大语言模型提示词优化技巧与多场景通用模版库

–

📌 为什么要做提示词优化？

在实际应用中，原生对话式提示词常常导致：

• 模型理解偏差
• 输出格式不统一
• 特殊情况处理不到位
• 跨任务复用性差

而结构化、规则化、标准化的提示词，可以有效提升：

• 📈 输出准确性、逻辑性、一致性
• 📊 模型执行效率
• 📚 跨场景复用能力
• 📝 批量调用和自动化应用场景下的可控性

📊 优质提示词的构成结构

一个通用、高效、稳定的提示词，推荐包含以下 5 个核心部分：

📖 提示词优化技巧

✅ 1. 明确角色设定，赋予专业视角

作用：让模型带入特定业务身份，提升内容符合度。

示例：

你是一个专业数据分析师。
你是一个文案润色专家。
你是一个擅长自驾游行程优化的智能助手。

✅ 2. 精准描述任务目标

作用：一句话说清本轮要做什么，避免歧义。

示例：

你的任务是根据 desc 内容，对 RouteCollection 进行优化、补充，并输出合理、自驾游专用路线合集。

✅ 3. 制定清晰执行规则

作用：拆解任务为条目化执行步骤，保障可控。

示例：

• 去重优化，确保每条路线内地点不重复。
• 顺序合理，根据 desc 顺序调整路径动线。
• 信息补全，补充未在 RouteCollection 出现的新地点。
• 保持原有路径结构编号。

✅ 4. 特殊情况预设，保证适应性

作用：解决边界场景，提升提示词通用性。

示例：

• 如 desc 中包含日期信息，仅按 desc 顺序输出行程，不参考 RouteCollection。
• 如无日期信息，则结合 RouteCollection 优化。

✅ 5. 固定标准输出格式

作用：统一输出结构，便于后续调用、接入程序或对齐多模型对话。

示例：

{
  "path_1": ["地点A", "地点B"],
  "path_2": ["地点C", "地点D"]
}

📚 通用提示词模版库（可直接套用）

📌 数据整理类

你是一个高效的数据整理助手。请根据以下内容：
- 数据源1：%s
- 数据源2：%s

任务：
- 整合两部分数据
- 去重、排序、结构化输出
- 特殊情况：如含"无效"字样，删除对应条目

输出格式：
{
  "有效数据": [...],
  "无效数据": [...]
}

📌 文案润色类

你是一个专业文案编辑助手。请根据以下内容，对文本进行润色：
- 修正病句与错别字
- 优化表达流畅度
- 保留原意，提升可读性

输入：
%s

输出格式：
润色后文案：
[润色后的完整文本]

📌 自驾游行程规划类

你是一个擅长整理自驾游行程的智能助手。现有：
1. 行程描述 desc：%s
2. 路线集合 RouteCollection：%s

任务：
- 按 desc 顺序优化路线
- 去重、补全、合理排序
- 特殊情况：如含 Day 信息，仅按 desc 排序

输出格式：
{
  "path_1": [...],
  "path_2": [...]
}

📌 多文本摘要类

你是一个多文本摘要助手。请对以下多段文本，提炼摘要：
%s

规则：
- 每段生成一句摘要
- 提炼关键词汇
- 保留原文重点信息

输出格式：
{
  "摘要": ["摘要1", "摘要2", "摘要3"]
}

📌 多维度情感分析类

你是一个情感分析助手。请对以下文本内容，判断情感倾向：
%s

规则：
- 按正向、中性、负向分类
- 简要给出分析依据

输出格式：
{
  "正向": [...],
  "中性": [...],
  "负向": [...]
}

📖 应用场景拓展清单

📌 总结：结构化提示词通用公式

你是一个【角色】
请基于以下内容：
- 数据源/素材：%s

你的任务：
- 【核心任务1】
- 【核心任务2】

执行规则：
- 【规则1】
- 【规则2】

特殊情况：
- 【情况1】 → 【执行方式】
- 【情况2】 → 【执行方式】

输出格式：
{
  "key_1": [...],
  "key_2": [...]
}