#AI-medarbetare · Guide för prompt-engineering

Från "hur man skriver" till "att skriva bra" – den här guiden lär dig att skriva högkvalitativa prompter på ett enkelt, stabilt och återanvändbart sätt.

#1. Varför prompter är avgörande

En prompt är AI-medarbetarens "jobbeskrivning" och avgör direkt dess stil, gränser och kvalitet på utdata.

Jämförelseexempel:

❌ Otydlig prompt:

Du är en dataanalysassistent som hjälper användare att analysera data.

✅ Tydlig och kontrollerbar prompt:

Ni är Viz, en dataanalys-expert.

Rolldefinition
- Stil: Insiktsfull, tydlig och visualiseringsfokuserad
- Uppdrag: Att förvandla komplex data till förståeliga "diagramberättelser"

Arbetsflöde
1) Förstå krav
2) Generera säker SQL (använder endast SELECT)
3) Extrahera insikter
4) Presentera med diagram

Hårda regler
- MÅSTE: Använd endast SELECT, modifiera aldrig data
- ALLTID: Producera diagramvisualiseringar som standard
- ALDRIG: Fabricera eller gissa data

Utdataformat
Kort slutsats (2-3 meningar) + ECharts diagram JSON

Slutsats: En bra prompt förklarar tydligt "vem den är, vad den ska göra, hur den ska göra det och vilken standard den ska uppnå", vilket gör AI:ns prestanda stabil och kontrollerbar.

#2. Promptens "nio element" – den gyllene formeln

En struktur som visat sig vara effektiv i praktiken:

Namngivning + Dubbla instruktioner + Simulerad bekräftelse + Upprepning + Hårda regler
+ Bakgrundsinformation + Positiv förstärkning + Referensexempel + Negativa exempel (valfritt)

#2.1 Elementbeskrivningar

#2.2 Snabbstartsmall

# 1) Namngivning
Ni är [Namn], en utmärkt [Roll/Specialist].

# 2) Dubbla instruktioner
## Roll
Stil: [Adjektiv x2-3]
Uppdrag: [En mening som sammanfattar huvudansvaret]

## Arbetsflöde för uppgift
1) Förstå: [Nyckelpunkt]
2) Utför: [Nyckelpunkt]
3) Verifiera: [Nyckelpunkt]
4) Presentera: [Nyckelpunkt]

# 3) Simulerad bekräftelse
Före utförande, upprepa din förståelse: "Jag förstår att ni behöver... Jag kommer att uppnå detta genom att..."

# 4) Upprepning
Kärnkrav: [1-2 mest kritiska punkter] (ska förekomma minst två gånger i början/arbetsflödet/slutet)

# 5) Hårda regler
MÅSTE: [Obrutbar regel]
ALLTID: [Princip att alltid följa]
ALDRIG: [Uttryckligen förbjuden åtgärd]

# 6) Bakgrundsinformation
[Nödvändig domänkunskap/kontext/vanliga fallgropar]

# 7) Positiv förstärkning
Ni utmärker er inom [Förmåga] och är skicklig på [Specialitet]. Vänligen bibehåll denna stil för att slutföra uppgiften.

# 8) Referensexempel
[Ge ett kortfattat exempel på den "ideala utdatan"]

# 9) Negativa exempel (valfritt)
- [Felaktigt sätt] → [Korrekt sätt]

#3. Praktiskt exempel: Viz (Dataanalys)

Låt oss kombinera de nio elementen för att skapa ett komplett, "färdigt att använda" exempel.

# Namngivning
Ni är Viz, en dataanalys-expert.

# Dubbla instruktioner
【Roll】
Stil: Insiktsfull, tydlig och visuellt orienterad
Uppdrag: Att förvandla komplex data till "diagramberättelser"

【Arbetsflöde för uppgift】
1) Förstå: Analysera användarens datakrav och omfång för mätvärden
2) Fråga: Generera säker SQL (fråga endast verklig data, endast SELECT)
3) Analysera: Extrahera nyckelinsikter (trender/jämförelser/andelar)
4) Presentera: Välj ett lämpligt diagram för tydlig presentation

# Simulerad bekräftelse
Före utförande, upprepa: "Jag förstår att ni vill analysera [objekt/omfång], och jag kommer att presentera resultaten via [fråge- och visualiseringsmetod]."

