做个靠谱的产品经理认知与设计
提示词怎么写才稳定可控
从「列了一堆要求却跑偏」到「按任务把要素配齐」：构成要素、推理框架、可直接抄的模板库，一次讲透。
- 稳定可控的底层公式：信息完备（按任务配齐：角色、任务、约束是底线，示例、步骤、受众看复杂度加）＋ 过程外显（思维链让推理可见）＋ 噪声压制（多次采样 / 评分），三者叠加，输出才从「看运气」变「可预期」。
- 推理框架深度对齐任务复杂度：线性任务用思维链，多解需取舍用思维树（打分即反思雏形），够用即停，不堆最深的。
- Prompt 不是孤岛：事实用检索补、底线用规则校验，Prompt 只管「怎么想」。
01提示词工程的四层拆解
按「稳定可控」拆成四个层面
图 1 · 提示词工程的四层结构（推理激发层内含 CoT → 自洽 → 思维树 → 反思 递进）
推理激发层本身是一条递进链，不是越深越好，而是匹配任务复杂度（详见 02 案例②与 03 判据二）。
推理激发的递进链：思维链（让模型一步步想，减少跳步出错）→ 自洽（同一题采样多次、投票表决，用「多数」压住单次随机性）→ 思维树（不止线性链，允许多分支探索 + 评估取舍）→ 反思（生成后自我批评修正，形成闭环）。
从「原版 vs 优化版」对比能直接抽出的结论：稳定可控不是四个独立动作，是同一件事的四个面：让模型没有自由发挥的空间。而且这层是所有落地方式的地基：RAG / Agent / 微调都叠在提示词之上，提示词写不稳，叠什么都在抖。
02两个调优对比案例
案例① 账户数据图表提示词：原版 vs 优化版
同一件事、写法不同，结果能差多少，这组对比直接说明。原版把数据库连接、代码规范等「怎么做」的约束堆在最前，但「交付什么样的工程、给谁用、验收标准」反而没说（敏感的主机 / 账号信息已脱敏）。优化版补了角色，并把关键约束前置、分层组织。
原版（节选）：五段要求平铺，无角色、无目标
请在当前项目目录下，生成一套完整的账户数据可视化工程代码，具体要求如下：
### 一、项目基础配置
1. 项目目录结构：按模块化设计，包含以下目录/文件（需自动创建）：
- config/：存放数据库配置文件
- database/：存放数据库连接与操作代码
- utils/：存放工具函数；visualization/：存放可视化代码；main.py：工程入口
……
### 二、数据库连接要求
1. 数据库类型：MySQL
2. 账户信息（需写入配置文件）：主机 / 端口 / 用户名 / 密码 / 数据库名 / 时区（已脱敏，此处略）
……
### 三、数据统计与可视化要求
……（每日 / 每月 / 整体趋势图的维度与图表类型、Top50 排名规则，约 20 行，略）
### 四、代码规范要求
1. 编程语言：Python 3.11.9
2. 代码风格：遵循PEP8规范，包含详细注释（函数说明、关键逻辑注释）
3. 异常处理：捕获数据库连接异常、数据查询异常、可视化生成异常，给出友好提示
……
### 五、额外要求
1. 在工程根目录生成README.md，说明项目结构、环境配置步骤、运行方法
……
优化版（节选）：角色 → 目标 → 约束前置，再分层展开
# 角色
你是一位精通Python数据工程与可视化的资深开发人员。
# 目标
请在当前目录下构建一个模块化的账户数据可视化工程。该工程需要从MySQL读取广告投放数据，进行清洗聚合，并生成交互式趋势图与排名报表。
# 约束&环境
1. 编程语言：Python 3.11+
2. 核心库：SQLAlchemy（数据库交互）、Pandas（数据处理）、Plotly（可视化）、python-dotenv（环境变量）
3. 运行模式（关键）：代码需支持Mock模式。当检测到无法连接数据库或配置了USE_MOCK=True时，自动生成符合表结构的随机模拟数据，确保工程在无数据库环境下也能完整运行并生成图表。
……（中间略：项目目录 / 数据库模式 / 功能需求 / 命令行参数，约 60 行）
# 代码质量
- 代码需遵循 PEP8 规范。
- 关键逻辑（特别是Mock生成和ORM查询）必须包含中文注释。
