去年在做一个智能客服优化项目时,我发现同样的DeepSeek模型,用不同结构的提示词(prompt)得到的输出质量能差出三个档次。这促使我系统研究了ROSES(Role-Objective-Steps-Examples-Style)提示词框架,经过半年多的实战验证,现在用这套模板能让DeepSeek的输出精准度提升60%以上。
ROSES不是简单的关键词堆砌,而是通过结构化思维引导大模型进入"心流状态"。就像教新人做事:先明确身份角色(Role),再讲清楚任务目标(Objective),接着分解操作步骤(Steps),然后给具体参考案例(Examples),最后约定表达风格(Style)。这种符合人类认知规律的框架,特别适合需要复杂推理的深度任务。
角色设定远不止"你是一个AI助手"这么简单。在医疗咨询场景中,对比两种提示词:
实测发现后者生成的建议:
关键技巧:角色要包含具体职称、年限、专长领域三个要素,像简历一样精确。用"副主任医师"而非"资深医生"这类模糊表述。
糟糕的目标描述:"帮我写篇文章"
ROSES标准版:"生成一篇面向30-45岁职场父母的2000字科普长文,用生活案例解释儿童肺炎的早期症状识别、家庭护理要点、就医时机判断三个核心模块,要求包含3个真实症状对照表"
实现方法:
以"市场分析报告"为例,步骤分解常见错误:
理想粒度:
无效案例:
"例如可以这样写..."
有效案例:
"参考以下财务分析段落结构:
【营收】2023年Q3同比增长12%(上期8%),主要来自...
【成本】原材料成本占比从35%升至...
【建议】考虑与XX供应商谈判长期..."
注意:案例要展示完整段落,包含数据标记、分析逻辑、专业术语三要素
模糊要求:"语言生动一些"
ROSES标准:
测试发现最佳参数组合:
错误1:角色冲突
"你既是严谨的科学家,又是幽默的段子手" → 改为"用科学家严谨的论证框架,在举例时穿插生活化类比"
错误2:步骤漏项
缺少"请逐步思考"指令 → 模型直接跳到最后结论
错误3:案例过时
使用2021年前的数据 → 触发模型警告"该统计方法已更新"
学术论文辅助写作模板:
【Role】学术编辑,擅长将复杂理论转化为可读性强的科普内容
【Objective】帮我简化这篇量子计算论文的摘要(附原文),保持核心论点完整
【Steps】1)识别专业术语 2)找生活类比 3)重写句子 4)检查准确性
【Examples】见附件改写前后的对比段落
【Style】Nature期刊的"News & Views"栏目风格
建立评估矩阵:
迭代发现:加入"请逐步思考"指令后,逻辑链条完整性从72%提升到89%。现在我的标准模板开头固定包含:
"请按照以下步骤思考: