则有重叠甚至冲突的倾向，考虑拆成针对不同任务的独立版本。一个通用原则是：文件越小，Claude 越容易完整理解和执行。

问：如何知道 Claude 是否正在读取我的 claude.md？

答： 你可以主动测试——在文件中写一条规则“当你读取到本文件后，第一句话回复‘配置文件已加载’”。然后在新对话中提问，看 Claude 是否依此回复。这是一个简单有效的健康检查方式。

问：claude.md 和普通 system prompt 有什么区别？

答： 核心区别在于结构和复用性。claude.md 是一种约定俗成的文件名，用 Markdown 写结构化指令，便于版本控制、团队共享和按场景切换。而普通的 system prompt 往往是粘贴在设置栏的纯文本。前者更适合项目中长期使用的配置，后者适合快速实验。

下一步

  • 先写一个最小可用版本（角色 + 3-5 条规则 + 1 组示例），运行一个真实场景测试是否能达成预期行为。
  • 逐步增加规则，但保持总行数在 40 行以内，避免 Claude 在长上下文中遗漏部分规则。
  • 每当你发现 Claude 在某种情况下表现不如预期，先在 claude.md 中加一条能覆盖该场景的规则，然后重复测试。

更多关于提示词设计的基础思路，可参考提示词基础。如果你的项目涉及多条系统指令的组合调度，建议进一步阅读[Claude 提示词工程完全指南](ilink:Claude 提示词工程完全指南)中的“系统指令设计”部分。