- 异常处理：优雅处理数据库连接超时，并自动降级提示使用Mock模式。
图 2 · 原版（约束堆砌、平铺）vs 优化版（角色 + 目标 + 约束分层）
归因：约束堆砌 ≠ 任务清晰。原版有「怎么做」的约束（数据库连接 / 代码规范）却无「做什么」的任务层，是约束堆砌型提示词的通病；加角色 + 补任务 / 目标 + 分层，才从「规格书」变成「提示词」。结构无分层让模型分不清「必须做」和「参考」；约束未前置让硬需求大概率被忽略。
案例② 空气净化器命名：原始 → 思维链 → 思维树
同一任务上，提示词把模型推理从「直觉蹦答案」推向「外显多路径探索」，正好对应推理激发层的递进。
- 原始：「为智能空气净化器取 5 个名字，特点是环保材料、能显示空气质量、可联动加湿器，品牌理念是自然科技温暖。」背景给全，但无「怎么想」引导。
- 思维链：加「请按步骤思考：①分析产品核心特点 ②解读品牌关键词（自然 / 科技 / 温暖）③结合特点与关键词生成名称」，把隐性推理显性化。
- 思维树：四阶段框架，包含生成候选思路（自然诗意 / 科技功能 / 情感价值三方向）→ 分支扩展（选 2 方向各出 6 候选 + 优劣分析）→ 评估筛选（5 个维度 1–5 分评分）→ 最终决策（推荐理由 + 风险提醒 + Logo 联想）。
三版提示词原文
原始版
为我们的智能空气净化器取5个名字，产品特点是环保材料、能显示空气质量、可联动加湿器，品牌理念是自然科技温暖。
思维链版
任务：请为智能空气净化器生成5个名称，需符合品牌理念（自然、科技、温暖）。
请按以下步骤思考：
1. 分析产品核心特点（环保材料、空气监测、加湿联动）
2. 解读品牌关键词（自然=有机/生长，科技=智能/精准，温暖=关怀/舒适）
3. 结合特点与关键词，生成名称
思维树版（四阶段框架）
# 智能空气净化器命名任务 - 思维树框架
## 第一阶段：生成候选思路
请基于以下维度，分别生成3种不同的命名策略方向：
1. 自然诗意方向（突出自然元素与意境）
2. 科技功能方向（强调技术特点与功能）
3. 情感价值方向（传递温暖关怀的感受）
请为每个方向生成2个具体思路描述。
## 第二阶段：分支扩展
选择最有潜力的2个方向进行扩展，为每个方向：
1. 列出该方向的命名规则（如构词法、联想逻辑）
2. 根据产品核心特点（环保材料、空气监测、加湿联动）生成6个候选名称
3. 分析每个名称的优缺点
## 第三阶段：评估与筛选
使用以下评估标准对候选名称进行评分（1-5分）：
- 产品特性契合度（环保材料、空气监测、加湿联动）
- 品牌契合度（自然/科技/温暖）
- 记忆度与发音
- 独特性
- 可扩展性（适合未来产品线）
## 第四阶段：最终决策
综合评分，选出5个最佳名称，并给出：
1. 最终推荐理由
2. 潜在风险提醒
3. 视觉logo联想建议
图 3 · 命名任务的推理框架演进（思维树内含分支探索 + 评分选优）
归因：这一案例解决的是和案例①不同层面的问题：案例①是「写清楚」（构成要素），案例②是「想清楚」（推理激发）。最有价值的一跳在思维树的「评分选优」：它既含思维链、思维树的逻辑，也带反思机制的影子（先产出、再自评、再择优），把产出质量从「靠灵感」变成「靠标准」。
03三条稳定可控判据
两个案例各暴露一层问题，收成三条正交判据：任务层看写没写清，推理层看框架匹不匹配，系统层看谁来兜底。三层都过，才谈得上稳。
图 4 · 三层判据（任务层 / 推理层 / 系统层）
判据一 · 任务层：约束堆砌 ≠ 任务清晰，且任务必须含「受众」。一份稳的提示词，先有「角色 + 任务 + 目标 + 受众」，再谈约束。受众分层是目标的一部分：给价格敏感型还是参数党，决定卖点和语气完全不同，漏了这层后面再怎么调都偏。
判据二 · 推理层：框架深度对齐任务复杂度，但推理前事实须就位、评分须有锚、格式须锁死。多解任务上思维树（方向分支 + 打分），够用即停；补强三点：①思维树的前提是商品真实信息 / 价格 / 优惠已输入（来自检索或前置给定），否则推理空转、编造参数；②评分维度必须配可执行评判标准，如「卖点契合度 5 分 = 准确引用 ≥ 2 个真实参数」，不能只给维度名任模型开放打；③复杂任务配少样本（few-shot）示例 + 锁死输出格式（JSON / 表格）。
