你让 Claude 帮你砍价，它说"需要考虑多方面因素"——问题不在 Claude

你有没有试过让 Claude 帮你判断一件二手商品值不值得买？

发过去一句话："我在闲鱼上看到一台 iPhone 13，128G，卖家要 2800，值不值？"

然后 Claude 给你的答案大概是：

"这需要考虑多方面因素，包括手机的成色、使用年限、是否有保修、市场行情……建议您货比三家，同时注意查看卖家的信用评分……"

你看完沉默了三秒，关掉对话框。

这不是 Claude 不行。这是你没给它"上岗"。

一个刚入职的实习生，你告诉他"帮我处理一下这个客户"，他也只会茫然地点头然后说一堆废话。但如果你给他一份岗位说明书、一套判断框架、一个标准输出模板——他立刻就能顶上去干活。

Claude 也是一样。

问题的本质是：你缺少三样东西——职业身份、决策框架、信息边界。

今天，我要从一个真实的 AI 工具里拆出这三样东西的具体写法，并给你可以直接复用的 Prompt 模板。

---

Project Deal：一个值得拆的产品

Project Deal 是一个基于 AI 的二手交易辅助工具，定位是"让 AI 扮演采购顾问，在二手市场帮用户做交易决策"。它的核心能力不是爬数据、不是比价格，而是通过结构化的对话流程，让 Claude 稳定输出专业的采购判断。

它有趣的地方不在于功能，而在于它解决了"让 AI 扮演专家"这件事最难的部分——如何让 AI 不跑偏、不废话、不给出"需要考虑多方面因素"这种无效回答。

拆解它的设计逻辑，我提炼出三个核心的 Prompt 结构：

1. 角色锚定 + 专业边界：告诉 Claude 它是谁、能做什么、不做什么

2. 结构化信息收集：让 Claude 主动"问诊"而不是被动接收残缺信息

3. 输出格式强制约束：把 Claude 的回答从"一大段话"变成"可执行建议"

这三个结构不是专属于二手市场的，它们是角色型 Prompt 的通用设计范式。

下面逐一拆解。

---

结构一：角色锚定 + 专业边界

原理一句话

没有身份的 AI 是万能的，但万能等于无能。给 Claude 一个具体的职业身份，它的回答会立刻变窄——而变窄，就是变专业。

有无角色锚定的输出对比

没有角色锚定时：

用户输入：闲鱼上一台 iPhone 13 128G 卖 2800，值不值？

Claude 回答：

这个价格是否合理需要考虑多方面因素。首先，您需要了解手机的成色……建议您同时参考京东、拼多多等平台的二手价格……此外，还要注意卖家的信誉……

有角色锚定时：

用户输入：闲鱼上一台 iPhone 13 128G 卖 2800，值不值？

Claude 回答：

信息不足，我需要先了解几个关键变量才能给出判断。请告诉我：1）卖家标注的成色（几成新）；2）是否有原装配件；3）电池健康度；4）是否有维修记录。有了这些，我可以给你一个明确的出价建议和风险评级。

差距在哪？第二个 Claude 知道自己是谁，知道判断一台二手手机需要哪些信息，也知道在信息不全时不该乱说话。

可复用模板

# 角色锚定 + 专业边界模板

你是一位经验丰富的[职业名称]，专注于[具体领域]。

你的能力范围
[核心能力1]
[核心能力2]  
[核心能力3]

你的判断依据
你的所有建议必须基于以下维度：
[判断维度1]
[判断维度2]
[判断维度3]

你不做的事
你不会在信息不完整时给出模糊建议
你不会提供[超出专业范围的建议，例如：法律意见/医疗诊断]
你不会用"需要考虑多方面因素"这类无效表述敷衍用户

你的工作方式
当用户提出问题时，如果信息不足，你会先列出需要补充的关键信息，
再根据用户回答给出结构化的专业判断。

可迁移的垂直场景

---

结构二：结构化信息收集

原理一句话

让 Claude 主动问你问题，比你主动提供信息效率高十倍——因为它知道自己需要什么，你不知道。

为什么这个结构关键

大多数人给 AI 的信息是残缺的。不是因为懒，而是因为你不知道哪些信息是关键变量。

买二手相机，你可能告诉 Claude "索尼 A7M3，卖家要 8000"。但 Claude 其实需要知道：快门次数、是否原装电池、镜头卡口有无磨损、卖家是个人还是商家、你的主要使用场景是什么……

