Prompts

提示词工程必备：两套经过验证的高质量结构化模板

发布于 2025年9月2日

现在开发 ai 应用的提示词，大量的时间都会浪费在反复调试上。问题的根源不是技巧不够，而是缺乏系统化的结构。

最近看到了 Anthropic 专家分享的开发优质的提示词的最佳实践，意识到提示词的结构非常重要，有了这个结构，你可以快速开发不同的提示词、快速调试。

我将为你拆解两套经过验证的提示词结构，一个通用的结构和一个AI客服专用的结构。并且整理了可以直接拿去用的模板。

通用的提示词结构

首先我们先看这个提示词结构，他分成了 5 个部分。

用 1 到 2 句话确立角色定位和高级任务描述

通常都是 你是一名XXX，你的目标是XXX
动态的或检索到的内容

这是提供给 AI 来完成这次任务的上下文，在你的程序中，是动态插入的内容。通过 XML 标签来为每个内容提供值。
详细的任务说明

详细的描述任务，很可能是需要让 ai 按步骤一步一步执行，那么就是使用 1、2、3 一点一点描述。
示例/少样本学习（可选）

很多时候，给 AI 少量的样本学习，非常有用，他会学习你示例的结构来输出结果。
重复关键指令（对于超长提示词尤其有效）

一般我们都建议在结尾再次强调 AI 的这次任务，尤其是对超长的提示词，避免让 AI 走偏。

由此，我们就可以组装成一份我们的提示词模板了

你是一名{...角色...}，负责根据用户输入{...角色描述...}。
你的目标是{...任务目标描述...}。

你可以了解的信息：

{...
提供给 AI 的上下文。使用 XML 标签包装
<info>
{{INFO}}
</info>
...}

你必须按照一下的流程一步一步执行：
1. {...流程描述...}
2. {...流程描述...}

以下是你输出结构的示例：
<example>
{...你需要输出的结构示例...}
</example>

现在根据提供给你的xxx信息，{...再次强调任务...}

适用 AI 客服的提示词

这份提示词更加详细强大，拆分成了 10 块内容。可以根据实际的场景进行删减。

任务上下文

这一点是一样的，也是 你是一名XXX，你的目标是XXX。
语气上下文

不同类型的客服角色可以用不同的语气。一般描述为你应该保持友好的客户服务语气。。也可以是轻松的、幽默的、严肃的等等。
背景数据、文档和图像

提供 AI 客服需要了解的背景知识，可以是文档，甚至是图片。
详细的任务描述和规则描述

针对不同的客服场景，需要定制不同的规则
提供示例
历史对话

这里可以存放历史对话的上下文，和用户本次的问题。不再是使用框架组装成的对话历史，而是完全自定义。
即时任务描述或请求
让 AI 逐步思考
输出的格式定义
预先填写的回复

根据你的场景，可以预先填写恢复的内容，让 AI 在后面补充。

了解了这份结构之后，我们就大概知道如何来编写这一套 AI 客服的提示词模板了。

你是一名{...角色...}，你的目标是{...任务目标描述...}。

你应该保持友好的客户服务语气。

以下是你在回答用户时应参考的职业指导文件：<guide>{{DOCUMENT}}</guide>

以下是互动中需要遵守的一些重要规则：
1. {...描述规则...}
2. {...描述规则...}

以下是一个标准互动中如何回应的示例：
<example>
用户：
AI：
</example>

以下是用户与你之间在问题提出前的对话历史记录（若无历史记录，此处可能为空）：
<history>
{...提供对话上下文...}
</history>
以下是用户的问题：<question>{...用户本次的问题...}</question>

如何回应用户的问题？

在回应之前，请先思考你的答案。

将您的回复放在‹response></response>标签中。

<response>

提示词结构补充

为什么用到了很多 XML 标签 `<></>`

通常我们会把动态的、上下文的内容放到 XML 标签中，例如 <user_name>Simon</user_name>。

使用 XML 标签可以避免提示词混乱
XML 让内容的边界更加清晰

举个例子，我们可能希望让 AI 返回一段 markdown 格式的结果。

## 角色
<!-- ... 其他内容 ... -->

## 示例

## 标题1
内容1

## 标题2
内容2

总而言之，你必须...

这个的例子，就会让 AI 很难分析示例的内容边界。改成 XML 格式之后

## 角色
<!-- ... 其他内容 ... -->

## 示例

<example>
## 标题1
内容1

## 标题2
内容2
</example>

总而言之，你必须...

示例非常清晰的通过 <example></example> 进行分割。

请尝试以下方法来排查或减少幻觉现象

如果 AI 不知道，就让它说“我不知道”
告诉 AI 只有在对其回答非常有把握时才作答。
让 AI 在回答前先思考
让 AI 从长篇内容中查找相关引文，然后使用这些引文进行回答

结语

提示词工程（又或者说上下文工程）在 AI 应用的开发中会占据不少的时间，希望这两套提示词模板对你有用。

这篇文章也提到不少相关内容精读12条构建生产级 AI Agent 的实战指南，你可以看看。

如果你觉得这篇文章对你有帮助，欢迎点赞、分享，你的支持是我持续创作的最大动力！