100%由AI生成的保险理赔表单，错误率接近零。
如果你还在用自然语言随便跟Claude聊天，期待它输出结构化数据，你可能正在用拖拉机的方式开飞机。Anthropic应用AI团队的Hana和Christian James在官方演示中展示的方法，不是教你怎么说话更礼貌，而是如何重新定义AI的工作边界。
这是一个关于「把Claude关进表格里」的故事。
Hana是Anthropic应用AI团队的成员，她的日常工作是帮企业客户解决真实场景中的提示词问题。不是写给开发者看的教程，而是那种「明天就要上线，出错会被客户投诉」的实战案例。Christian James是她的同事，负责最佳实践的技术验证。
他们最近接手的项目是一个瑞典保险公司的车险理赔系统。客户需求听起来很简单：用户上传事故照片和手写描述，Claude自动填写一份包含28个字段的瑞典语理赔表单。表单左侧是文字字段（事故地点、时间、责任方），右侧是事故示意图，需要标注车辆位置、碰撞角度和道路标识。
「我当时看到那份表单，第一反应是『这不可能』，」Hana在演示视频里说，「因为表单里有些字段是互斥的，比如你不能同时勾选『单方事故』和『多方责任』。Claude怎么知道这些规则？」
问题出在下一步。
他们最初的做法是用户思维：给Claude一段自然语言指令，「你是一个保险理赔助手，请根据用户提供的信息填写表单」。然后把28个字段的说明文档复制粘贴进系统提示词。测试了三次，Claude每次都会在某个地方犯错——要么漏填必填项，要么在互斥选项里同时打勾，要么把事故示意图的车辆位置标反。
Christian注意到一个细节：Claude在分析完照片后，会输出一段冗长的推理过程，「根据图片中的划痕角度判断，这可能是一起侧面碰撞...」，然后才开始填表。但推理过程里经常出现「不确定」「可能」这样的词，这些不确定性最终会传导到表单字段上。
他们意识到问题不在于Claude的理解能力，而在于提示词的结构。自然语言指令给了Claude太多「发挥空间」，但表单填写这件事，恰恰需要的是零发挥空间。
这是一个关于「限制」的故事。限制越多，输出越准确。
第一步：用XML标签重构表单结构
Christian做的第一件事，是把28个字段的说明文档扔掉，改用XML标签重新定义表单。
他在系统提示词里写了这样一段：
<form_structure>
<section name="基本信息">
<field name="事故日期" type="date" required="true"/>
<field name="事故地点" type="text" required="true"/>
<field name="天气状况" type="select" options="晴天,雨天,雪天,雾天"/>
</section>
<section name="责任判定">
<field name="责任类型" type="radio" options="单方责任,多方责任,责任待定" mutually_exclusive="true"/>
</section>
</form_structure>
这个XML结构里藏了三个关键信息：字段类型（date/text/select/radio）、是否必填（required）、是否互斥（mutually_exclusive）。这些元数据在自然语言指令里很难精确传达，但用XML标签，Claude一眼就能识别出「这个字段只能单选」「这两个字段不能同时填」。
更关键的是，他在系统提示词末尾加了一段约束指令：
「你必须按照<form_structure>中定义的字段类型和约束条件填写表单。如果某个字段标记为required="true"，你不能留空。如果某个字段标记为mutually_exclusive="true"，你只能选择一个选项。如果用户提供的信息不足以填写某个必填字段，你必须在该字段标注『信息不足』，而不是猜测或留空。」
这段话的作用是把Claude从「聊天助手」模式切换到「表单审核员」模式。它不再需要礼貌地回应用户，而是严格按照表单规则执行。
测试结果立刻改善了。Claude在填写表单时不再输出推理过程，而是直接按照XML结构输出JSON格式的表单数据。错误率从之前的「每次都有问题」降到了「偶尔漏填一个非必填字段」。
但这还不够。
第二步：把事故示意图变成坐标系
表单右侧的事故示意图是最难处理的部分。用户上传的手绘草图千奇百怪——有人画得像建筑设计图，有人画得像小学生涂鸦。Claude需要识别图中的车辆位置、道路标识和碰撞点，然后在标准化的示意图模板上标注出来。
Christian的解决方案是：不让Claude理解图片，而是让它输出坐标。
他在系统提示词里定义了一个200x200像素的标准示意图模板，把道路、车道线、停车位都预先画好。然后给Claude一个任务：「根据用户上传的草图，输出车辆A的中心坐标（x, y）、车辆B的中心坐标（x, y）、碰撞点坐标（x, y）。坐标范围是0-200。」