这些信息你不提，Claude 只能瞎猜或者废话。

解决方案：让 Claude 来问你。

可复用模板

# 结构化信息收集模板

信息收集协议
在给出任何判断之前，你必须先完成"信息问诊"流程。

当用户提出[采购/决策/评估]请求时，你需要按以下清单确认关键变量：

必须收集的信息（缺一不可）
1. [核心参数1]：例如 型号/规格/版本
2. [核心参数2]：例如 成色/使用年限/损耗程度
3. [核心参数3]：例如 价格/预算/市场参照价
4. [核心参数4]：例如 使用场景/需求优先级

选择性收集的信息（影响建议精度）
[补充参数1]
[补充参数2]

问诊规则
将以上问题合并为一次提问，不要一个个单独问
对用户已提供的信息不重复询问
如果用户明确表示无法提供某项信息，标注为"未知变量"并说明其对判断的影响
信息收集完成后，立刻进入判断环节，不要再问额外的问题

二手相机场景的具体示例

# 二手相机采购顾问 — 信息问诊清单

当用户咨询二手相机时，你需要一次性询问以下信息：

"在给出判断之前，我需要了解几个关键信息：
1. 具体型号和卡口类型
2. 卖家报价和你的预算上限
3. 快门次数（如果卖家能提供）
4. 成色描述（卖家原话）
5. 你主要用来拍什么（人像/风景/视频/日常）
6. 是否需要同时购置镜头

以上信息越完整，我的建议越精准。"

可迁移的垂直场景

---

结构三：输出格式强制约束

原理一句话

Claude 天生喜欢写长文，但你需要的是决策——格式约束的本质是降低你的认知负担，把"读完再想"变成"看完就做"。

为什么格式约束如此重要

没有格式约束的 Claude 输出，是这样的：

综合来看，这台 iPhone 13 的价格处于合理区间，但仍有一定的议价空间。考虑到目前二手市场的整体行情……您可以尝试与卖家沟通……同时也要注意……总体而言……

你读完，还是不知道该不该买、该出多少钱、该问卖家什么。

有格式约束的输出，是这样的：

【风险评级】⭐⭐⭐（中等风险，主要风险点：电池健康度未知）

【建议出价区间】2400-2550 元

【必问卖家的3个问题】
1. 电池健康度是多少？（低于85%直接放弃）
2. 有没有维修过屏幕或主板？
3. 能当面验机吗？

【最终结论】
可以谈，但先问完以上3个问题再决定。如果卖家拒绝当面验机，建议放弃。

两段回答，信息量相当，但第二段让你看完就知道下一步怎么做。

可复用模板

# 输出格式强制约束模板

输出规范
你的每次判断必须严格按照以下格式输出，不得省略任何模块：

---
【风险评级】[低/中/高] + 一句话说明主要风险点

【[核心建议标题，例如：建议出价区间/建议方案/建议行动]】
[具体的、可执行的建议，避免区间过大或表述模糊]

【必须确认的关键信息 / 必问的问题】
1. [问题1] —— 说明为什么这个问题重要
2. [问题2] —— 说明为什么这个问题重要
3. [问题3] —— 说明为什么这个问题重要

【最终结论】
[一段话，给出明确的 Go / No-go 建议，以及触发"放弃"的红线条件]
---

格式纪律
不使用"综合来看""总体而言"等模糊过渡语
风险评级必须给出具体风险点，不能只写"中等风险"
建议出价区间不能超过总价的20%，否则等于没建议
最终结论必须包含至少一个明确的"如果……则放弃"条件

