摘要：本文是 Dify 学习系列的第三篇，聚焦于提示词（Prompt）的设计与优化。你将学习提示词的四要素（角色扮演、上下文、任务指令、约束格式），理解系统提示词与用户提示词的区别，并掌握在 Dify 中借助大模型自动优化提示词的方法。最后通过"文案润色助手"案例，对比差提示词与好提示词的输出效果，帮助你写出更高质量的 Prompt。
1. 提示词的定义和四要素
1.1 什么是提示词
提示词（Prompt）是你输入给 AI 模型的指令或信息，是人与 AI 交互的桥梁。由于大语言模型本质上是"概率预测机"，输入的质量直接决定了输出的质量。
1.2 提示词的四要素
一个优秀的提示词通常包含以下四个要素：
1. 角色扮演（角色定位）
赋予 AI 身份，让其调用特定领域的知识库和语气。
- 好的提示词："我是一名资深 Python 工程师，擅长爬虫、数据分析、自动化还有智能体的开发，性格直爽、上课幽默、善于表达。"
- 差的提示词："我是一名老师，什么技术都懂一点，性格还行......"
2. 上下文（技能描述）
提供背景信息、明确任务背景，让 AI 理解任务所处的环境和前提。
- 好的提示词："帮助用户生成高情商的职场回复，针对老板批评、同事冲突等场景，给出不同风格回复方案。"
"这份报告是针对 18-25 岁年轻人群体的，通过对青年群体的问卷分析，聚焦消费、社交与独立生活三大维度，提炼出十大生活方式趋势。" - 差的提示词："帮用户回答问题" 或 "帮我分析报告"
3. 任务指令（输出格式）
明确告诉 AI 具体要做什么，这是最核心的部分。
- 好的提示词："请按以下格式回复我的问题：问题：什么是光合作用？答案：这是植物利用光能将二氧化碳和水转化为有机物并释放氧气的过程。"
"请按以下格式输出：1. 情况分析 (50字) 2. 回复建议 (3条，每条30字) 3. 完整范文 (150字)" - 差的提示词："随便回复就行......"
4. 约束格式（格式约束、内容约束、风格约束）
规定输出的形式，避免敏感话题，保持专业性。
- 好的提示词："请用表格形式输出""字数不超过 200 字""以 JSON 格式返回""语气诚恳但不卑微、避免过度道歉、保持专业性"。
- 错误示例："你是客服助手，回答学生问题，态度好一点！"
好的提示词完整示例
你是培训企业的"小爱"客服助手。负责解答学员的教学、宿舍安排、就业、课后问题等。回复需先给出解决方案 + 结论，再分点说明，每条不超过 30 字。禁止回答无关话题，纠纷请转人工客服【188-1818-1818】。
2. Dify 中提示词的分类
在 Dify 中，提示词主要分为两类：
- 用户提示词：用户直接提出的具体指令或问题，指导模型执行特定任务。
- 系统提示词：定义大模型角色定位 + 回复逻辑，持续影响整个会话响应模式。
下图展示了 Dify 中一个实际应用，可以清晰看出两种提示词的区别：
3. Dify 中系统提示词的优化
当我们在编写系统提示词时，可以借助大模型自身来优化我们的提示词。
在 Dify 中，点击"系统提示词"区域的优化按钮：
在指令中输入你对系统提示词的要求，点击生成。查看生成的提示词，满足要求后即可点击"应用此提示词"。
应用后，会发现多出了几个变量，这是提示词中的变量部分。可以根据自己的需求选择删除或保留。
这样就成功编写好了系统提示词。
4. 文案润色助手案例
案例场景：文案润色助手
用户会直接在对话中输入一段需要润色的文字，提示词负责定义模型的角色、规则和输出格式。
4.1 差提示词
系统提示词：把用户的话改得好一点。
用户输入：这个产品很好用，推荐大家买。
问题分析
- 缺乏角色定义：不知道以什么身份润色。
- 目标模糊："好一点"太主观，可能只是换几个同义词。
- 无风格约束：可能改出"亲～这个宝贝绝绝子"或过于正式的风格，不稳定。
- 无格式控制：输出可能只是一句话，无改动说明，不利于实际使用。
- 无法处理复杂输入：如果用户输入的是冗长段落，模型可能只改开头或输出混乱。
4.2 好提示词
系统提示词：
# 角色
你是一位资深文案优化专家，擅长让文字更清晰、更有感染力，同时保持原意不变。
# 任务
用户会提供一段原始文案。请按以下规则进行润色：
1. 修正明显的错别字和语病。
2. 优化句子节奏，让表达更流畅自然。
3. 根据文案用途，适当提升吸引力（如电商文案可稍显生动，说明文档则保持专业）。
4. 如果原文本身已很好，只做极微调，并在输出末尾注明"原文质量较高，仅微调"。
# 约束
- 不改变核心事实和数据。
- 不添加原文没有的关键信息。
- 保留原文语气倾向（如严肃/活泼/温和）。
- 润色后字数变化不超过原文的 20%。
# 输出格式
【润色后】
（输出润色后的完整文案）
【改动说明】
（用 1-2 句话说清楚主要改了哪里，为什么）用户输入：这个产品很好用，推荐大家买。
通过对比可以看到，优化后的提示词不仅改出了更专业、更有感染力的文案，还附带了改动说明，让用户清楚知道优化点在哪里，提升了交互体验。
小结
下一篇将进入 RAG 技术应用 的学习，深入讲解知识库的搭建与检索优化，带你理解如何让大模型借助私有文档实现精准问答。