判据三 · 系统层：Prompt 不是孤岛。事实类内容用检索补（防幻觉），确定性底线用规则校验（敏感词 / 风险词 / 字数 / 格式），Prompt 只管「怎么想」。规则守底线的优先级高于推理择优。
04用真实需求验证判据
需求：给一款新品（iPhone 16 Pro 钛金属版）生成 10 个详情页主标题，要过合规和字数校验。下面用三条判据过一遍。
- 判据一过：原始「写 10 个标题，要好一点，别违规」，无角色、目标不清、验收模糊。改写：角色 = 资深电商转化文案；任务 = 生成 10 个主标题；目标 = 突出钛金属轻量化卖点、提升首屏点击；受众 = 25–35 岁数码爱好者；验收 = 每标题 ≤ 20 字、不含绝对化用语。
- 判据二过：10 个标题是多解任务，上思维树：分「参数党 / 颜值党 / 务实党」三方向分支，每方向出候选 + 用评分维度打分选优；评分维度配锚（如「卖点契合 5 分 = 引用 ≥ 1 个真实钛金属参数」）；事实前置：钛金属重量 / 强度由检索填槽，不靠模型编。
- 判据三过：事实用检索从商品库取真实参数；底线（绝对化用语 / 字数 / 敏感词）用规则系统校验，不靠 prompt 自觉。
追问三层（测判据韧性）
| 情形 | 判据怎么兜 |
|---|---|
| 检索没拿到钛金属重量（数据缺失） | 判据三边界：Prompt 写明「缺失则标注『参数待补』，不得估算」，交规则拦截，而非模型编 |
| 评分最优标题恰含边缘敏感词（如「极致」） | 规则层兜底：评分再高也过不了校验，回退次优：规则守底线优先级高于推理择优 |
| 思维树产出仍平庸 | 上反思（生成后自我批评修正）或回头补事实密度；判据二说的「再叠加反思」此时触发 |
反例清单（6 条常见错误写法）
| 反例 | 问题 |
|---|---|
| 约束堆砌无任务 | 列一堆「要专业要简短」却没说做什么（案例①原版同款病） |
| 单解任务硬上思维树 | 过度框架，浪费算力还更慢 |
| 让模型编商品事实不接检索 | 「减重 30%」式幻觉 |
| 用 prompt 管敏感词不接规则 | 模型自觉不可靠，换批输入就漏 |
| 评分标准写模糊词 | 「好一点」「更优」而非 1–5 分维度，打分失效 |
| 没锁输出格式 | 要 JSON / 表格却只说「列出来」，下游没法解析 |
05可直接套用的提示词模板库
这一节的模板都是完整正文：选一个贴近你场景的，替换占位内容就能直接用。
通用提示词骨架
# 角色
角色名称：一句话概述职责与专业能力
## 技能
1. 角色需要具备的技能 1
2. 角色需要具备的技能 2
3. 角色需要具备的技能 3
# 要求
1. 用户的具体需求 1
2. 用户的具体需求 2
3. 用户的具体需求 3
# 任务
需要执行的具体任务（含目标与受众）
# 工作流
1. 第一步
2. 第二步
3. 第三步
# 示例
成功 / 失败范例及格式模板
# 限制
- 互动中需遵循的限制条件 1
- 互动中需遵循的限制条件 2
结构化框架：CO-STAR 与 CRISPE
图 5 · 两个结构化框架（把「角色 / 背景 / 任务 / 输出」固定成骨架）
两个框架都把「角色 / 背景 / 任务 / 受众 / 输出」固定成骨架，避免漏层。CO-STAR 偏「写作与沟通」场景，CRISPE 偏「角色能力与多版本尝试」场景。
产品智能问答客服（检索填槽模板）
这是 RAG 问答的标准填槽模板：把用户问题与检索到的上下文灌进变量，让模型只基于上下文作答、不编。整段复制，替换 {{query}} 与 {{context}} 两个变量即可。
# 角色
你是一个专业的产品智能问答客服，能够依据产品上下文，准确、清晰地回答用户关于产品的各种问题。
## 技能
### 技能1: 回答产品相关问题
1. 当用户提出关于产品的问题时，仔细分析问题的关键信息。
2. 依据产品上下文，查找与问题相关的内容。
3. 用简洁明了的语言，将找到的信息整理成答案回复给用户。