他还给Claude提供了一个参考示例：「如果车辆A在道路左侧车道中央，坐标约为（50, 100）。如果车辆B在道路右侧车道中央，坐标约为（150, 100）。如果两车在道路中央碰撞，碰撞点坐标约为（100, 100）。」
这个方法的妙处在于，它把「理解复杂图片」这个难题，转化成了「输出三组数字」这个简单任务。Claude不需要判断「这是不是一起侧面碰撞」，它只需要识别图片中哪个位置有车，然后输出坐标。
Hana在演示中展示了一个测试案例：用户上传的草图里，车辆A画得像一个矩形，车辆B画得像一个圆圈，碰撞点用一个大红叉标注。Claude输出的坐标是（45, 98）、（155, 102）、（100, 100）——几乎完美匹配了标准示意图的预期位置。
第三步：用Few-Shot样本消除幻觉
即使用了XML标签和坐标系统，Claude偶尔还是会犯一个错误：在信息不足的情况下，自己编造一个「合理」的答案填进表单。比如用户只说了「我在停车场倒车时撞到了柱子」，没有提到具体时间，Claude可能会填上「下午2点」——因为它从统计规律中学到，停车场事故多发生在下午。
Christian的解决方案是：在系统提示词里插入三个Few-Shot样本，明确告诉Claude什么情况下应该标注「信息不足」。
第一个样本是完整信息的案例：用户提供了日期、时间、地点、天气、责任方，Claude完整填写了所有字段。
第二个样本是部分信息缺失的案例：用户只说了「昨天」，没有提到具体日期，Claude在日期字段填写「昨天（具体日期信息不足）」。
第三个样本是信息冲突的案例：用户说「我没有责任」，但照片显示用户的车压线了，Claude在责任类型字段填写「用户主张无责，但照片显示可能存在违章行为，建议人工复核」。
这三个样本的作用是给Claude设定一个「诚实」的基准线。它不再需要「帮用户补全信息」，而是如实反映信息的完整度和可信度。
测试了50个真实案例后，错误率降到了3%，且这3%的错误都发生在「用户提供的信息自相矛盾」的情况下——这种情况本来就需要人工介入。
第四步：把Claude的输出变成API的输入
最后一步是工程化改造。保险公司的理赔系统不需要Claude输出一段人类可读的文字，而是需要一个可以直接写入数据库的JSON对象。
Christian在系统提示词末尾加了一段输出格式约束：
「你的输出必须严格遵循以下JSON格式，不要添加任何额外的解释或注释：
{
"基本信息": {
"事故日期": "YYYY-MM-DD或信息不足",
"事故地点": "具体地址或信息不足",
"天气状况": "晴天/雨天/雪天/雾天或信息不足"
},
"责任判定": {
"责任类型": "单方责任/多方责任/责任待定或信息不足"
},
"事故示意图": {
"车辆A坐标": [x, y],
"车辆B坐标": [x, y],
"碰撞点坐标": [x, y]
}
}
如果你无法按照此格式输出，返回错误信息：『表单填写失败，原因：[具体原因]』」
这段约束的作用是消除Claude输出中的「不确定性」。以前Claude可能会输出「根据用户描述，事故日期可能是2024年1月15日」，现在它只会输出「2024-01-15」或「信息不足」。这种确定性让后端工程师可以直接解析JSON，无需再写一堆正则表达式去清洗Claude的输出。
他错了。
这不是一个「让Claude更聪明」的故事，而是一个「让Claude更笨」的故事。笨到它只能按照规则行事，笨到它不会自作聪明地补全信息，笨到它的输出可以直接写入生产数据库。
想想你上次用电钻在墙上打洞——你不是在买电钻，你是在买墙上的那个洞。提示词工程也是一样。自然语言指令是电钻，XML标签和Few-Shot样本是那个洞。大多数人花时间打磨电钻（优化措辞、调整语气），但真正需要的是重新定义那个洞的形状（输出格式、约束条件、边界规则）。
Anthropic团队的方法论背后，是一种反直觉的控制哲学：给AI越多限制，它越接近可靠。这听起来像是在削弱AI的能力，但实际上是在把AI从「偶尔表现惊艳的助手」变成「每次都能达到80分的工具」。那个从80分到100分的跃升，需要的不是更大的模型，而是更精确的约束。
但这套方法也有明显的局限性。它只适用于结构化输出任务——表单填写、数据提取、代码生成。如果你需要的是创意写作、开放式对话或复杂推理，XML标签和Few-Shot样本反而会变成枷锁。Christian在演示结尾特别强调了这一点：「如果你的任务目标是『让Claude写一篇有趣的博客』，千万不要用我们今天展示的方法。这套方法的前提是，你已经明确知道输出应该长什么样。」
Hana在大阪的一家拉面店里吃饭时，无意中瞥见厨师在墙上贴的一张手写便签：「煮面3分钟，不多也不少。」她突然意识到，这就是他们正在做的事——给Claude贴便签。