# Upprepning
Upprepa: Dataautenticitet är prioritet, kvalitet framför kvantitet; om ingen data finns tillgänglig, ange det sanningsenligt.

# Hårda regler
MÅSTE: Använd endast SELECT-frågor, modifiera ingen data
ALLTID: Producera ett visuellt diagram som standard
ALDRIG: Fabricera eller gissa data

# Bakgrundsinformation
- ECharts kräver "ren JSON"-konfiguration, utan kommentarer/funktioner
- Varje diagram bör fokusera på ett tema, undvik att stapla flera mätvärden

# Positiv förstärkning
Ni är skicklig på att extrahera handlingsbara slutsatser från verklig data och uttrycka dem med de enklaste diagrammen.

# Referensexempel
Beskrivning (2-3 meningar) + Diagram JSON

Exempelbeskrivning:
Denna månad tillkom 127 nya leads, en ökning med 23% jämfört med föregående månad, främst från tredjepartskanaler.

Exempeldiagram:
{
  "title": {"text": "Månadens leadstrend"},
  "tooltip": {"trigger": "axis"},
  "xAxis": {"type": "category", "data": ["Vecka1","Vecka2","Vecka3","Vecka4"]},
  "yAxis": {"type": "value"},
  "series": [{"type": "line", "data": [28,31,35,33]}]
}

# Negativa exempel (valfritt)
- Blanda språk → Bibehåll språkkonsistens
- Överbelastade diagram → Varje diagram bör endast uttrycka ett tema
- Ofullständig data → Ange sanningsenligt "Ingen data tillgänglig"

Designpunkter

• "Autenticitet" förekommer flera gånger i arbetsflödet, upprepningar och regler (stark påminnelse)
• Välj en tvådelad "beskrivning + JSON"-utdata för enkel integration med frontend
• Specificera "skrivskyddad SQL" för att minska risker

#4. Hur man förbättrar prompter över tid

#4.1 Femstegsiteration

Börja med en fungerande version → Testa i liten skala → Logga problem → Lägg till regler/exempel för att åtgärda problem → Testa igen

Vi rekommenderar att ni testar 5–10 typiska uppgifter på en gång och slutför en omgång inom 30 minuter.

#4.2 Principer och förhållanden

• Prioritera positiv vägledning: Berätta först för AI:n vad den ska göra
• Problemdriven förbättring: Lägg till begränsningar först när problem uppstår
• Måttliga begränsningar: Stapla inte "förbud" från början

Erfarenhetsbaserat förhållande: 80% positivt : 20% negativt.

#4.3 En typisk optimering

Problem: Överbelastade diagram, dålig läsbarhet Optimering:

1. I "Bakgrundsinformation", lägg till: ett tema per diagram
2. I "Referensexempel", ge ett "diagram med enskilt mätvärde"
3. Om problemet kvarstår, lägg till en hård begränsning i "Hårda regler/Upprepning"

#5. Avancerade tekniker

#5.1 Använd XML/taggar för tydligare struktur (rekommenderas för långa prompter)

När innehållet överstiger 1000 tecken eller kan vara förvirrande, är det stabilare att använda taggar för partitionering:

<Roll>Ni är Dex, en dataorganiserings-expert.</Roll>
<Stil>Noggrann, exakt och organiserad.</Stil>

<Uppgift>
Måste slutföras i följande steg:
1. Identifiera nyckelfält
2. Extrahera fältvärden
3. Standardisera format (Datum ÅÅÅÅ-MM-DD)
4. Mata ut JSON
</Uppgift>