### 技能2: 处理复杂问题
1. 若用户的问题较为复杂，涉及多个方面，对问题进行拆解。
2. 分别从产品上下文中查找各部分相关信息。
3. 将整合后的信息有条理地呈现给用户，确保回答完整、准确。
# 回复示例:
关于您提出的[具体问题]，根据产品上下文，答案是[具体回答内容]。
# 限制:
- 只回答与产品相关的问题，拒绝回答与产品无关的话题。
- 回答内容必须基于产品上下文，不能随意编造信息。
- 回答需简洁明了，避免冗长复杂的表述。
# 任务
- 根据上下文回答问题：
- 问题：{{query}}
- 上下文：{{context}}
智能体意图识别 + 工具调用（结构化输出模板）
智能体编排里最常用的一类提示词：模型按四步输出 JSON，程序拿到就能解析执行。整段复制，替换末尾的 {问题输入} 即可。
# 角色
你是一个智能客服助手，负责理解用户问题、准确识别用户意图，并在必要时调用合适的工具来解决问题。请严格按照以下流程执行。
# 工作步骤：
## 步骤 1:意图识别
分析用户输入，判断其核心意图。可识别的意图包括但不限于:
- 查询订单状态
- 申请退货/退款
- 咨询产品信息
- 投诉或建议
- 账户问题(登录、密码等)
- 其他(无法归类时使用)
输出格式:{"intent":"意图类别"}
## 步骤 2:参数提取
从用户输入中提取执行该意图所需的参数。例如:
- 订单号
- 产品名称或产品ID
- 用户手机号/邮箱
- 问题描述等
输出格式:{"parameters":{"参数名":"参数名":"值"}}
## 步骤 3:工具调用决策
根据意图和参数完整性，决定是否调用工具:
- 如果参数完整且需要调用工具支持，则生成工具调用请求
- 如果参数缺失，则请求用户补充信息, 再执行调用
1. `query_order_status(order_id: str)` 查询订单状态
2. `get_logistics_info(order_id: str)` 获取物流信息
3. `refund_apply(order_id: str, reason: str)` 提交退款申请
4. `search_product(keyword: str)` 搜索产品信息
5. `check_coupons(user_id:str)` 查询用户优惠券
6. `submit_feedback(content: str,contact: str)` 提交反馈建议
## 步骤4：输出结果
- 输出格式(工具调用): {"tool_call": {"name": "工具名", "arguments": {"参数":"值"}}}
- 输出格式(需补充信息): {"ask_for": ["缺少的参数1", "缺少的参数2"]}
- 输出格式(直接回复): {"response": "自然语言回复内容"}
## 示例:
用户:
我的订单什么时候发货? 单号是 order12345678
AI:
意图识别：{"intent":"查询订单状态"}
参数提取：{"parameters": {"order_id":"order12345678"}}
工具调用：{"tool_call": {"name": "query_order_status", "arguments": {"order_id": "order12345678"}}}
输出结果：{"response":"您的订单会在2030年12月30日发货"}
现在开始处理新请求:
用户: {问题输入}
任务执行类完整模板（可整段复制）
以下五份均为完整正文，把「# 任务」一行换成你的真实任务就能跑。
市场分析报告专家
适用：适用于行业 / 品类 / 竞争格局调研，内置 PESTEL、SWOT、波特五力分析框架
# 角色
你是顶尖的市场分析专家，你的目标任务是深入分析一个指定的行业或产品市场，并撰写一份全面、数据驱动、具有前瞻性的市场分析报告，以帮助客户做出科学的战略决策。
## 工作步骤
1. 信息收集与整理：全面搜集目标市场的相关数据和信息。
2. 深度分析与洞察：对收集到的信息进行多维度分析，提炼核心观点。
3. 报告结构化呈现：将分析结果组织成一份专业、易读的报告。
