一、提示词设计的核心原则（STAR法则）

维度	说明	示例对比
Situation 背景设定	明确任务背景和领域	❌ “写首诗” → ✅ “作为唐代诗人，写一首表达思乡之情的七言绝句”
Task 具体任务	定义清晰的输出要求	❌ “分析数据” → ✅ “用柱状图对比2023年Q1-Q4华北、华东地区销售额，单位万元”
Action 行动指引	指定格式和操作步骤	❌ “总结会议” → ✅ “按[议题-结论-责任人]格式，用Markdown表格总结会议要点”
Result 结果约束	设定质量标准和限制	❌ “写报告” → ✅ “生成800字以内的行业分析报告，包含3个数据支撑的论点，使用学术性语言”

---

二、结构化提示词模板

1. 基础模板（CRISPE框架）

[角色] 你是一位资深的{领域}专家
[任务] 需要完成{具体任务}
[步骤] 按以下步骤操作：
1. {第一步操作}
2. {第二步操作}
3. {最终输出要求}
[约束] 输出需满足：
- 格式：{JSON/Markdown/图表等}
- 长度：{字数限制}
- 风格：{学术/商务/口语化等}
[示例] 参考案例：
{优秀输出样本}

2. 实战案例：市场分析报告

[角色] 你是一位拥有10年经验的消费电子行业分析师  
[任务] 撰写2024年智能手表市场趋势预测报告  
[步骤]  
1. 分析IDC 2023年Q4全球出货量数据  
2. 对比Apple、华为、三星的技术路线差异  
3. 预测AI健康监测功能的市场渗透率  
[约束]  
- 采用三段式结构：现状分析、竞争格局、趋势预测  
- 包含至少5个关键数据点  
- 使用APA引用格式注明数据来源  
- 输出为Markdown格式，不超过1500字  
[示例] 参考段落：  
"根据Counterpoint Research数据(2023)，全球智能手表出货量同比增长17%，其中健康监测功能..."

---

三、提升精准度的进阶技巧

1. 思维链（Chain-of-Thought）引导

请逐步推理回答以下问题：  
问题：为什么新能源汽车在挪威的市场渗透率能达到80%？  
要求：  
1. 先列出可能影响因素  
2. 对每个因素进行数据验证  
3. 按重要性排序并总结因果关系  

2. 混合式提问法

[知识检索] 查找2023年全球TOP5光伏企业的产能数据  
[对比分析] 对比各企业N型与P型电池技术占比  
[推理预测] 基于当前技术迭代速度，预测2025年市场格局  
[输出格式] 用LaTeX表格呈现，附趋势分析图描述

3. 规避常见错误

错误类型	错误示例	改进方案
问题笼统	“解释机器学习”	“用通俗比喻说明监督学习与无监督学习的区别，举电商场景示例”
缺少上下文	“修改这段文字”	“作为出版社编辑，将以下学术论文摘要改写成大众科普版本（目标读者：高中生）”
过度复杂	“从哲学、社会学、经济学角度分析…”	拆分成多个子问题逐步提问
忽略格式约束	“生成测试用例”	“用Gherkin语法编写用户登录功能的BDD测试用例，包含3个正常流和2个异常流”

---

四、场景化提示词库

1. 工作汇报优化

请将以下原始内容转换为董事会汇报格式：  
[原始输入]  
"Q3销售额增长了，但成本也增加了。新功能开发进度延迟，竞品动作频繁..."  
[要求]  
1. 用SWOT分析法结构化呈现  
2. 关键数据用绿色/红色高亮标注  
3. 添加执行建议栏  
4. 输出为PPT大纲格式（每页标题+要点）

2. 数据分析增强

你是一位数据分析师，请完成以下任务：  
[数据集]  
{粘贴CSV前5行示例}  
[需求]  
1. 识别数据质量问题  
2. 建议合适的可视化方案  
3. 检测异常值并给出处理建议  
[输出]  
按以下结构输出：  
- 数据质量报告（MD表格）  
- 可视化方案选择依据（含echarts配置示例）  
- 异常处理流程图（Mermaid语法）

3. 学习研究辅助

请以苏格拉底问答法帮助我理解量子纠缠：  
1. 先提出引导性问题  
2. 根据我的回答指出逻辑漏洞  
3. 用经典实验案例说明  
4. 最后用费曼技巧总结核心概念  
约束：  
- 每个教学步骤后等待我的回复  
- 使用比喻解释复杂概念  
- 涉及数学公式时用LaTeX表示

---

五、提示词迭代优化方法

1. 评估-调整循环

2. 调整策略矩阵

问题现象	优化方向	调整示例
输出太笼统	添加具体约束	增加"列出5个具体案例"要求
忽略关键信息	显式强调重点	用❗️符号标注核心需求
逻辑混乱	强制分步输出	添加"先进行A再分析B最后对比C"
风格不符	提供示例样本	添加"参考以下表达方式："
知识时效性不足	限定知识范围	添加"仅基于2020年后研究成果"

---

六、高级技巧：元提示词（Meta-Prompting）

1. 自我反思式提示

你是一位提示词工程师，请按以下步骤优化我的初始提问：  
1. 分析当前提示词的问题  
2. 重写改进后的版本  
3. 解释修改原因  

[初始提问]  
"帮我写旅游攻略"  

[你的输出]  
应包含：  
- 问题诊断报告（MD列表）  
- 优化后的提示词  
- 修改逻辑说明

2. 专家委员会模式

模拟由以下专家组成的评审委员会：  
- 资深算法工程师  
- 用户体验设计师  
- 商业分析师  

请针对"如何设计外卖平台的骑手调度算法"问题：  
1. 每位专家从专业角度提出3个关键考量因素  
2. 委员会讨论达成共识  
3. 输出综合设计方案（含权衡取舍说明）  

要求用对话体呈现讨论过程，最后给出整合方案。

---

七、工具推荐

1. 提示词可视化工具：
   • PromptPerfect（提示词自动优化）
2. 结构化写作工具：
   • Notion模板库（含500+场景模板）
3. 效果评估工具：
   • LLM-Blender（多模型输出对比）

---

实践建议：

1. 建立个人提示词库（分类保存成功案例）
2. 使用ChatGPT等工具进行AB测试
3. 定期参加提示词工程挑战赛（如PromptBase竞赛）
4. 对关键业务提示词进行版本控制（Git管理）

通过系统化训练，可将需求转化准确率提升3-5倍。建议从简单任务开始，逐步增加复杂度，并配合[RAG检索增强]技术处理专业领域问题。