Loading...
    • 開發者指南
    • API 參考
    • MCP
    • 資源
    • 發行說明
    Search...
    ⌘K
    入門
    Claude 簡介快速開始
    模型與定價
    模型概覽選擇模型Claude 4.6 新功能遷移指南模型棄用定價
    使用 Claude 構建
    功能概覽使用 Messages API處理停止原因提示詞最佳實踐
    上下文管理
    上下文視窗壓縮上下文編輯
    功能
    提示詞快取延伸思考自適應思考思考力度串流訊息批次處理引用多語言支援Token 計數嵌入視覺PDF 支援Files API搜尋結果結構化輸出
    工具
    概覽如何實作工具使用細粒度工具串流Bash 工具程式碼執行工具程式化工具呼叫電腦使用工具文字編輯器工具網頁擷取工具網頁搜尋工具記憶工具工具搜尋工具
    Agent Skills
    概覽快速開始最佳實踐企業級 Skills透過 API 使用 Skills
    Agent SDK
    概覽快速開始TypeScript SDKTypeScript V2(預覽版)Python SDK遷移指南
    API 中的 MCP
    MCP 連接器遠端 MCP 伺服器
    第三方平台上的 Claude
    Amazon BedrockMicrosoft FoundryVertex AI
    提示詞工程
    概覽提示詞產生器使用提示詞範本提示詞改進器清晰直接使用範例(多範例提示)讓 Claude 思考(CoT)使用 XML 標籤賦予 Claude 角色(系統提示詞)串聯複雜提示詞長上下文技巧延伸思考技巧
    測試與評估
    定義成功標準開發測試案例使用評估工具降低延遲
    強化防護機制
    減少幻覺提高輸出一致性防範越獄攻擊串流拒絕減少提示詞洩漏讓 Claude 保持角色
    管理與監控
    Admin API 概覽資料駐留工作區用量與成本 APIClaude Code Analytics API零資料保留
    Console
    Log in
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...

    Solutions

    • AI agents
    • Code modernization
    • Coding
    • Customer support
    • Education
    • Financial services
    • Government
    • Life sciences

    Partners

    • Amazon Bedrock
    • Google Cloud's Vertex AI

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Company

    • Anthropic
    • Careers
    • Economic Futures
    • Research
    • News
    • Responsible Scaling Policy
    • Security and compliance
    • Transparency

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Help and security

    • Availability
    • Status
    • Support
    • Discord

    Terms and policies

    • Privacy policy
    • Responsible disclosure policy
    • Terms of service: Commercial
    • Terms of service: Consumer
    • Usage policy
    強化防護機制

    減少提示詞洩漏

    提示詞洩漏可能會暴露您期望在提示詞中「隱藏」的敏感資訊。雖然沒有任何方法是萬無一失的,但以下策略可以顯著降低風險。

    在嘗試減少提示詞洩漏之前

    我們建議僅在絕對必要時才使用防洩漏的提示詞工程策略。嘗試防止提示詞洩漏可能會增加複雜性,由於增加了 LLM 整體任務的複雜度,可能會降低任務其他部分的效能。

    如果您決定實施防洩漏技術,請務必徹底測試您的提示詞,以確保增加的複雜性不會對模型的效能或其輸出品質產生負面影響。

    請先嘗試監控技術,例如輸出篩選和後處理,以嘗試捕捉提示詞洩漏的實例。

    減少提示詞洩漏的策略

    • 將上下文與查詢分離: 您可以嘗試使用系統提示詞來將關鍵資訊和上下文與使用者查詢隔離。您可以在 User 回合中強調關鍵指令,然後透過預填 Assistant 回合來重新強調這些指令。(注意:預填功能已棄用,且在 Claude Opus 4.6 和 Sonnet 4.5 上不受支援。)

    • 使用後處理:過濾 Claude 的輸出中可能表示洩漏的關鍵字。技術包括使用正規表達式、關鍵字過濾或其他文字處理方法。
      您也可以使用經過提示的 LLM 來過濾輸出,以捕捉更細微的洩漏。
    • 避免不必要的專有細節:如果 Claude 不需要這些資訊來執行任務,就不要包含它。額外的內容會分散 Claude 對「不洩漏」指令的注意力。
    • 定期審查:定期檢視您的提示詞和 Claude 的輸出,以發現潛在的洩漏。

    請記住,目標不僅僅是防止洩漏,還要維持 Claude 的效能。過於複雜的防洩漏措施可能會降低結果品質。關鍵在於取得平衡。

    Was this page helpful?