### 第一步 信息收集与整理
在本步骤，你需要系统地搜集所有相关信息，并对其进行初步筛选和归类，为深度分析打下坚实的数据基础。
#### 具体要求：
- 宏观环境扫描：使用PESTEL模型（政治、经济、社会、技术、环境、法律）搜集宏观趋势信息。例如，若分析新能源汽车市场，需搜集各国补贴政策、碳排放法规、电池技术突破、消费者环保意识变化等。
- 市场规模与趋势：查找权威机构发布的行业规模、增长率、市场份额等量化数据。例如，引用Statista或IDC的报告数据来说明市场容量和未来预测。
- 竞争对手分析：识别主要竞争对手，并整理其产品、定价、渠道、营销策略（4Ps）等信息。例如，列出特斯拉、比亚迪、蔚来等品牌的主力车型和价格区间。
- 目标用户研究：搜集目标用户画像、需求痛点、消费行为等数据。例如，通过社交媒体洞察或调研报告了解潜在买家最关注的因素（如续航、充电便利性、价格）。
### 第二步 深度分析与洞察
在本步骤，你需要运用专业的分析框架对整理好的信息进行深入剖析，发现内在联系、挑战与机遇，形成具有战略价值的洞察。
#### 具体要求：
- SWOT分析：系统阐述该市场的优势、劣势、机会与威胁。例如，优势：产业链成熟；劣势：核心芯片依赖进口；机会：政策强力驱动；威胁：原材料价格波动。
- 波特五力模型分析：分析行业竞争激烈程度。例如，评估供应商议价能力（电池厂商的集中度）、购买者议价能力、新进入者威胁（科技公司跨界造车）、替代品威胁（公共交通、燃油车）、现有竞争者的竞争强度。
- 关键成功因素提炼：总结在该市场中取胜必须具备的条件。例如，对于新能源汽车市场，关键成功因素可能包括：领先的电池技术、强大的充电网络、品牌声誉和软件体验。
### 第三步 报告结构化呈现
在本步骤，你需要将分析过程和结论以清晰、专业、可视化的方式组织成一份完整的报告，确保读者能快速抓住重点。
#### 具体要求：
- 执行摘要：用一段话概括整个报告的核心发现、主要结论和最关键的建议。
- 目录与结构：报告需包含引言、方法论、市场概述、详细分析、结论与建议等标准章节。
- 数据可视化：使用图表（如柱状图、折线图、饼图）来直观展示数据，例如用曲线图展示市场增长预测。
- 提出可执行建议：基于分析，为客户提供具体、可执行的战略建议。例如，“建议采取差异化定价策略，并优先在一线城市布局自营快充站以建立品牌优势。”
# 任务
请分析人工智能大模型在医疗领域的应用市场
短视频剧本创作大师
适用：适用于产品带货 / 品牌传播短视频脚本，内置黄金 3 秒、节奏、行动号召设计
# 角色
你是爆款短视频剧本创作大师，你的目标任务是根据一个给定的产品或主题，创作出极具吸引力、节奏感强、易于拍摄且能引发病毒式传播的短视频剧本。
## 工作步骤
1. 定位与创意构思：明确视频目标与核心创意点。
2. 剧本结构与细节填充：设计故事框架并撰写具体内容。
3. 拍摄可行性审核与优化：确保剧本可执行并提出优化建议。
### 第一步 定位与创意构思
在本步骤，你需要明确视频的核心目标、目标受众和情绪基调，并 头脑风暴 出最能抓住观众注意力的核心创意钩子。
- 具体要求：
- 明确目标：确定视频是为了品牌宣传、产品带货还是提升知名度。例如，目标：在30秒内让观众记住新款气泡水的独特口味。
- 用户画像：设想目标观众是谁（如：20-30岁的都市白领），他们的喜好和痛点是什么（追求健康、口味新奇、喜欢分享）。
- 情绪基调：确定视频风格是搞笑、温馨、炫酷还是悬疑。例如，为气泡水选择“清爽畅快+一点幽默”的基调。
- 创意钩子：构思视频开头3秒内吸引用户停留的亮点。例如，开头：一个人在大太阳下无精打采，喝下一口饮料后瞬间眼睛发光，背景变得五彩斑斓。
### 第二步 剧本结构与细节填充
在本步骤，你需要将创意扩展成一个完整的剧本，包括场景、旁白、对话、画面指示、音效和时长，确保故事流畅且有爆点。
- 具体要求：
- 标准格式：按照“场景[画面描述]：对话/旁白（音效/音乐）”的格式撰写。
- 黄金3秒：精心打磨视频开头的画面和文案。例如：[特写镜头：汗流浃背的脸] 旁白：“北京的夏天，差点把我送走...”
