提示词管理#

什么是提示词（Prompt）？#

提示词（Prompt）是用于指导AI模型生成特定内容或执行特定任务的简短指令。它就像给AI的一个“提示”，帮助AI理解你想要什么结果。

例如，如果你想要AI写一篇关于“气候变化”的文章，你的提示词可以是：“请撰写一篇关于气候变化对全球影响的文章，字数800字左右。” AI会根据这个提示词生成相应的内容。

提示词可以非常简单，也可以包含详细的指令，甚至可以包含示例文本，以引导AI生成更符合预期的结果。合理使用提示词，可以大幅提升AI生成内容的质量和效率。

提示词（Prompt）管理功能#

合理的Prompt管理功能具有以下的优势：

• 公司级知识复用：让您高效复用公司知识，确保统一最佳实践；
• 团队级灵活定制：团队可灵活定制Prompt，在遵守公司企业与团队的规则下，可以对团队的工作框架和工作流按需定制，渐进调优并共享；
• 版本控制与演进：版本控制支持迭代演进，便于跟踪变化和应对更新。

这提升了AI工作的规范性、协作性和创新性，同时强化合规与效率。

我们以保险行业为例，展示Prompt管理功能如何助力企业和团队。保险行业流程一般包括投保申请、核保、账单生成、保费收取、佣金发放、理赔和续保等，必须严格遵守《保险法》、监管法规（如银保监会要求）、公司风险控制制度，并以保护客户隐私为核心。构建Prompt管理功能时，可以从以下几个方面考虑：

1. 公司级Prompt库：创建一个公司级的Prompt库，包含所有符合监管要求和公司政策的标准化Prompt。所有团队复用这些Prompt，减少重复工作，提升效率。例如：

   • 投保申请："请根据客户提供的信息生成一份完整的投保申请表，确保符合《xx保险法》相关规定。"
   • 理赔处理："请审核客户的理赔申请，确保所有信息准确无误，并符合公司的理赔政策。"

2. 团队级Prompt定制：各团队可以在公司级Prompt的基础上，结合具体业务需求进行定制。例如，不同的团队可以创建专门的Prompt来处理复杂的理赔案件、续保通知等：

   • 复杂理赔："请根据客户提供的事故详情，生成一份详细的理赔报告，包含事故原因、损失评估和赔付建议。"
   • 续保提醒："请生成一封续保提醒邮件，内容包括客户的保单信息、续保优惠和联系方式。"

3. 版本控制与演进：为每个Prompt设置版本控制，记录每次修改的内容和原因。这样可以确保团队始终使用最新、最合规的Prompt，并且可以追溯历史版本。例如：

   • 版本1.0：初始版本，包含基本的投保申请和理赔处理Prompt。
   • 版本1.1：更新投保申请Prompt，增加了对新法规的遵守要求。
   • 版本2.0：新增复杂理赔和续保提醒Prompt，满足团队的特定需求。

通过以上方式，Prompt管理功能不仅提升了保险行业的工作效率和内容质量，还确保了所有操作符合监管要求和公司政策，保护客户隐私，降低风险。

您可以通过以下方式管理和使用提示词：

• 浏览提示词：在 提示词中心 查看所有现有提示词，并新建、编辑、克隆和删除提示词
• 创建新提示词：点击"新建提示词"按钮创建个性化提示词
• 编辑提示词：修改提示词名称和并编辑提示词的内容
• 克隆提示词：复制现有提示词，基于任务需求进行微调
• 少量示例：添加问答示例，让AI更好理解您的期望并输出类似的结果

提示词（Prompt）的最佳实践#

如果你想让模型按你的预期工作，关键在于“写清楚、给步骤、可验证、可迭代”。以下将给出一些最佳实践，帮助你更好地编写提示词：

原则 1：提供清晰和具体的指令#

• 策略 1：用分隔符标注输入的不同部分

使用分隔符的意义在于避免用户输入的文本可能存在一些误导性的话语对应用功能造成干扰，常用的分隔符包括： ```, """, < >, <tag> </tag>

• 策略 2：要求结构化输出

这样有助于模型输出结果直接用于程序，比如输出的json可以直接被python程序读取并转换为字典格式。

示例：

• 策略 3：让模型自检是否满足条件

示例：

• 策略 4：少样本提示（Few-shot）

常用做法：给1–3个小而标准的示例（输入→理想输出），再给新输入，要求“遵循示例风格与结构”。示例要短而代表性强，避免噪声。

原则 2：给模型时间来“思考”#

• 策略 1：指定完成任务的步骤

示例：

• 策略 2：先找解法再结论

示例：

提示词的微调与迭代#

我们很难在初次尝试中就设计出最佳的提示，因此需要根据模型的反馈进行分析，分析输出具体在哪里不符合期望，然后不断思考和优化提示词。

以下是一些建议：

• 明确目标与评价标准：例如“转化率提升”“信息正确率≥95%”“响应≤500字”。
• 建立小型测试集：覆盖常见、边界和极端输入，每次修改都回归测试。
• 从最小可行Prompt开始：逐步加入约束与自检清单，避免一次写满导致相互冲突。
• A/B 测试：并行对比两版Prompt，保留胜出版本。
• 错误归因：是指令不清、输出格式不稳、数据缺失，还是需要工具/知识库？对症优化。
• 版本控制：为每次修改记录目的、变更点、指标变化；必要时回滚。
• 团队评审与共享：沉淀最佳实践为团队模板，个人在此基础上细化。
• 多模型适配：同一意图，基于不同模型的风格与上下文长度，微调措辞与结构。
• 结合知识与工具：对需要事实支撑的任务，优先接入知识库检索/工具，再要求生成。