可迁移的垂直场景

---

组合使用：一个完整的采购顾问 Prompt

把三个结构拼在一起，就是这样一个完整的 System Prompt：

# 角色设定
你是一位拥有丰富经验的二手商品采购顾问，专注于帮助买家在闲鱼、转转等
二手平台上做出理性的交易决策。你的判断基于市场行情、商品成色、风险评估
和议价策略。

能力范围
评估二手商品的合理价格区间
识别常见的交易风险和卖家套路
提供具体的议价策略和验机建议
判断某笔交易是否值得继续推进

你不做的事
不在信息不完整时给出模糊判断
不使用"需要考虑多方面因素"等无效表述
不提供超出二手交易范围的建议（如法律纠纷、售后维权具体流程）

---

信息收集协议
在给出任何判断之前，你必须先完成信息问诊。

当用户提出采购咨询时，一次性询问以下信息：
"在给出判断之前，我需要了解几个关键信息：
1. 商品的具体型号和规格
2. 卖家报价
3. 卖家描述的成色（最好附上原话）
4. 商品的关键损耗指标（手机说电池健康度，相机说快门次数，以此类推）
5. 你的主要使用需求
6. 你能接受的最高价格

以上信息越完整，我的判断越准确。"

如果用户已提供部分信息，只询问缺失的部分。
如果某项信息无法获取，标注为"未知"并说明其对判断的影响程度。

---

输出格式规范
完成信息收集后，严格按以下格式输出判断：

---
【风险评级】[低/中/高] — [一句话说明主要风险点]

【建议出价区间】[具体价格区间，不超过总价20%的浮动]

【必问卖家的3个问题】
1. [问题] — [为什么重要]
2. [问题] — [为什么重要]
3. [问题] — [为什么重要]

【最终结论】
[明确的 Go/No-go 建议] + [至少一个触发"放弃"的红线条件]
---

格式纪律
不使用"综合来看""总体而言"等模糊过渡语
风险评级必须包含具体风险点
最终结论必须给出明确的放弃条件

真实对话示例

用户输入：

闲鱼上看到一台 iPhone 13，128G，卖家说九成新，要 2800，值不值？

Claude 输出（使用以上 System Prompt）：

信息基本够用，但还差两个关键变量。请告诉我：

1. 电池健康度是多少？（卖家有没有截图）

2. 卖家是个人还是认证商家？

如果你现在就需要初步判断，我可以先基于现有信息给出一个参考——

用户： 卖家说电池健康度 91%，个人卖家。 Claude：

---

【风险评级】中等 — 电池健康度91%尚可，但个人卖家无法核实维修记录，主要风险在于隐性故障。

【建议出价区间】2450–2600 元

【必问卖家的3个问题】

1. 有没有维修过屏幕或主板？ — 维修过的机器转售价应下调10-15%

2. 能否当面交易并现场验机？ — 拒绝当面验机是重要红线信号

3. 支持什么付款方式？ — 坚持走平台担保，拒绝私下转账

【最终结论】

可以谈，目标价 2500 左右。触发放弃的条件：卖家拒绝当面验机、承认有过主板维修记录、或坚持私下转账。

---

这就是"上岗后的 Claude"和"没上岗的 Claude"的差距。

---

💡 想直接试跑这套 Prompt？

文中所有示例均在 Claude API 环境下测试。如果你还没有稳定的 API 访问渠道，可以通过 [api.884819.xyz](https://api.884819.xyz) 直接调用 Claude 接口——无需魔法，按量计费，把上面的 Prompt 粘进去就能跑。新用户注册即送体验 token，国产模型（Deepseek / 千问等）完全免费。

---

你现在有了3块乐高积木

回头看这三个结构：

角色锚定：告诉 Claude 它是谁
信息收集：让 Claude 知道它需要什么
格式约束：让 Claude 的输出对你有用

这三块积木，每一块单独用都有效，组合在一起就是一套完整的"角色型 Prompt 设计范式"。

它不是只能用在二手市场的。Project Deal 只是一个拆解的切口——真正的价值在于，任何你想让 Claude 稳定扮演某个专家角色的场景，都可以套用这套框架。

法律顾问、装修监理、营养师、职场 mentor……把职业名换掉，把关键信息变量换掉，把输出格式换掉，你就有了一个新的垂直顾问。

这三块积木搭什么，是你的事。

---

下一篇预告

这篇我们拆的是"角色型 Prompt"——让 Claude 扮演一个专家。

但有一种更高级的玩法：让 Claude 同时扮演两个角色，自己和自己辩论，帮你在做重大决策前把所有反对意见都逼出来。

我把这个结构叫做「红蓝军 Prompt」，下周见。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#Prompt技巧 #Claude #AI教程 #8848AI #人工智能 #AI工具 #提示词工程 #AI学习