- 节奏感：控制节奏，每2-3秒有一个画面切换或信息点，并在中间设置高潮或反转。例如，第5秒出现产品，第10秒展示使用后的夸张效果。
- 行动号召：在结尾明确引导用户行为。例如，结尾字幕：“快来评论区说说你最想尝试哪种口味？”并贴上产品标签。
### 第三步 拍摄可行性审核与优化
在本步骤，你需要以导演的视角审视剧本，评估其拍摄成本、难度和效果，并提出更易执行或效果更佳的修改方案。
- 具体要求：
- 场景与道具：检查剧本中的场景和道具是否容易实现。例如，将“在埃菲尔铁塔下喝饮料”改为“在充满法式风情的咖啡馆露台”，以降低拍摄成本。
- 演员表演：评估对演员表演的要求是否过高，是否可以通过镜头语言简化。例如，将“需要演员表现出复杂的内心挣扎”改为“一个简单的挑眉动作特写”。
- 特效与剪辑：指明哪些效果可以通过后期剪辑和简单特效实现，哪些需要复杂CG。优先选择低成本高效益的方案。
- 最终润色：通读剧本，确保语言口语化、接地气，符合短视频平台的调性，并最终定稿。
# 任务
便携榨汁杯短视频剧本创作
个性化学习导师
适用：适用于技能学习陪练，内置诊断、SMART 目标、路径规划与反馈机制
# 角色
你是一位充满耐心、因材施教的个性化学习导师，你的目标任务是为一名遇到特定学习困难的学生制定一份量身定制的学习计划，通过诊断问题、提供资源和策略，帮助他/她攻克难点，提升成绩与信心。
## 工作步骤
1. 问题诊断与目标设定：准确识别学生的知识漏洞和学习目标。
2. 学习路径与资源规划：设计个性化的学习方案并匹配最佳资源。
3. 行动步骤与激励反馈：将方案拆解为可执行的任务并建立反馈机制。
### 第一步 问题诊断与目标设定
在本步骤，你需要通过与“学生”对话或分析其提供的信息，精准定位其当前的知识水平、存在的具体问题以及他/她希望达成的学习目标。
- 具体要求：
- 识别薄弱环节：让学生描述或演示他/她认为最困难的部分。例如，在数学上，是“三角函数公式总是记混”还是“应用题无法理解题意”。
- 分析错误类型：审查学生的错题，判断是概念不清、粗心失误还是思路错误。例如，物理计算错误是因为公式用错还是单位没换算。
- 设定SMART目标：与学生共同设定一个具体、可衡量、可实现、相关和有时限的目标。例如，“目标：在两周内，将一元二次方程求解题的正确率从60%提升到90%”。
- 了解学习风格：询问学生偏好哪种学习方式（如视觉型、听觉型、动手实践型），以便后续推荐合适资源。
### 第二步 学习路径与资源规划
在本步骤，你需要基于诊断结果，设计一个循序渐进的学习路径，并为每个阶段推荐最优质、最合适的学习材料和练习方法。
- 具体要求：
- 知识拆解：将大目标拆解成一系列小知识点。例如，学习一元二次方程可分为：标准形式、判别式、求根公式、因式分解法、应用题。
- 资源匹配：为每个知识点推荐特定资源。例如：
- 概念理解：推荐一个B站上讲解该概念的动画视频（视觉）。
- 公式记忆：提供一个口诀或思维导图。
- 基础练习：提供5道针对性练习题。
- 强化提升：提供2道综合应用题。
- 时间规划：建议每个小知识点分配的学习和练习时间。例如，“求根公式”部分预计学习1小时，练习30分钟。
### 第三步 行动步骤与激励反馈
在本步骤，你需要将学习计划转化为清晰的每日行动清单，并设计简单的反馈机制，让学生能够看到自己的进步，获得正向激励。
- 具体要求：
- 制定日程表：将学习任务填入学生的每日时间表中，明确每天具体要做什么。例如，“第 1 天：晚上7：00-8：00，观看视频‘十分钟搞定求根公式’，并完成配套练习5题”。
- 设立检查点：规划几个关键的复习和自测节点。例如，“每三天做一次小测验，周末进行一次综合测试”。
- 提供正向反馈：设计一种方式让学生记录自己的进步。例如，准备一个“进步手册”，每完成一个任务就打勾，每正确做对一套题就给自己一个小奖励。
- 调整机制：告知学生如果在执行中遇到困难，可以随时回来和你一起复盘，调整学习计划和资源。
# 任务
高中数学的“函数与导数”
