欢迎大家来到企业级AI售前机器人实战系列文章： 从0到1完成一个企业级AI售前机器人的实战指南。
本篇是该系列的第九篇，核心内容是：项目中的提示词编写， 真正应该考虑的三件：输入、输出、解决什么问题？
在AI技术迅猛发展的2025年，提示词工程（Prompt Engineering）已经从一项新兴技能发展成为企业和个人必备的核心能力。
随着大型语言模型（LLMs）的普及，如何有效地与AI沟通成为提升工作效率的关键。
本文将聚焦提示词工程的三大核心要素：输入设计、输出规范和问题解决，探讨如何在企业级AI应用（特别是售前机器人）中优化这三个方面，以获得最佳的效果。
一、提示词工程的本质与重要性
提示词工程本质上是设计和优化输入到AI系统的指令的艺术与科学。它就像是与AI对话的语言，通过精心设计的提示，我们可以引导AI生成更加准确、相关和有用的输出。
在2025年的AI应用环境中，简单的"Hello World"式提示词已经远远不够。企业面临的挑战日益复杂，需要更先进的提示技巧来充分发挥AI的潜力。正是这种需求推动了提示词工程的发展，使其成为连接人类意图与AI能力的桥梁。
二、核心要素一：输入设计
- 结构化与模块化输入 2025年的提示词设计已不再是简单的问题描述，而是高度结构化、模块化的工程实践。主流做法采用"角色设定+任务分解+示例引导"的三段式结构：
角色设定：明确AI的身份、语气、专业领域（如"你是一名资深金融分析师"） 任务分解：将复杂任务拆解为有序步骤，降低模型理解难度 示例引导：通过具体示例、格式模板，约束输出风格和内容 这种结构化设计不仅提升了输出的准确率和可控性，还为后续的自动化优化和批量管理奠定了基础。
- 高级输入技术 随着提示词工程的发展，多种高级输入技术已经成熟：
思维链（Chain of Thought, CoT）：引导AI像人类一样通过一系列逻辑步骤解决问题 思维树（Tree of Thoughts, ToT）：将问题解决过程视为树状结构，探索多种决策可能 思维图（Graph of Thoughts, GoT）：将思考过程视为复杂网络，处理涉及多个相互关联因素的复杂系统分析
明确语境：提供足够的背景信息，帮助AI理解问题的具体情境 精确术语：使用领域专业术语，提高AI理解的准确性 约束条件：明确设定限制条件，如字数限制、格式要求等 多样化表达：尝试不同的表述方式，找到最能激发AI潜力的表达
三、核心要素二：输出规范
- 输出格式控制 在企业级应用中，AI输出的一致性和可预测性至关重要。2025年的提示词工程特别注重输出格式的精确控制：
明确输出结构：在提示中明确指定需要的输出结构，如表格、列表、JSON等 风格统一：确保AI生成内容的语言风格、专业程度和表达方式符合企业标准 长度管理：根据应用场景需求，控制输出内容的详略程度
- 输出质量保障 高质量的输出需要在提示中设置质量标准：
准确性要求：明确要求AI基于事实和可靠信息生成内容 逻辑性指导：引导AI按照清晰的逻辑结构组织输出 创新度平衡：根据需求调节输出的创新性与保守性
- 输出反馈机制 2025年的提示词工程强调"动态反馈闭环"。企业通过用户交互反馈、A/B测试、自动化评估等机制，持续收集和分析AI输出的实际表现，形成"生成—反馈—调整—再生成"的闭环优化流程。
四、核心要素三：问题解决
- 问题定义与聚焦 提示词工程的核心在于明确AI需要解决的具体问题：
问题边界：明确定义问题的范围和边界，避免AI生成过于宽泛或偏离主题的内容 核心目标：突出强调需要解决的核心问题，确保AI的注意力集中在最重要的方面 预期成果：明确说明期望通过AI获得什么样的解决方案或见解
- 复杂问题的分解策略 对于企业级应用中的复杂问题，有效的分解策略至关重要：
算法思维（Algorithm of Thoughts, AoT）：将复杂问题分解为可执行步骤，适合快速决策场景 思维骨架（Skeleton of Thoughts, SoT）：专注于快速构建内容框架，适合生成大量结构化内容 思维程序（Program of Thoughts, PoT）：将思考过程转化为可执行程序，适合精确计算或复杂逻辑推理
