必须放参考样例的三种情况：复用已验证异常处理逻辑、字段命名/参数顺序需与旧服务严格对齐、涉及非标准数据转换规则；可不放的两种情形：任务有强共识性规范、明确接受claude自主选择实现路径。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在Claude写脚本的提示词中，是否放入参考样例取决于你对输出结构、风格或逻辑确定性的要求——如果脚本需严格匹配已有项目规范、团队命名习惯或特定错误处理模式，不放样例大概率会产出格式正确但语义错位的代码。
必须放参考样例的三种情况
方法一：脚本要复用某段已验证的异常处理逻辑
直接粘贴那段带try-except-logging的5行Python代码，再写“请为新模块【数据清洗】生成相同风格的错误捕获块”。Claude若只靠文字描述“按生产环境标准处理异常”，可能漏掉exc_info=True或误用warnings.warn。
方法二：字段命名/参数顺序必须与旧服务对齐
例如已有API返回{"user_id": "U123", "status_code": 200, "updated_at": "2026-05-29T14:22:01Z"}，新脚本输出JSON时若仅说“保持一致命名”，Claude可能把status_code写成http_status或颠倒字段顺序。这时样例就是不可替代的锚点。
方法三：涉及非标准数据转换规则
比如“将字符串'2026/05/30_14:22:01'转为datetime对象，但年份前缀固定为'20'，且忽略下划线后的时间戳”——这种定制逻辑用自然语言描述极易歧义，而一段含注释的样例代码（如dt = datetime.strptime(s.split('_')[0].replace('/', '-'), '%Y-%m-%d')）能让Claude瞬间锁定关键操作。
可不放参考样例的两种情形
第一步：任务本身有强共识性规范
例如“用Python写一个读取CSV并统计空值数量的脚本”，Pandas生态中df.isnull().sum()是事实标准，无需样例也能稳定输出。
第二步：你明确接受Claude自主选择实现路径
比如只要求“生成Shell脚本自动备份/home/user目录到/mnt/backup，每日一次”，不指定rsync参数、日志路径或失败重试机制时，放样例反而会限制其调用systemd timer等更优方案。
放样例时的关键避坑点
样例必须真实运行过，不能是伪代码或半成品。Claude会基于样例推断隐含约束，比如样例中用了pathlib.Path而非os.path，它就会默认禁用所有os系函数；样例里没写类型提示，它后续也不会加-> None这类标注。【样例一旦写入，Claude即视其为黄金标准，不会主动偏离】
