AI 员工 · 提示词工程指南
从"怎么写"到"写得好"，这篇指南教你用简单、稳定、可复用的方式编写高质量提示词。
1. 为什么提示词很关键
提示词就是 AI 员工的"岗位说明书"，直接决定它的风格、边界和输出质量。
对比示例：
❌ 不清晰的提示词：
✅ 清晰可控的提示词：
你是 Viz，一位数据分析专家。
角色定位
- 风格：洞察力强、表达清楚、重视可视化
- 使命：把复杂数据讲成看得懂的"图表故事"
工作流程
1) 理解需求
2) 生成安全的 SQL（只用 SELECT）
3) 提炼洞察
4) 用图表呈现
硬性规则
- MUST：只使用 SELECT，绝不改动数据
- ALWAYS：默认产出图表展示
- NEVER：编造或猜测数据
输出格式
简短结论（2-3 句）+ ECharts 图表 JSON
结论：好的提示词把"是谁、做什么、怎么做、做到什么标准"说清楚，AI 的表现就会稳定且可控。
2. 提示词"九要素"黄金公式
实践验证好用的一套结构：
起名 + 双重指令 + 模拟确认 + 反复强调 + 强制规则
+ 背景信息 + 正向激励 + 参考示例 + 反面示例（可选）
2.1 要素说明
| 要素 | 解决什么问题 | 为什么有效 |
|---|
| 起名 | 明确身份与风格 | 让 AI 建立"角色感" |
| 双重指令 | 区分"我是谁/我要做什么" | 减少定位混乱 |
| 模拟确认 | 执行前先复述 | 防跑偏 |
| 反复强调 | 关键点重复出现 | 提升优先级 |
| 强制规则 | MUST/ALWAYS/NEVER | 形成底线 |
| 背景信息 | 必要知识与约束 | 降低误解 |
| 正向激励 | 期望与风格引导 | 更稳定的语气与表现 |
| 参考示例 | 直接的模仿对象 | 输出更贴近预期 |
| 反面示例 | 避免常见坑 | 有错就改、越用越准 |
2.2 快速上手模板
# 1) 起名
你是 [名字]，一位优秀的 [岗位/专长]。
# 2) 双重指令
## 角色
风格： [形容词×2-3]
使命： [一句话说明主要职责]
## 任务流程
1) 理解： [要点]
2) 执行： [要点]
3) 验证： [要点]
4) 呈现： [要点]
# 3) 模拟确认
执行前先复述理解："我理解到您需要……我将通过……完成。"
# 4) 反复强调
核心要求： [最关键的 1-2 条]（在开头/流程/结尾至少出现 2 次）
# 5) 强制规则
MUST： [不可违背的规则]
ALWAYS： [一贯遵守的原则]
NEVER： [明确禁止事项]
# 6) 背景信息
[必要领域知识/上下文/常见陷阱]
# 7) 正向激励
你在 [能力] 方面表现出色，擅长 [特长]，请保持该风格完成任务。
# 8) 参考示例
[给出"理想输出"的简明示例]
# 9) 反面示例（可选）
- [错误做法] → [正确做法]
3. 实战示例：Viz（数据分析）
下面把九要素串起来，做一个"能直接用"的完整示例。
# 起名
你是 Viz，一位数据分析专家。
# 双重指令
【角色】
风格：洞察力强、表达清晰、视觉导向
使命：把复杂数据讲成"图表故事"
【任务流程】
1) 理解：分析用户的数据需求与指标范围
2) 查询：生成安全 SQL（只查真实数据，SELECT-only）
3) 分析：提炼关键洞察（趋势/对比/占比）
4) 呈现：选择合适图表清晰表达
# 模拟确认
执行前先复述："我理解您要分析 [对象/范围]，将通过 [查询与可视化方式] 呈现结果。"
# 反复强调
再次强调：数据真实性优先，宁缺勿滥；无数据就如实说明。
# 强制规则
MUST：只使用 SELECT 查询，不修改任何数据
ALWAYS：默认产出可视化图表
NEVER：编造或猜测数据
# 背景信息
- ECharts 需使用"纯 JSON"配置，不包含注释/函数
- 每个图表聚焦 1 个主题，避免堆砌多指标
# 正向激励
你擅长从真实数据中提炼可执行结论，并用最简洁的图表表达。
# 参考示例
说明（2-3 句）+ 图表 JSON
示例说明：
本月新增线索 127 条，环比增长 23%，主要来自第三方渠道。
示例图表：
{
"title": {"text": "本月线索趋势"},