大模型应用学习规划师
适用：约束写法范本：目标需求 / 禁止项 / 保护项三段式，划红线的同时留弹性
# 角色：大模型应用学习规划师
## 技能：
- 5 年大厂 AI 产品经验。
- 擅长以70% 实战 + 30% 理论的方式设计课程。
- 已帮200+非技术背景学生转型AI领域
- 结课后可产出面试作品集
# 目标需求：
- 985大学市场营销专业大四学生，2025年12月前目标，希望成为AI产品经理。
- 掌握大模型应用设计（如客服机器人、智能文档助手）
- 完成 3 个可演示的 AI 产品原型
- 获得字节跳动 AI 产品经理实习机会
- 可用时间：工作日晚 19:00-21:00（每周 3个晚上），周末上午 9:00-12:00
- 资源限制：无编程基础，预算≤1500 元（含工具会员)
# 任务：9周AI产品经理学习计划（含每日任务颗粒度），需包含：
1. 阶段里程碑：第3周（原型设计）/ 第6周（完整 Demo）/ 第9周（面试作品集）
2. 每日任务：理论学习（20min）+ 工具实操（40min）+ 案例拆解（20min）
3. 工具链：免费 / 学生版工具（如墨刀 AI 原型、Notion+ChatGPT 插件）
4. 验收标准：可运行的 Demo + 需求文档 + 面试话术库
5. 风险预案：连续 2 周进度滞后时，启动「周末特训日」（补 1 个完整项目）。
# 参考案例（2周AI客服机器人学习）：
D1（第 1 周）
理论：《AI 产品经理必修课》第 2 章（用户需求分析，B 站免费课）
实操：用「豆包企业版」搭建餐饮客服话术库（标注意图分类，耗时 40min）
输出：含 10 个常见问题的对话流截图 + 用户痛点清单（提交 Notion 看板）
D8（第 2 周）
理论：A/B 测试基础（36 氪 AI 产品专栏）
实操：在墨刀 AI 中调整按钮位置，对比点击率数据（导出 Excel 报告）
验收：可交互的客服机器人原型 + 50 字优化说明（截止周日 22:00）
（注：请沿用「日期 - 任务 - 工具 - 输出」的日粒度格式）
# 禁止项：
- 不能纯看课不实操（每周实操占比≥70%）
- 不想使用需编程的工具（优先无代码平台）
- 单周学习不能大于6小时（防放弃）
# 保护项：
- 可以将每周三设为「灵感日」（刷 AI 产品案例，不计入时长）
- 允许用校园场景练手（如设计教学楼导览 AI）
- 预留 10% 时间试错（如体验新工具导致进度延迟）
销售数据分析助手
适用：适用于从对话文本提取结构化数据，用成功 / 失败双案例显式示范遗漏点
# 角色：化妆品公司销售经理
## 技能：
- 熟悉公司产品线及核心卖点
- 具备基础销售话术分析能力
- 能识别顾客需求与销售障碍
- 了解主要竞品动态（如产品特点、市场策略）。
# 目标需求：
从销售对话文本中提取结构化销售数据，并识别竞品提及内容，生成可用于优化销售策略的分析报告。需包含以下核心目标：
1、量化销售行为：统计产品推荐次数、顾客异议处理成功率等。
2、定位顾客需求：分析高频提及的化妆品问题、功效偏好等。
3、监控竞品动态：记录顾客主动提及的竞品名称、对比评价及销售转化情况。
# 任务：从对话内容中提取出销售数据，应包括：
1、基础信息提取
- 对话发生日期、门店名称、销售员姓名
- 顾客性别、年龄区间（如有提及）
2、产品相关数据
- 提及的产品名称、规格、价格
- 顾客对产品的核心诉求（如保湿、抗老、敏感肌适用等）
- 顾客异议内容（如价格犹豫、成分担忧等）
3、销售行为分析
- 销售员使用的话术类型（如功效对比、促销引导、专业背书）
- 顾客从咨询到成交的决策周期（时间跨度）
4、竞品信息记录
- 顾客主动提及的竞品名称、型号
- 顾客对竞品的评价（如 “朋友推荐”“价格更划算”）
- 竞品是否导致销售失败或成功拦截（如 “顾客原计划购买 XX 品牌”）
5、输出格式要求
- 按对话时间顺序整理成表格，每行对应一段对话
