起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識用戶意圖識別與關(guān)鍵詞提取 Prompt 設(shè)計方法論（上）
Prompt 設(shè)計遠非簡單的語言拼湊，而是一項需要工程化思維的精密工作。本文揭秘了一套實戰(zhàn)驗證的 Prompt 設(shè)計方法論，涵蓋關(guān)鍵詞提取的8大防幻原則、思維鏈(CoT)的工程化應(yīng)用，以及如何通過多模型交叉驗證來提升泛化能力。從版本管理到結(jié)構(gòu)化輸出，這些經(jīng)過千次測試總結(jié)的實戰(zhàn)技巧，將幫助你打造出像代碼一樣嚴謹?shù)闹悄軐υ捪到y(tǒng)。
最近在負責(zé)用戶意圖分析和關(guān)鍵詞提取模塊的 Prompt 設(shè)計工作。在這個過程中，我總結(jié)了一套較為完整的 Prompt 設(shè)計方法論，并整理了實際操作中容易遇到的“坑”與解法。
本系列復(fù)盤計劃分為兩篇：
- 第一篇（本文）：Prompt 的設(shè)計架構(gòu)、關(guān)鍵詞提取策略與思維鏈實踐
- 第二篇：如何科學(xué)評估 Prompt 的效果與定義準確率
在正式進入具體方法之前，我想分享一個核心認知：Prompt 設(shè)計需要具備“工程化的嚴謹性”。
它既不是簡單的自然語言拼湊，也沒有復(fù)雜到不可掌握。一個優(yōu)秀的 System Prompt 往往長達幾千字，需要像打磨代碼一樣去迭代。在實踐中，我發(fā)現(xiàn)一個非常有效的技巧是多模型交叉驗證：利用 GPT 系列、Gemini 以及國內(nèi)表現(xiàn)優(yōu)秀的千問（Qwen）等不同模型進行測試。通過模型間的“性格”差異，可以更快發(fā)現(xiàn) Prompt 的邏輯漏洞，提升結(jié)果的泛化能力。
以下是我在實戰(zhàn)中總結(jié)的八個關(guān)鍵步驟。
一、Prompt 的版本管理：像代碼一樣維護
Prompt 不是一次性工作，它像產(chǎn)品功能一樣，需要持續(xù)迭代。每一次微小的修改（甚至是一個標點符號）都可能引起輸出效果的波動。因此，建立嚴格的版本管理是基礎(chǔ)：
- 快照記錄： 保存每一個版本的完整 Prompt 內(nèi)容。
- A/B 測試： 詳細對比不同版本的輸出效果，特別是針對“邊界案例（Edge Cases）”的表現(xiàn)。
- 變更日志： 記錄修改原因（例如：修復(fù)了把“潤色”誤判為“閑聊”的問題）和優(yōu)化點。
這不僅是為了追蹤變化，更是為后續(xù)（第二篇將提到的）準確率量化評估提供數(shù)據(jù)基礎(chǔ)。
二、明確意圖類別與任務(wù)邊界
在動筆寫 Prompt 之前，必須先“觀測數(shù)據(jù)”。意圖分類不是拍腦門決定的，而是一個基于真實用戶數(shù)據(jù)不斷收斂的過程。
目前，我們將通用對話的意圖主要歸納為以下幾類，你需要為每一類提供清晰的定義：
- 核心類： 信息獲取、內(nèi)容創(chuàng)作、任務(wù)執(zhí)行
- 交互類： 閑聊/情感陪伴、角色扮演
- 輔助類： 決策輔助、測試/邊界探索
- 異常類： 錯誤/負面反饋、意圖不明
實戰(zhàn)經(jīng)驗：
很多時候，“內(nèi)容創(chuàng)作”和“意圖不明”容易混淆。如果用戶發(fā)送了一段非常長的文本，大概率屬于“內(nèi)容創(chuàng)作”（如需要總結(jié)、改寫），此時需結(jié)合上下文謹慎判斷，避免草率歸為“意圖不明”。
三、模式匹配與觸發(fā)規(guī)則
為了讓 AI 在幾毫秒內(nèi)做出準確判斷，我們需要定義高優(yōu)先級的“提問模式”和“關(guān)鍵詞錨點”。這相當(dāng)于給 AI 的邏輯判斷加了“快捷鍵”。
1. 高優(yōu)先級提問模式
- 方法/策略類： “如何提升……”、“……的策略是什么”
- 事實/標準類： “某產(chǎn)品的注冊流程”、“法案第 42 條”
- 隱式創(chuàng)作類： “這個標題感覺不合適”（暗示修改）、“季度工作報告”（暗示生成）
2. 關(guān)鍵詞觸發(fā)規(guī)則（Mapping）
- 含“潤色、改寫、總結(jié)、起標題” $\rightarrow$內(nèi)容創(chuàng)作
- 含“公司名、產(chǎn)品編號、定義” $\rightarrow$信息獲取
- 含“代碼、表格、Excel、轉(zhuǎn)換” $\rightarrow$任務(wù)執(zhí)行
四、核心攻堅：關(guān)鍵詞提取的“防幻覺”工程規(guī)范
在意圖識別之外，關(guān)鍵詞提?。⊿lot Filling） 往往是后續(xù)檢索和執(zhí)行的關(guān)鍵。但在實戰(zhàn)中，AI 很容易犯兩個錯誤：一是“無中生有”（生成原文中不存在的同義詞），二是“抓不住重點”（提取了一堆形容詞）。
針對這些痛點，我制定了 “關(guān)鍵詞提取 8 原則”，能顯著提升提取的精準度：
1）去噪原則： 嚴格過濾無意義的口語詞匯（如“幫我”、“一下”、“請問”）。
