欢迎大家来到企业级AI售前机器人实战系列文章: 从0到1完成一个企业级AI售前机器人的实战指南。
本篇是该系列的第九篇,核心内容是:项目中的提示词编写, 真正应该考虑的三件:输入、输出、解决什么问题?
在AI技术迅猛发展的2025年,提示词工程(Prompt Engineering)已经从一项新兴技能发展成为企业和个人必备的核心能力。
随着大型语言模型(LLMs)的普及,如何有效地与AI沟通成为提升工作效率的关键。
本文将聚焦提示词工程的三大核心要素:输入设计、输出规范和问题解决,探讨如何在企业级AI应用(特别是售前机器人)中优化这三个方面,以获得最佳的效果。
一、提示词工程的本质与重要性
提示词工程本质上是设计和优化输入到AI系统的指令的艺术与科学。它就像是与AI对话的语言,通过精心设计的提示,我们可以引导AI生成更加准确、相关和有用的输出。
在2025年的AI应用环境中,简单的"Hello World"式提示词已经远远不够。企业面临的挑战日益复杂,需要更先进的提示技巧来充分发挥AI的潜力。正是这种需求推动了提示词工程的发展,使其成为连接人类意图与AI能力的桥梁。
二、核心要素一:输入设计
- 结构化与模块化输入 2025年的提示词设计已不再是简单的问题描述,而是高度结构化、模块化的工程实践。主流做法采用"角色设定+任务分解+示例引导"的三段式结构:
角色设定:明确AI的身份、语气、专业领域(如"你是一名资深金融分析师") 任务分解:将复杂任务拆解为有序步骤,降低模型理解难度 示例引导:通过具体示例、格式模板,约束输出风格和内容 这种结构化设计不仅提升了输出的准确率和可控性,还为后续的自动化优化和批量管理奠定了基础。
- 高级输入技术 随着提示词工程的发展,多种高级输入技术已经成熟:
思维链(Chain of Thought, CoT):引导AI像人类一样通过一系列逻辑步骤解决问题 思维树(Tree of Thoughts, ToT):将问题解决过程视为树状结构,探索多种决策可能 思维图(Graph of Thoughts, GoT):将思考过程视为复杂网络,处理涉及多个相互关联因素的复杂系统分析
- 输入优化策略 有效的输入优化策略包括:
明确语境:提供足够的背景信息,帮助AI理解问题的具体情境 精确术语:使用领域专业术语,提高AI理解的准确性 约束条件:明确设定限制条件,如字数限制、格式要求等 多样化表达:尝试不同的表述方式,找到最能激发AI潜力的表达
三、核心要素二:输出规范
- 输出格式控制 在企业级应用中,AI输出的一致性和可预测性至关重要。2025年的提示词工程特别注重输出格式的精确控制:
明确输出结构:在提示中明确指定需要的输出结构,如表格、列表、JSON等 风格统一:确保AI生成内容的语言风格、专业程度和表达方式符合企业标准 长度管理:根据应用场景需求,控制输出内容的详略程度
- 输出质量保障 高质量的输出需要在提示中设置质量标准:
准确性要求:明确要求AI基于事实和可靠信息生成内容 逻辑性指导:引导AI按照清晰的逻辑结构组织输出 创新度平衡:根据需求调节输出的创新性与保守性
- 输出反馈机制 2025年的提示词工程强调"动态反馈闭环"。企业通过用户交互反馈、A/B测试、自动化评估等机制,持续收集和分析AI输出的实际表现,形成"生成---反馈---调整---再生成"的闭环优化流程。
四、核心要素三:问题解决
- 问题定义与聚焦 提示词工程的核心在于明确AI需要解决的具体问题:
问题边界:明确定义问题的范围和边界,避免AI生成过于宽泛或偏离主题的内容 核心目标:突出强调需要解决的核心问题,确保AI的注意力集中在最重要的方面 预期成果:明确说明期望通过AI获得什么样的解决方案或见解
- 复杂问题的分解策略 对于企业级应用中的复杂问题,有效的分解策略至关重要:
算法思维(Algorithm of Thoughts, AoT):将复杂问题分解为可执行步骤,适合快速决策场景 思维骨架(Skeleton of Thoughts, SoT):专注于快速构建内容框架,适合生成大量结构化内容 思维程序(Program of Thoughts, PoT):将思考过程转化为可执行程序,适合精确计算或复杂逻辑推理
- 问题解决的评估与迭代 有效的问题解决需要持续评估和迭代:
解决方案评估:在提示中要求AI评估其提供的解决方案的优缺点 多角度思考:引导AI从不同角度考虑问题,提供更全面的解决方案 迭代优化:基于初步结果,进一步细化和优化解决方案
五、企业级AI售前机器人的实践应用
售前场景的特殊考量
在企业级AI售前机器人中应用提示词工程时,需要特别考虑:
客户需求理解:设计提示词使AI能准确理解和分析客户的需求表达 产品知识整合:将企业产品信息有效整合到提示中,确保AI能准确表达产品特性和优势 销售策略嵌入:在提示中嵌入企业的销售策略和话术,确保AI的回应符合企业销售理念
拆解开来就是我们要完成的提示词:
- 客户意图分析
提示词需要完成的目标是:准确的解析客户的意图。
提示词的输入:客户的问题和过去的历史对话。
提示词的输出:1-7之间的数字
js
export const analyse_prompt = ({ query, history }) => `
## 要求
根据用户的问题,分析用户在当前场景下最后一句话的内容符合以下哪种意图:
**1. 谈合同**
预期场景:用户表达了非常强的购买意向
示例问题:X产品怎么购买?、购买产品要签订什么协议?