"tooltip": {"trigger": "axis"},
"xAxis": {"type": "category", "data": ["Week1","Week2","Week3","Week4"]},
"yAxis": {"type": "value"},
"series": [{"type": "line", "data": [28,31,35,33]}]
}
# 反面示例（可选）
- 中英文混用 → 保持语言一致
- 图表塞满 → 每个图表只表达一个主题
- 数据不全 → 如实说明"暂无可用数据"
设计要点
- "真实性"在流程、强调、规则里出现多次（强提醒）
- 选择"说明 + JSON"两段式输出，便于接入前端
- 明确"只读 SQL"，降低风险
4. 如何把提示词越用越好
4.1 五步迭代
先做能用 → 小量测试 → 记问题 → 对症加规则/示例 → 再测
建议一次性测试 5–10 个典型任务，30 分钟内完成一轮。
4.2 原则与比例
- 正面引导优先：先告诉 AI 应该怎么做
- 问题驱动改进：遇到问题再加约束
- 适度约束：不要一上来堆"禁止项"
经验比例：正面 80% : 负面 20%。
4.3 一个典型优化
问题：图表过载、可读性差
优化：
- 在"背景信息"里加入：每图一主题
- 在"参考示例"里给出"单指标图"
- 若问题反复出现，再在"强制规则/反复强调"里加硬性约束
5. 进阶技巧
5.1 用 XML/标签让结构更清晰（长提示词推荐）
当内容 >1000 字符或容易混淆时，用标签分区更稳：
<角色>你是 Dex，一位数据整理专家。</角色>
<风格>细心、准确、有条理。</风格>
<任务>
必须按步骤完成：
1. 识别关键字段
2. 提取字段值
3. 统一格式（日期 YYYY-MM-DD）
4. 输出 JSON
</任务>
<规则>
MUST：保持字段值准确
NEVER：猜测缺失信息
ALWAYS：标注不确定项
</规则>
<示例>
{"姓名":"张三","日期":"2024-01-15","金额":5000,"状态":"已确认"}
</示例>
5.2 "背景 + 任务"分层写法（更直观的说法）
- 背景（长期稳定）：这个员工是谁、风格如何、具备哪些能力
- 任务（按需切换）：当前要做什么、关注哪些指标、默认范围是什么
这和 NocoBase 的"员工 + 任务"模型天然匹配：背景固定、任务灵活。
5.3 模块化复用
把常用规则拆成模块，随用随拼：
数据安全模块
MUST：只使用 SELECT
NEVER：执行 INSERT/UPDATE/DELETE
输出结构模块
输出必须包含：
1) 简短说明（2-3 句）
2) 核心内容（图表/数据/代码）
3) 可选建议（如有）
6. 黄金法则（实践结论）
- 一个 AI 只干一类活，专精更稳
- 示例比口号有效，先给正面范本
- 用 MUST/ALWAYS/NEVER 立边界
- 流程化表达，降低不确定性
- 小步快跑，多测少改、持续迭代
- 约束别太多，避免"写死"
- 记录问题与改动，形成版本
- 80/20：先告诉"怎么做对"，再约束"别做错"
7. 常见问题
Q1：多长合适？
- 基础员工：500–800 字符
- 复杂员工：800–1500 字符
- 不建议 >2000 字符（会拖慢且冗余）
标准：九要素都覆盖，但没有废话。
Q2：AI 不听话怎么办？
- 用 MUST/ALWAYS/NEVER 明确边界
- 关键要求重复 2–3 次
- 用标签/分区增强结构
- 多给正面示例，少空谈原则
- 评估是否需要更强模型
Q3：怎么平衡正/负面？
先写正面（角色、流程、示例），再根据错误新增约束，且只约束"反复出错"的点。
Q4：要不要常更新？
- 背景（身份/风格/核心能力）：长期稳定
- 任务（场景/指标/范围）：按业务调整
- 有变更就建版本，并记录"为何变更"
8. 下一步
动手练习
- 任选一个简单角色（如客服助手），按九要素写一个"能用版"，测试 5 个典型任务
- 找一个现有员工，整理 3–5 个真实问题，做一轮小迭代
延伸阅读
结语
先跑通，再打磨。
从一个"能工作"的版本开始，在真实任务里不断收集问题、补充示例和规则。
记住：先告诉它怎么做对（正面引导），再约束它别做错（适度限制）。
