Automation中的 AI 提示词工程

为什么Automation中的提示词更重要

在Manual使用 ChatGPT 时, 你可以看到输出并随时调整. 但在Automation Workflow中, AI 的输出会直接进入下一个步骤——如果输出格式不对或Content有误, 整个Workflow就会出错. 因此, Automation中的提示词需要比Manual使用时更精确, 更结构化, 更防错.

Automation提示词的核心原则

原则一: 明确输出格式——告诉 AI 必须输出 JSON/CSV/纯文本等特定格式. 原则二: 限定输出范围——避免 AI 发散, 只输出需要的Content. 原则三: 提供示例——给 1-2 个输入输出示例, AI 会模仿格式. 原则四: Settings兜底——告诉 AI 遇到无法Processing的情况时输出什么 (如'SKIP'或空值) . 原则五: 避免歧义——每个指令只有一种理解方式.

结构化输出的写法

在Automation中, 最常见的Demand是让 AI 输出结构化Data. 推荐写法: '请Analysis以下Email Content, 以 JSON 格式输出: {"category": "类别", "urgency": "high/medium/low", "summary": "一句话摘要", "action_needed": true/false}. 如果无法判断某个字段, 使用 null. 不要输出 JSON 以外的任何Content. '

常见Scenario的提示词Template

Email Classification: '你是Email Classification助手. 将Email分为以下类别之一: [Customer咨询/内部Notification/Marketing Email/垃圾Email]. 只输出类别名称, 不要解释. 'Content改写: '将以下Article改写为适合[Platform名]的风格, 字数控制在[X]字以内. 保留核心信息, 调整语气为[正式/轻松/专业]. 'Data提取: '从以下文本中提取所有提到的日期, 金额和人名, 以表格格式输出. 如果某项信息不存在, 标记为 N/A. '

提示词调试方法

第一步: 用 5-10 个真实输入Test提示词. 第二步: 检查输出格式是否一致 (最常见的Issue) . 第三步: 检查边界情况 (空输入, 超长输入, Anomaly格式) . 第四步: 记录Failed案例, Analysis原因并调整提示词. 第五步: 在Automation Platform中Settings输出验证规则, 格式不对时触发重试或人工Processing.

高级技巧

1) Chain of Thought: 让 AI 先Analysis再输出结论, 提高准确率. 2) Few-shot Learning: 提供 3-5 个示例, AI 会学习模式. 3) Role设定: '你是一个严格的Data验证员'比'请检查Data'效果好. 4) 负面示例: 告诉 AI 不要做什么, 和告诉它要做什么一样重要. 5) 温度参数: Automation Scenario Suggestion temperature=0 或 0.1, 确保输出稳定.