Clawdbot与Clawdbot3需按三层机制设计Prompt：一、三段式明示结构（System/User/空Assistant）；二、JSON数组封装；三、CLI参数硬编码绑定；四、Clawdbot专属Artifacts激活法。
☞☞☞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☜☜☜
如果您在使用 Clawdbot 或 Clawdbot 3 时发现响应偏离预期、格式混乱或出现幻觉，很可能是 Prompt 指令结构未覆盖其三层执行机制。Clawdbot 采用 SYSTEM-AGENT-USER 分层架构，而 Clawdbot 3（尤其是 Sonnet/Opus）对 system 指令的解析极为敏感，仅靠 user 层输入无法稳定激活目标能力。以下是经实测验证的最优指令结构方案：
一、三段式明示结构法
该方法强制模型识别身份、约束行为、聚焦任务，适用于 Web UI、Telegram、CLI 等所有交互入口，避免 SYSTEM 层静默覆盖导致的语义漂移。
1、在输入框首行明确标注 System: 后接角色与边界定义，例如：“System: 你是一位专注生成可执行 Shell 脚本的 Linux 自动化专家，输出严格为纯命令行，不带任何解释、注释或 Markdown 格式”；
2、第二行标注 User: 后写具体任务，例如：“User: 列出 /var/log 下所有大于 10MB 的 .log 文件路径，按大小降序，只显示完整路径”；
3、第三行不填写 Assistant，由模型自动补全，禁止手动预填响应示例，否则将干扰 token 对齐与推理链稳定性。
二、JSON 消息数组封装法
此结构直接映射 LLM 底层推理协议，绕过前端解析歧义，在 CLI 或 TUI 模式下成功率提升至 92% 以上，特别适配需要高确定性的自动化脚本生成场景。
1、构造严格顺序的 JSON 数组，字段必须为 system、user、assistant 且不可调换；
2、system 字段值设为 "你严格输出一行可被 bash 直接执行的命令，不加引号、不换行、不解释"；
3、user 字段值设为 "查找当前目录下所有包含 'error' 且修改时间在 24 小时内的 .txt 文件，输出其绝对路径"；
4、assistant 字段留空或填入前次正确响应（如 find $(pwd) -name '*.txt' -mmin -1440 -exec grep -l 'error' {} \;），但仅限调试阶段使用。
三、参数硬编码+指令绑定法
通过 CLI 显式固定采样参数并注入 system 指令，可彻底压制随机性，确保相同输入恒定输出，适用于定时任务、审计回溯与 A/B 测试等强一致性要求场景。
1、在终端执行命令时附加 --temperature 0.15 --top-p 0.4 参数；
2、同时使用 --system 参数传入指令字符串，例如：--system "你是一个 JSON Schema 验证器，仅输出符合 RFC 8259 的布尔值 true 或 false，无其他字符"；
3、随后输入 user 内容，如 “验证 {\"name\":\"Alice\",\"age\":30} 是否符合 {\"type\":\"object\",\"properties\":{\"name\":{\"type\":\"string\"},\"age\":{\"type\":\"integer\"}}}”；
4、确认输出为 true 且无任何额外空格、换行或标点。
四、Clawdbot 3 专属 Artifacts 激活法
Clawdbot 3.5 Sonnet 及以上版本原生支持 Artifacts 功能，该结构能触发模型自动生成结构化输出块（如代码块、表格、JSON），无需后处理即可直接集成进下游系统。
1、system 指令中必须显式启用 Artifacts，例如："你必须使用 Artifacts 输出结果：当要求生成代码时，用 ```python ... ``` 包裹；当要求返回键值对时，用 ```json {...} ``` 包裹"；
2、user 指令需明确调用 Artifacts，例如："请用 Artifacts 生成一个 Python 函数，接收列表并返回去重后按长度排序的字符串"；
3、检查响应是否含完整代码块标签，且内部无解释性文字；
4、若未触发 Artifacts，立即追加指令："请严格遵守 Artifacts 规则，不要输出任何非代码内容"。
