Scifi-gamer1. 案例解析中提示词设计的核心逻辑
在人工智能辅助案例分析领域，提示词设计质量直接决定了输出结果的可用性。经过三年多的实战验证，我发现优秀的提示词需要同时满足三个维度：角色定位清晰、任务边界明确、输出结构化。这就像给专业厨师一份食谱，既要说明烹饪什么菜系（角色），又要明确几人份量（边界），还得规定摆盘方式（结构）。
角色定位的黄金法则：在案例四这类专业分析场景中，单纯说"你是一位专家"远远不够。我习惯采用"领域+资历+专长"的三角定位法。例如："你是一位有8年互联网医疗行业经验的战略顾问，尤其擅长商业模式分析和竞品对标"。这种定位能使AI输出的内容减少通用性套话，增加行业specific的见解。
任务边界设定常见误区是过于宽泛。去年我帮某咨询团队优化提示词时，发现他们习惯写"分析市场竞争格局"，改进后变为"分析2020-2023年华东地区高端母婴用品市场的线上渠道竞争格局，重点关注三大平台的市场份额变化"。数据显示，边界明确的提示词使报告可用率从37%提升到82%。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 三级提示词模板的深度拆解
2.1 基础模板的隐藏技巧
表面看基础模板最简单，但其中藏着几个关键设计点：
markdown复制【任务描述】
应包含：时间范围（如有）、地理范围、行业细分
示例：分析近半年长三角地区新能源汽车电池回收政策
【具体要求】
必须包含：分析维度、比较基准、数据要求
示例：从政策力度、企业响应度、实施效果三个维度，对比2023年Q3与Q4变化
【输出要求】
建议包含：优先级标记、例外处理、假设说明
示例：按影响程度排序，标注存疑数据来源，说明分析中的假设条件
我在金融行业项目中发现，加入"假设说明"后，分析报告的决策参考价值提升40%。因为AI会明确标注"基于过去五年经济平稳增长的假设"这类关键前提。
2.2 进阶模板的军事化结构
进阶模板本质是解决问题的SOP，我将其称为"侦察兵模式"：
- 背景情报：相当于战前简报，要包含行业基础数据、历史演变、关键玩家
- 问题定位：像确定作战目标，需区分根本问题与表面症状
- 分析路线：好比作战计划，明确先解决什么后解决什么
医疗行业案例显示，采用这种结构的诊断报告，与专家判断的一致性达到76%，比非结构化提示高29个百分点。