响应方式:此时需要具体分析用户的意图,进行下单链接的推荐或者合同、协议的推送
**2. 留资**
预期场景:用户表达了需要换个方式沟通,或者对话过程中AI认为需要用户进行留资。
示例问题:电话联系吧、微信聊可以么?
响应方式: 此时需要存储用户的信息 + 与访客约定回访时间。
**3. 需要产品推荐**
预期场景:用户需要我们为其推荐一些产品。
示例问题:你们有适合XX场景的产品么?
响应方式:此时需要给用户进行产品推荐(必要时,需要先反问收集必要信息,然后才进行产品推荐)
**4. 咨询某产品细节**
预期场景:用户针对某产品细节进行沟通询问
示例问题:套餐A和B的区别?、某产品可以做到XX事么?
响应方式:根据对应的相关资料进行回复。没有资料时,将会触发留资场景。
**5. 需要产品介绍**
预期场景:用户需要我们介绍产品信息
示例问题:某产品怎么样?、某产品能做到XX么?
响应方式: 对产品的基本信息、能力、规格、价格、套餐、活动价、案例等进行介绍
**6. 询问其他场景**
预期场景:与售前无关,但是与企业内其他工作(售后、客户经理)相关的query
示例问题:系统始终无法正确运行,怎么办?
响应方式:针对不同场景进行个性化推荐
**7. 闲聊**
预期场景:闲聊
示例问题:你好、你是谁
响应方式:保持售前人设的同时进行简单的回复,避免回复不必要的问题。
## 对话历史
${history.join('\n')}
{ "role": "user", "content": ${query}}
## 输出
只输出1-7之间的数字,不要输出分析过程。
`
- 产品知识 + 销售策略,进行回复
提示词需要完成的目标是:结合资料,利用销售策略,完成最终的输出。
提示词的输入: 参考资料,用户的输入。
提示词的输出:流失输出结果
js
export default ({ answer }) => `
## 角色
- 你是天穹科技集团的智能售前客服,你的名字是小天,你擅长使用FABE话术进行售前沟通, 潜移默化的使用FABE话术,不要让客户感觉到你在使用FABE话术
- 你当前正在通过官网的客服界面与客户在网络上进行对话。
- 你拥有平和、友善的性格,善于在沟通中潜移默化的影响对方,并保持对话的友好和安全
- 都每一位客户都热情礼貌的进行:招呼、询问、推荐、议价、核实、道别、跟进操作
- 对话过程中,要让客户感觉到你的回答准确、尊重、舒适。
- 对话过程注意分段,不要让客户感觉到你在长篇大论。
## 参考资料
${answer}
## 输出
- 不要输出你的想法、你的行为、你的规划、你的思考过程。
- 不要把话聊死,给用户保留有回旋的余地。
`
结语
2025年的提示词工程已经从简单的"问AI问题"发展成为一门精密的工程学科。通过聚焦输入设计、输出规范和问题解决这三大核心要素,企业可以显著提升AI应用的效果,特别是在售前机器人等关键业务场景中。
随着AI技术的持续发展,提示词工程将继续演化,但其核心原则仍将围绕如何更有效地表达人类意图、控制AI输出以及解决实际问题。掌握这三大要素,将是企业在AI时代保持竞争力的关键能力之一。
加油!共勉!
☺️你好,我是华洛,如果你对程序员转型AI产品负责人感兴趣,请给我点个赞。
你可以在这里联系我👉www.yuque.com/hualuo-fztn...
已入驻公众号【华洛AI转型纪实】,欢迎大家围观,后续会分享大量最近三年来的经验和踩过的坑。
专栏文章
# 从0到1打造企业级AI售前机器人------实战指南三:RAG工程的超级优化
# 从0到1打造企业级AI售前机器人------实战指南二:RAG工程落地之数据处理篇🧐