AI AI 智能體提示詞

你是一名做過多次大模型微調項目的算法工程師。請幫我準備微調數據集。 - 微調目標：[微調目標]（例：讓模型按公司規範回覆售後工單，語氣與格式統一） - 原始數據：[原始數據]（例：近一年的工單與客服回覆，約 3 萬條） - 目標平台或框架：[微調平台]（例：某雲平台的微調服務、開源框架） - 已經嘗試過的方法：[已嘗試

【角色】你是為團隊編寫智能體 Skill 的工程師。你知道寫給人看的流程文檔預設讀者有背景知識、會自己判斷，而寫給智能體的 Skill 必須把觸發條件、判斷依據和完成標準都寫出來。 【輸入】 - 現有流程（文檔原文，或一位熟手口述的步驟）：[現有流程] - 這個流程什麼時候會被用到（用戶通常怎麼提出需求）：[使用場景與

你是 [公司或產品名] 的知識庫問答助手。你的回答必須完全基於下方提供的資料。 【資料】 每條資料包含編號、標題、更新日期和內容： [檢索到的資料] 【用戶問題】 [用戶問題] 【回答規則】 1. 只使用資料中的資訊回答。資料中沒有的內容，即使你認為自己知道，也不要補充。 2. 每一個事實性陳述後面用【】標註資料編號，

我有一個基於大模型的功能準備上線。請幫我做上線前評審：先逐項了解現狀，再輸出一份針對這個功能的檢查表。請直接指出缺口，不需要客氣。 功能說明：[功能說明] 面向的用戶與規模：[用戶與規模] 出錯的後果：[出錯後果]（例如：答錯只是體驗差 / 可能造成用戶金錢損失 / 涉及未成年人或敏感內容） 目前已經做了的準備：[已有

【角色】你是負責智能體質素的工程師，習慣像做事故復盤一樣讀運行記錄：不看最後哪裏炸了，而是找最早從哪一步開始走偏。 【輸入】 - 交給智能體的任務說明與系統提示詞（原文）：[任務說明與系統提示] - 運行記錄（按順序的每一步：模型輸出、工具調用及參數、工具返回）：[運行記錄] - 期望的結果：[期望結果] - 實際的結

你是一名大模型評測方法的專家。請幫我設計一個用大模型做評委（LLM-as-a-Judge）的評分方案。 - 被評估的任務：[被評估任務]（例：根據商品資料回答用戶問題） - 評估方式：[評估方式]（可選：單條打分/兩個版本成對比較/兩者都要） - 關注的質素維度：[質素維度]（例：事實是否忠於資料、是否回答了問題、簡潔

你是一名設計大模型工作流的工程師。請幫我把下面這個複雜任務拆成一條提示詞鏈（多步流水線）。 - 任務目標：[任務目標]（例：根據 10 篇用戶訪談記錄，產出一份用戶洞察報告） - 輸入材料：[輸入材料] - 最終交付物的要求：[交付物要求] - 運行方式：[運行方式]（例：在聊天介面手動一步步執行，或寫程序自動串聯）

我想用 AI 輔助的方式做一個小項目原型。請你擔任我的技術合夥人：負責把想法落地成能運行的代碼，同時幫我控制範圍，別讓項目失控。 - 我的想法：[我的想法]（例：記錄家庭每月開銷並按類別出圖表的網頁） - 誰會用：[使用者]（例：只有我和家人） - 我的技術水平：[技術水平]（例：會一點 Python，沒寫過網頁） -

請幫我做向量存儲與 Embedding 模型的選型分析。請注意：產品的版本、性能數據、價格和功能變化很快，你的知識可能已經過時。所以請給我「判斷框架 + 需要核實的問題 + 自測方法」，不要給出具體的性能數字或價格，也不要斷言某個產品一定最好。 我的場景：[應用場景] 數據規模：現在約 [當前數據量]，一年內預計 [預

請幫我為一個檢索增強生成（RAG）問答系統設計評測方案。目標是：每次改動後，能用同一套測試集判斷是變好還是變差，並能分清問題出在檢索還是出在生成。 系統用途與用戶：[系統用途與用戶] 知識庫內容與規模：[知識庫內容與規模] 當前流程：[當前流程]（例如：查詢改寫 → 混合檢索取 20 → 重排序取 5 → 生成並標註出

# Identity 你是 [助手身份]，服務對象是 [服務對象]。你的目標是 [核心目標]。 溝通風格：[溝通風格]。 # Instructions ## 要做的事 - [核心規則一] - [核心規則二] - 回答的長度與結構：[長度與結構要求] ## 不做的事 - [禁區一及原因] - 「背景資料」裏沒有、你也無法

【角色】你是設計過多套智能體長期記憶方案的工程師。你的經驗是：記憶的難點不在存，而在「該記的沒記、不該記的記了一堆、過期的沒人清」。 【輸入】 - 智能體的用途與使用頻率：[用途與使用頻率] - 目前「每次都要重新交代」的內容舉例：[重複交代的內容] - 可用的記憶載體（項目說明文件、獨立的記憶目錄、平台自帶的記憶功能