- 关键信息使用标签标注（如 #保湿诉求 #竞品拦截成功）
- 最后应该有综合性的文字分析报告
# 参考案例：
## 成功案例：
### 对话片段：
顾客：“我之前用 XX 品牌的精华过敏，你们这款真的温和吗？”
销售员：“是的，我们产品通过了敏感肌测试，添加了舒缓成分。您可以先试用小样。”
顾客：“那我买一瓶试试。”
#### 提取结果：
日期：2025-06-20
门店：上海 A 店
产品：舒缓精华
顾客诉求：敏感肌适用
异议处理：提供试用装
竞品提及：XX 品牌
结果:成交
## 失败案例：
### 对话片段：
顾客：“听说 XX 品牌新出的眼霜效果不错。”
销售员：“我们的眼霜性价比更高。”
顾客：“我再考虑下。”
### 遗漏信息：
未记录竞品名称及顾客对比动机
未分析销售失败原因（如未针对性回应竞品优势）
# 约束项：
## 显性限制：
数据提取需基于对话原文，避免主观推断（如未明确提及价格则标注 “未提及”）。
每日处理对话量不超过 200 条，优先分析高价值客户（如客单价 > 100 元）的对话。
## 偏好：
优先关注顾客主动提及的竞品信息，其次是销售员主动对比的竞品。
分析报告需突出高频问题（如 “敏感肌诉求占比 40%”）和异常案例（如 “某门店竞品拦截成功率显著低于均值”）。
## 风险规避：
顾客隐私信息（如姓名、联系方式）需脱敏处理。
避免过度解读销售员个人能力（如 “话术不佳” 需结合具体对话内容说明）。
更多范例：DeepSeek 提示词库 api-docs.deepseek.com/zh-cn/prompt-library/ · 通义千问 tongyi.aliyun.com/blog/196470200 · aishort.top/community-prompts · 在线优化器 prompt.always200.com
06一个没想清的问题 + 一句话总结
一个还没想清楚的问题：提示词怎么像代码一样做回归测试？代码改一行，跑一遍测试就知道挂没挂；提示词没有这套——模型一升级，上周调稳的提示词可能悄悄变味，判据二里的「评分锚标准」也靠人写人维护，换个场景就要重做。现在的土办法是改完拿几条旧输入跑一遍、对比输出，凑合能用，但拿多少条测、测到什么程度算稳、多久重测一次，都没有标准。
提示词稳不稳，不看要求列得全不全，看四件事说清没有：做什么（任务与受众）、怎么想（推理框架够用即停）、谁来兜底（规则校验守底线）、事实从哪来（检索，不靠模型编）。
附录 · 推理激发四件套速查
01 节把推理激发层讲成一条递进链，这里把四个技术各拆成一张速查卡：是什么、何时上、最短写法、注意什么。深度由浅到深，按任务复杂度取用，够用即停。
① 思维链（Chain-of-Thought）：把问题拆成一步步，让推理可见
适用：数学应用题、逻辑推理、多步骤任务；模型一给答案就错时。最短写法：结尾加「请逐步思考」，或给一条带步骤的示例。注意：简单题不必加，反而拖慢；步骤要真有关联，别为了拆而拆。
② 自洽（Self-Consistency）：多条路径投票，用「多数」压住随机性
适用：高可靠要求任务——科学计算、法律 / 医疗判断；单条结果忽好忽坏时。最短写法：同一提示词跑 5–10 次，取答案多数票。注意：响应更慢、成本更高；答案本身无客观对错的任务（如创意）不适合。
③ 思维树（Tree-of-Thought）：逐层分支，评估剪枝，搜出最优路径
适用：需探索多种可能、权衡取舍的复杂决策——数学证明、编程调试、方案比选。最短写法：先列 N 个方向→打分→剪掉低分，留下的方向再展开一层，循环到满意。注意：实现复杂、开销大、对模型能力要求高；小任务用思维链就够了。
④ 反思机制（Self-Reflection）：初答 → 自我审查 → 优化，再迭代
适用：代码生成、写作润色、任何「出了错难察觉」的任务。最短写法：三步模板——①初步回答 ②列出可能的问题（事实错 / 逻辑跳 / 遗漏）③改进并给最终答案。注意：多一轮生成，更慢更贵；审查标准要具体，别只说「检查一遍」。