3、Prompt核心要素：角色设定、任务描述、上下文提供、输出格式控制

好，咱们直接进入正题。写Prompt这事儿，说白了就是跟AI对话。但很多人把它想得太玄乎了。其实核心就四个要素：角色、任务、上下文、格式。把这四个点拿捏住，你的Prompt质量至少提升80%。

我刚开始做数据分析时，也踩过不少坑。有一次让AI分析销售数据，结果它给我写了一篇散文。嗯，那场面挺尴尬的。后来我才意识到——不是AI不行，是我没说清楚。

3.1 角色设定：给AI一个身份

为什么要设定角色？因为角色决定了AI的「思维框架」。你想想看，让一个厨师去修车，和让一个机修工去修车，结果能一样吗？

我个人习惯，在Prompt开头就明确角色。比如：

你是一名资深数据分析师，有10年电商行业经验。
擅长处理用户行为数据和销售漏斗分析。

这样AI就知道该用什么语气、什么专业术语来回答你。我在项目中遇到过，同样的数据，让AI以「市场分析师」和「财务分析师」身份解读，结论完全不同。前者关注增长趋势，后者关注成本控制。

3.2 任务描述：说清楚你要什么

任务描述是Prompt的灵魂。很多人写任务描述，就一句话：「分析一下这些数据」。这太模糊了。AI会懵的。

我建议用「动词+对象+目标」的结构。比如：

任务：对2024年Q1的销售数据进行异常检测。
目标：找出销售额波动超过20%的SKU，并分析原因。

为什么会这样？因为AI需要明确的指令边界。你给它一个模糊的任务，它就给你一个模糊的结果。我曾经让实习生写Prompt，他说「帮我看看数据」，结果AI输出了20页的废话。后来改成「帮我统计各渠道的转化率，按周维度展示」，效率直接翻倍。

3.3 上下文提供：给AI足够的背景信息

上下文，说白了就是「前情提要」。AI没有记忆，每次对话都是全新的。你不给它背景，它就瞎猜。

我一般会在Prompt里提供：

• 数据来源：这些数据是从哪里来的？CRM系统？还是第三方平台？
• 业务背景：这次分析是为了什么？是季度汇报？还是产品优化？
• 已知信息：之前做过哪些分析？有什么结论？

举个例子：

上下文：这是某电商平台2024年1-6月的用户行为数据。
之前我们已经发现，3月份的用户留存率下降了5%。
现在需要进一步分析，是哪个渠道的用户流失最严重。

你看，有了这个上下文，AI就知道该往哪个方向使劲。我记得有一次做项目，客户直接扔给我一堆数据，什么背景都没说。我花了三天才理清业务逻辑。后来我学乖了，每次写Prompt都先交代清楚「来龙去脉」。

3.4 输出格式控制：让结果一目了然

这是很多人忽略的一点。你想想看，AI输出的内容再正确，如果格式乱七八糟，你也得花时间整理。为什么不一开始就让它按你想要的格式输出？

我常用的格式控制方式：

格式类型	适用场景	示例
表格	对比数据、统计结果	「请用Markdown表格输出，包含产品名、销售额、增长率」
列表	步骤、要点、建议	「请用有序列表列出5条优化建议」
代码块	SQL、Python脚本	「请用Python代码块输出，并添加注释」
JSON	结构化数据、API返回	「请用JSON格式输出，包含id、name、value字段」

举个例子，我经常这样写：

请按以下格式输出：
1. 先给出结论（一句话概括）
2. 然后用表格展示各渠道的详细数据
3. 最后列出3条可执行的建议

这样AI输出的内容，我直接就能拿去用，不用二次加工。嗯，这里要注意：格式要求越具体，AI的完成度越高。别只说「整理一下」，要说「用表格，第一列是日期，第二列是销售额，第三列是环比增长率」。

我个人习惯，写Prompt时先搭框架：角色→任务→上下文→格式。然后逐条填充。这样写出来的Prompt，AI基本不会跑偏。你试试看，效果立竿见影。