AI提示词设计指南

提示词提示词就是使用者给AI大模型的任务说明书为大模型提供生产概率的提示合格的提示词好的提示词清晰目标 明确要求 明确输出格式核心原则1.角色设定你的专属身份、专业领域、风格定位让 AI 拥有固定人设稳定输出质量。2.任务指令清晰写出用户需要完成的唯一核心任务目标单一、不模糊。3.技能明确 AI 执行任务需要具备的能力、分析维度、创作逻辑、处理步骤。4.背景说明任务场景、使用用途、受众人群、创作环境让 AI 理解上下文。5.样例零样例 少样例提供 1 个标准成品案例让 AI 对齐风格、结构、质量。6.输出 固定输出结构、字数、格式、排版、变量、语气风格严格统一。7.限制明确禁止内容、规避错误、约束风格、杜绝跑偏。提示词进阶COT 思维链让模型从“凭直觉猜答案”变为“按步骤算答案”——从快思考转向慢思考。SC自我一致性TOT思维树更进一步——它是“边走边看不行就 换条路”。TOT 将思维链的线性推理扩展为树状探索。temperature 和 top_p相同点都用于控制生成文本的随机性和多样性不同点维度temperaturetop_p取值范围0-20-1控制对象所有词的概率分布保留哪些词进入候选池工作机制调整概率分布的“平滑度”调整概率分布的“平滑度”通俗理解给每个词“加热”或“冷却”划定一个“精英圈”只从圈里选控制对象所有词的概率分布所有词的概率分布0值含义每次都选概率最高的词贪心采 样只保留概率最高的1个词等价于 temperature0 1值含义保持原始概率分布保留所有词coze平台实战翻译与猜单词案例画布工作流结构拆解主干流程走向 流程从最左侧 [开始] 节点流出首先进入 [参数组装] 节点完成入参整理随后分出多条并行处理支路各支路独立执行运算、AI 调用、代码处理逻辑最终汇总至 [变量聚合] 节点统一收敛数据后传递至 [结束] 节点完成整体流程。支路组件构成基础通用支路配置了 AI 调用、质量评估、变量定义、数据筛选、条件判断、执行动作等标准模块 数据处理支路包含 transform 转换组件、自定义代码节点负责对文本数据做格式、内容加工 嵌套循环支路内置循环容器内部嵌套问答、大模型、输出组装节点用来实现循环迭代式 AI 处理逻辑。运行结果板块输出变量框内展示了完整的英文译文译文完整对应左侧输入的校园作文内容语句通顺、段落格式匹配原文分段证实该工作流已成功实现中文文本自动英译的核心功能。完整流程图功能一将中文翻译英文AI生产者根据原文和修改建议进行翻译 → AI评估者根据翻译质量进行评分和提出修改建议 → 评分大于等于7分则终止循环 → 否则根据修改建议继续进行翻译 → 最多执行3次功能二将英文翻译中文使用插件依托 transform 做字段、文本结构规整自定义代码清洗译文多余空格、换行错乱、无效符号统一中英文排版格式给聚合环节提供标准化文本数据功能三猜单词模式抽取单词循环问答在顶层翻译校验基础上对译文语句流畅度、语法细节做二次迭代优化组装规整译文语句结构进一步提升英文译文的自然度。AI图片描述生成案例开始节点作用整个工作流的起始点位接收用户在右侧试运行面板填写的input文本内容本次输入值为雪山将输入数据以str_input变量向下传递。状态运行成功等待数据向下流转。大模型节点输入接收上游传来的str_input原始文字 “雪山”模型豆包 2.0・pro核心作用把简短的关键词扩写、润色为规范、细节丰富的 AI 绘画专业提示词输出两个变量 ①str_output加工完成的完整版风景绘图提示词 ②str_reasoning_content大模型扩写的思考过程文本耗时 5s节点运行正常把优化后的绘图提示词传递给下一个图像生成组件。图像生成节点输入接收大模型输出的标准绘图提示词str_output模型Seedream 5.0 Lite字节图像生成模型依据提示词自动绘制对应雪山风景图片输出data生成图片的资源链接、str_msg生成状态信息耗时 33s完成图片绘制输出图片地址流转至结束节点。结束节点接收图像生成节点返回的图片链接数据封装为最终output对外输出标识整条工作流执行完毕右侧试运行面板配套说明试运行输入用户填入关键词「雪山」作为原始输入内容运行整体指标总耗时 40s、消耗 317Tokens流程整体执行成功运行结果区域多媒体预览直观展示生成的雪山实景风格图片输出变量output字段返回图片在线访问链接整体完整链路总结用户输入关键词 → 大模型扩充专业绘画提示词 → 图像模型依据提示词生成雪山图片 → 输出图片链接 可视化图片预览完整流程图数字相加案例【开始】节点接收右侧试运行面板传入三组入参num13.88数字类型、num25.3数字类型、str_op运算符字符串将三个变量整体向下传递至大模型节点节点状态运行成功。【大模型】节点输入数据num1、num2、str_op三个变量内部逻辑大模型识别运算符为加号执行算式3.88 5.3 9.18输出两个变量str.output运算最终结果 9.18str.reasoning_content运算的推导、计算思路【结束】节点接收大模型的str.output结果封装为最终对外的output变量输出整条流程闭环完成。整体完整流程用户录入两个数字 运算符号 → 大模型识别算式并完成数学运算 → 输出计算结果完整流程图阿里云百炼平台实战top_p 1.0 , temperature 1.9999参数配置数值作用说明top_p1.0采样取值范围最大模型生成内容自由度最高temperature1.9999数值偏高文本创作随机性、表达丰富度更强测评文案更多样enable_search关闭不调用联网搜索仅依靠模型自身知识库生成测评内容thinking_budget4000限定深度思考的 token 开销约束模型推理计算量优点1.创作自由度拉满文案修辞丰富、话术贴近美妆博主口语风格文字氛围感强2.top_p1 代表模型会调用全部概率词汇库句式多变不会出现模板化重复文案3.适合产出种草向、风格化强的测评文案可读性更强。缺点1.随机性过高容易出现语句冗余、字数难以精准把控第一张产出文案篇幅浮动大2.极易偏离固定格式偶尔出现变量格式混乱、多余废话3.内容稳定性差相同输入多次运行文案差别会很大标准化输出能力弱4.容易产生夸张修饰较难守住 “客观中立” 的测评限制。top_p 0.6001 , temperature 1.1参数设定值参数作用top_p0.6001只选取概率靠前 60% 的词汇生成文本降低随机发散度测评文案更规整可控temperature1.1数值略大于 0保有一定文字创作灵活度不会过于死板生硬enable_search关闭不联网调用外部数据依靠模型自有知识库完成美妆测评撰写thinking_budget4000限制模型深度思考阶段最大 Token 消耗管控推理算力开销优点1.top_p0.6 只选用高概率常用词汇搭配 1.1 的温和温度输出稳定性极强每次生成格式、字数高度统一2.严格贴合约束标题字数、测评正文 100 字左右、肤质 人群描述全部精准达标3.文案简洁克制客观中立性更容易保证冗余修饰少标准化结构化输出效果最好4.校验成本低模型会主动自检各项规则出错概率极低适合批量生成测评内容。缺点1.文本创作灵活度偏低文案句式容易固化、同质化缺少博主文案的生动感2.措辞偏平实正式少了美妆测评的口语化、氛围感表达3.词汇选择范围受限创意性文案产出能力弱。