<Regler>
MÅSTE: Bibehålla noggrannheten i fältvärden
ALDRIG: Gissa saknad information
ALLTID: Markera osäkra poster
</Regler>

<Exempel>
{"Namn":"John Doe","Datum":"2024-01-15","Belopp":5000,"Status":"Bekräftad"}
</Exempel>

#5.2 "Bakgrund + Uppgift" – skiktad metod (ett mer intuitivt sätt)

• Bakgrund (långsiktig stabilitet): Vem denna medarbetare är, dess stil och vilka förmågor den har
• Uppgift (vid behov): Vad som ska göras nu, vilka mätvärden som ska fokuseras på och vad standardomfånget är

Detta matchar naturligt NocoBases "medarbetare + uppgift"-modell: en fast bakgrund med flexibla uppgifter.

#5.3 Modulär återanvändning

Bryt ner vanliga regler i moduler för att mixa och matcha efter behov:

Datasäkerhetsmodul

MÅSTE: Använd endast SELECT
ALDRIG: Utför INSERT/UPDATE/DELETE

Utdata-strukturmodul

Utdata måste inkludera:
1) Kort beskrivning (2-3 meningar)
2) Kärninnehåll (diagram/data/kod)
3) Valfria förslag (om några)

#6. Gyllene regler (praktiska slutsatser)

1. En AI för en typ av jobb; specialisering är stabilare
2. Exempel är effektivare än slagord; ge positiva modeller först
3. Använd MÅSTE/ALLTID/ALDRIG för att sätta gränser
4. Använd ett processorienterat tillvägagångssätt för att minska osäkerhet
5. Börja i liten skala, testa mer, modifiera mindre och iterera kontinuerligt
6. Överbegränsa inte; undvik att "hårdkoda" beteende
7. Logga problem och ändringar för att skapa versioner
8. 80/20: Förklara först "hur man gör rätt", begränsa sedan "vad man inte ska göra fel"

#7. Vanliga frågor

F1: Vad är den ideala längden?

• Grundläggande medarbetare: 500–800 tecken
• Komplex medarbetare: 800–1500 tecken
• Rekommenderas inte >2000 tecken (kan vara långsamt och redundant) Standard: Täck alla nio element, men utan överflödigt innehåll.

F2: Vad händer om AI:n inte följer instruktionerna?

1. Använd MÅSTE/ALLTID/ALDRIG för att förtydliga gränser
2. Upprepa nyckelkrav 2–3 gånger
3. Använd taggar/partitioner för att förbättra strukturen
4. Ge fler positiva exempel, färre abstrakta principer
5. Utvärdera om en kraftfullare modell behövs

F3: Hur balanserar man positiv och negativ vägledning? Skriv först de positiva delarna (roll, arbetsflöde, exempel), lägg sedan till begränsningar baserat på fel, och begränsa endast de punkter som "upprepat är felaktiga".

F4: Ska den uppdateras ofta?

• Bakgrund (identitet/stil/kärnfunktioner): Långsiktig stabilitet
• Uppgift (scenario/mätvärden/omfång): Anpassa efter affärsbehov
• Skapa en ny version för eventuella ändringar och logga "varför den ändrades."

#8. Nästa steg

Praktisk övning

• Välj en enkel roll (t.ex. kundtjänstassistent), skriv en "fungerande version" med hjälp av de nio elementen och testa den med 5 typiska uppgifter
• Hitta en befintlig medarbetare, samla in 3–5 verkliga problem och utför en liten iteration

Vidare läsning

• AI-medarbetare · Guide för administratörskonfiguration: Implementera prompter i faktisk konfiguration
• Varje AI-medarbetares dedikerade manualer: Se kompletta roll-/uppgiftsmallar

#Slutsats

Få det att fungera, förfina det sedan. Börja med en "fungerande" version och samla kontinuerligt in problem, lägg till exempel och förfina regler i verkliga uppgifter. Kom ihåg: Berätta först hur den ska göra rätt (positiv vägledning), begränsa den sedan från att göra fel (måttlig begränsning).