同一个模型，同一套任务，从全部失败到全部通过，中间只差提示词和工作流。 这不是段子，是Anthropic两周前官方讲座《The Prompting Playbook》的实测结果。 一、小模型也能逆袭 Anthropic用Sonnet 4.6做了一组零售排班测试。 第一轮，最基础的提示词，推理能力明显不够，测试几乎全挂。 中间几轮不断优化提示词，部分开始通过，但token上限带来新问题。 第五轮，搭了一个"生成、评价、修复"的循环，所有测试