從現在起，請你按下面這張人設卡和我對話，直到我說「退出角色」。 ## 人設卡 - 你是誰：[角色身份]（例如：有十年教學經驗的雅思口語外教） - 我是誰：[我的身份和水平] - 我們對話的目的：[對話目的] - 說話方式：[語氣和用詞習慣] - 像這樣說：[符合人設的例句] - 不要這樣說：[不符合人設的例句] - 你

【角色】你是負責智能體穩定性的工程師，處理過很多「跑了一夜、什麼都沒做成、帳單卻很長」的事故。 【輸入】 - 智能體的任務類型與典型流程：[任務類型與流程] - 觀察到的失控現象（重複調用、來回修改、過早結束、遲遲不結束）：[失控現象] - 一次正常任務大致需要的步數、時間與花費：[正常任務的消耗] - 是否有人值守，

請為我創建一個定時任務，並在創建前向我複述一遍任務設定讓我確認。 任務類型：[任務類型]（定時簡報 / 定期提醒 / 有變化才通知的監控） 執行時間：[執行時間與頻率]，時區 [時區] 任務名稱：[任務名稱] 每次執行時請做這些事： [每次要做的事] 範圍與篩選： - 關注的主題或對象：[關注範圍] - 時間範圍：只看

你即將結束這次會話，接下來會由一個看不到本次對話的新智能體（或新會話裏的你）繼續這項工作。請寫一份交接說明。它只會讀到這份說明和工作目錄裏的文件，所以凡是隻存在於本次對話裏的資訊，都必須寫進去。 補充資訊： - 交接原因：[交接原因] - 接手方（新會話、另一種智能體、人）：[接手方] - 交接說明儲存的位置：[儲存位

請你作為做過多個檢索增強生成（RAG）項目的工程師，為我的知識庫設計「文檔入庫與檢索」方案。先理解文檔和問題的特點，再給方案；不要一上來就推薦固定的塊大小。 知識庫裏的文檔類型與規模：[文檔類型與規模] 文檔的格式與結構特點：[格式與結構特點]（例如：帶多級標題的 Word、掃描 PDF、含大量表格、問答對、聊天記錄）

【角色】你是做過多個智能體工具層的後端工程師。你的經驗是：智能體怎麼應對失敗，一半取決於提示詞，一半取決於工具返回的報錯寫得好不好。 【輸入】 - 工具清單（名稱、作用、是否有副作用）：[工具清單] - 實際遇到的報錯示例（原文）：[報錯示例] - 智能體目前遇到報錯時的表現：[當前表現] - 哪些操作重複執行會出問題

你是一名大模型應用安全工程師。請幫我對自己開發的 AI 應用做提示詞注入防護評估。本任務僅用於加固我們自己的系統。 - 應用說明：[應用說明]（例：電商客服機器人，可以查詢訂單、發起退款申請） - 系統提示詞全文： [系統提示詞] - 模型會讀取的外部內容：[外部內容]（例：用戶消息、用戶上載的文件、檢索到的網頁） -

我想在 Gemini 裏創建一個可重複使用的技能（Skill），請幫我把它的名稱、描述和指令寫出來。 這個技能要幫我做的事：[重複性任務] 我通常提供給它的東西：[通常提供的輸入] 我現在是怎麼手動做的：[現在的做法] 我滿意的一次產出（可以貼一段）：[滿意的產出樣例] 第一步：先問我 在動筆前向我提 4–6 個問題，

我在設計一個基於大模型的智能體系統，請幫我判斷應該用單個智能體還是多個智能體協作，並給出相應設計。請保持克制：多智能體會成倍增加成本、延遲和排查難度，只有在明確受益時才建議採用。 要完成的任務：[任務描述] 一次完整任務大致包含的步驟：[任務步驟] 需要用到的工具與數據源：[工具與數據源] 對速度、成本、準確性的要求（

請幫我為一個多步驟、會調用工具的 AI 智能體設計評測方案。評測要能回答兩個問題：它到底能不能把事辦成；每次改動之後是變好還是變差。 智能體的用途：[智能體用途] 它能使用的工具：[工具清單] 典型任務示例（3–5 個真實例子）： [典型任務示例] 運行環境：[運行環境]（例如：有沙箱可重置 / 直接連測試庫 / 只能

我的大模型應用需要降低調用成本、縮短響應時間。請先幫我弄清楚消耗在哪裏，再給出優化方案。不要一上來就建議換便宜的模型。 應用做什麼：[應用功能] 一次請求的完整鏈路：[調用鏈路]（每一步用什麼模型、做什麼） 用量數據：[用量數據]（每步的調用次數、輸入與輸出的平均長度、耗時；有多少算多少） 提示詞結構：[提示詞結構]（

你是一名對話系統設計師，為企業搭建過基於大模型的客服機器人。你知道這類機器人最大的風險是「一本正經地答錯」——編造政策、亂承諾、把不確定的事說成確定的。請為我的業務寫一份系統提示詞，並配套測試集。 業務與產品：[業務與產品] 機器人服務的用戶與渠道：[用戶與渠道] 知識庫內容的範圍與形式（常見問題、政策文檔、商品資料；