2）詞性硬約束： 僅提取名詞、專有名詞、名詞短語。動詞、形容詞和虛詞通常對檢索幫助較小，直接剔除。
3）“原文萃取”原則（關(guān)鍵）： 所有關(guān)鍵詞必須是用戶提問原文中一字不差的詞語。嚴禁 AI 進行同義改寫或總結(jié)。
- Bad Case: 原文“奔馳”，提取“汽車”。
- Fix: 必須提取“奔馳”。這一條能有效防止 AI 幻覺，保證后續(xù)搜索匹配的精準度。
4）長度控制： 單個關(guān)鍵詞長度一般不超過 10 個字（書名號內(nèi)的專有名詞除外），避免提取整句。
5）優(yōu)先級排序（Ranking）：
并非所有名詞都重要，需要教 AI 區(qū)分權(quán)重，建議輸出順序為：
- 第一優(yōu)先級：產(chǎn)出物/載體（如：表格、報告、思維導(dǎo)圖、代碼）——這是任務(wù)的核心目標。
- 第二優(yōu)先級：核心人物/問題（如：馬斯克、系統(tǒng)崩潰）。
- 第三優(yōu)先級：核心實體/主題（如：Model 3、Python）。
- 第四優(yōu)先級：補充性信息（如：時間范圍、地點）。
6）自我檢查（Self-Correction）： 在 Prompt 中加入自檢步驟：“檢查提取的詞是否在原文中出現(xiàn)？詞性是否符合要求？如果不符合，請?zhí)蕹??！?/p>
7）格式限制： 明確數(shù)量上限（如最多 5 個）并強制輸出為 List 或 JSON 格式，便于代碼解析。
8）正確示例（Few-Shot）： 提供正反例對比，讓 AI 學(xué)習(xí)標準。
五、執(zhí)行步驟：引入思維鏈（CoT）
為了保證邏輯的可解釋性和穩(wěn)定性，不要讓 AI 直接輸出結(jié)果，而是要求它按照特定的思維鏈進行推理：
1）初步判斷： 掃描文本，匹配上述的“提問模式”或“關(guān)鍵詞規(guī)則”。
2）二次深度判斷（關(guān)鍵步驟）：
- 對于初判為“意圖不明”的，重新審視是否存在隱式創(chuàng)作需求（如只有一段文字，可能是要求潤色）。
- 檢查是否命中了典型的“反直覺”案例。
3）關(guān)鍵詞自檢：按照“8 原則”提取并核對關(guān)鍵詞。
4）最終決策：結(jié)合上述分析，輸出最終的意圖代碼和結(jié)構(gòu)化數(shù)據(jù)。
六、案例示范與錯誤修正
在 Prompt 中植入“錯誤修正（Error Correction）”案例，效果往往優(yōu)于單純的正確案例。通過展示 AI 容易犯錯的場景，能幫助模型快速校準參數(shù)。
七、結(jié)構(gòu)化輸入與分隔符
在工程實踐中，如何確保 AI 清晰地知道哪部分是指令，哪部分是用戶輸入，哪部分是歷史示例，至關(guān)重要。
使用分隔符（Delimiters）： 強烈建議使用清晰、不常用的符號（如 ### 或 — 或 “””）將 Prompt 的不同部分隔開。這能有效防止 AI 將歷史輸入內(nèi)容誤判為指令或規(guī)則。
示例結(jié)構(gòu)：
[系統(tǒng)角色設(shè)定]###[意圖規(guī)則和分類定義]###[案例示范（Few-Shot）]###[用戶輸入]: <用戶實際提問>
強制結(jié)構(gòu)化輸出： 明確要求輸出 JSON 格式（如 {“intent”: “…”, “keywords”: […]}），而不是自然語言描述。
八、 角色設(shè)定與禁止事項
一個好的 Prompt 應(yīng)該先給 AI “穿上盔甲”，明確它的身份、職責(zé)以及不能做的事情。
1）明確角色（Persona）： 在 Prompt 開頭聲明 AI 的身份（例如：“你是一個專業(yè)的意圖分析引擎，專注于提供準確、簡潔的意圖分類和關(guān)鍵詞提取?！保?。角色設(shè)定有助于收斂 AI 的輸出風(fēng)格和范圍。
2）設(shè)定禁止事項（Guardrails）： 明確告知 AI 絕對不能做的事情，這能避免低級錯誤和不必要的長篇回復(fù)。
禁止項示例：
- “禁止輸出任何解釋性、道歉性或引導(dǎo)性的話語，僅輸出 JSON?！?/li>
- “禁止自行創(chuàng)作或改寫關(guān)鍵詞。” “禁止閑聊或參與角色扮演?！?/li>
總結(jié)
Prompt 寫作是一場持久戰(zhàn)。從確立版本管理意識，到精細化打磨關(guān)鍵詞提取的“8 原則”，再到引入思維鏈（CoT）進行邏輯加固，每一步都是為了讓 AI 從“聽懂”進化到“精準執(zhí)行”。
明確意圖類別、死磕關(guān)鍵詞提取規(guī)則、建立錯誤修正庫、結(jié)構(gòu)化輸出、角色設(shè)定與禁止項，是提升對話系統(tǒng)體驗的核心要點。
在下一篇文章中，我將詳細拆解如何定義“準確率”，以及如何建立一套科學(xué)的評估測試集，用數(shù)據(jù)量化 Prompt 的優(yōu)化效果。敬請期待。
本文由 @產(chǎn)品不正經(jīng) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
意思意思是什么意思？
你說的啥意思