本文记录与 Claude Code 对话过程中使用的所有提示词,按顺序排列,供后续复用或参考。
CUPED(控制实验中使用预实验数据,Controlled-Experiment Using Pre-Experiment Data)
是一种在 A/B 测试中用于减少数据方差、提高实验敏感度(Statistical Power)的技术。
它通过利用实验前的历史数据来"修正"或"平滑"实验指标,从而在不增加样本量的情况下,更快、更准地检测出微小的业务提升。
第一性原理解释:CUPED 修正到底在做什么?
[完整 CUPED 原理解释内容...]
abtest 实验还涉及到哪些数据知识, 可以让我们的实验更科学,效果更好
产出:AB测试数据科学方法速查.md(首次版本,18 个方法按类别排列)
将你的答复放在文档中,从更高维度,帮忙讲解 abtest,更全面,更丰富。
abtest 面临哪些问题,我们分别用哪些数学方法去解决
产出:AB测试数据科学全景指南.md(第一性原理 + 全生命周期 + 数学推导)
[先前的完整答复内容...]
先前的这个答案也需要放在文档中,放在一个新的文档中
产出:AB测试数据科学方法速查.md(精炼版,18 个方法 + 落地优先级)
ABTest 是什么,怎么分层,怎么分流,帮忙将 ABTEst 涉及到基本概念讲解清楚,放在一个文档中;
将 ABTest 涉及到的难点,实践过程中遇到的难点也放在一个新的文档中;
业界 abtest 标杆也放在一个文档中,abtest 的最佳实践经验也分享一下
产出:
AB测试基本概念详解.mdAB测试实践难点与解决方案.md业界AB测试标杆与工具对比.mdAB测试最佳实践经验.mdfeature flag是啥,解释一下
产出:Feature Flag 内容追加至 AB测试基本概念详解.md 作为第七章
放到文档中
产出:Feature Flag 正式写入 AB测试基本概念详解.md
ABTest 你觉得我们还需要哪些东西呢,你作为专家
产出:识别出三个缺失拼图(实验案例库、指标体系建设、平台工程架构)
将你刚才的答复放在文档中,然后我们再开始写这3个
产出:AB测试知识体系补全计划.md
整理一下我们对话用到的提示词 放到一个新的文档中
产出:本文档 AB测试对话提示词汇总.md
| 特征 | 说明 |
|---|---|
| 递进式追问 | 从单个知识点(CUPED) 全景知识体系 基本概念 实践难点 最佳实践 补全缺失 |
| 文档化意识 | 每次重要回复都要求"放到文档中",形成可沉淀的知识库 |
| 专家角色要求 | 要求以专家视角评估知识体系的完整性 |
| 系统化思维 | 从问题出发组织内容,而非罗列知识点 |
以下是从对话中提炼的通用模板,可用于类似场景:
[某个具体知识点/概念],还涉及到哪些相关知识,
可以让我们的[某个目标/系统]更科学,效果更好
[主题]是什么,[核心机制 1]怎么做,[核心机制 2]怎么做,
帮忙将[主题]涉及到的基本概念讲解清楚,放在一个文档中;
将[主题]涉及到的难点,实践过程中遇到的难点也放在一个新的文档中;
业界标杆也放在一个文档中,最佳实践经验也分享一下
[主题]你觉得我们还需要哪些东西呢,你作为专家
从更高维度,帮忙讲解[主题],更全面,更丰富。
[主题]面临哪些问题,我们分别用哪些[方法类型]去解决