- 问题解决的评估与迭代 有效的问题解决需要持续评估和迭代：
解决方案评估：在提示中要求AI评估其提供的解决方案的优缺点 多角度思考：引导AI从不同角度考虑问题，提供更全面的解决方案 迭代优化：基于初步结果，进一步细化和优化解决方案
五、企业级AI售前机器人的实践应用
售前场景的特殊考量
在企业级AI售前机器人中应用提示词工程时，需要特别考虑：
客户需求理解：设计提示词使AI能准确理解和分析客户的需求表达 产品知识整合：将企业产品信息有效整合到提示中，确保AI能准确表达产品特性和优势 销售策略嵌入：在提示中嵌入企业的销售策略和话术，确保AI的回应符合企业销售理念
拆解开来就是我们要完成的提示词：
提示词需要完成的目标是：准确的解析客户的意图。
提示词的输入：客户的问题和过去的历史对话。
提示词的输出：1-7之间的数字
exportconstanalyse_prompt = ({ query, history }) => `
## 要求
根据用户的问题，分析用户在当前场景下最后一句话的内容符合以下哪种意图：
**1. 谈合同**
预期场景：用户表达了非常强的购买意向
示例问题：X产品怎么购买？、购买产品要签订什么协议？
响应方式：此时需要具体分析用户的意图，进行下单链接的推荐或者合同、协议的推送
**2. 留资**
预期场景：用户表达了需要换个方式沟通，或者对话过程中AI认为需要用户进行留资。
示例问题：电话联系吧、微信聊可以么？
响应方式： 此时需要存储用户的信息 + 与访客约定回访时间。
**3. 需要产品推荐**
预期场景：用户需要我们为其推荐一些产品。
示例问题：你们有适合XX场景的产品么？
响应方式：此时需要给用户进行产品推荐（必要时，需要先反问收集必要信息，然后才进行产品推荐）
**4. 咨询某产品细节**
预期场景：用户针对某产品细节进行沟通询问
示例问题：套餐A和B的区别？、某产品可以做到XX事么？
响应方式：根据对应的相关资料进行回复。没有资料时，将会触发留资场景。
**5. 需要产品介绍**
预期场景：用户需要我们介绍产品信息
示例问题：某产品怎么样？、某产品能做到XX么？
响应方式： 对产品的基本信息、能力、规格、价格、套餐、活动价、案例等进行介绍
**6. 询问其他场景**
预期场景：与售前无关，但是与企业内其他工作（售后、客户经理）相关的query
示例问题：系统始终无法正确运行，怎么办？
响应方式：针对不同场景进行个性化推荐
**7. 闲聊**
预期场景：闲聊
示例问题：你好、你是谁
响应方式：保持售前人设的同时进行简单的回复，避免回复不必要的问题。
## 对话历史
${history.join('\n')}
{ "role": "user", "content": ${query}}
## 输出
只输出1-7之间的数字，不要输出分析过程。
`
提示词需要完成的目标是：结合资料，利用销售策略，完成最终的输出。
提示词的输入： 参考资料，用户的输入。
提示词的输出：流失输出结果
exportdefault ({ answer }) => `
## 角色
- 你是天穹科技集团的智能售前客服，你的名字是小天，你擅长使用FABE话术进行售前沟通, 潜移默化的使用FABE话术，不要让客户感觉到你在使用FABE话术
- 你当前正在通过官网的客服界面与客户在网络上进行对话。
- 你拥有平和、友善的性格，善于在沟通中潜移默化的影响对方，并保持对话的友好和安全
- 都每一位客户都热情礼貌的进行：招呼、询问、推荐、议价、核实、道别、跟进操作
- 对话过程中，要让客户感觉到你的回答准确、尊重、舒适。
- 对话过程注意分段，不要让客户感觉到你在长篇大论。
## 参考资料
${answer}
## 输出
- 不要输出你的想法、你的行为、你的规划、你的思考过程。
- 不要把话聊死，给用户保留有回旋的余地。
`
结语
2025年的提示词工程已经从简单的"问AI问题"发展成为一门精密的工程学科。通过聚焦输入设计、输出规范和问题解决这三大核心要素，企业可以显著提升AI应用的效果，特别是在售前机器人等关键业务场景中。
随着AI技术的持续发展，提示词工程将继续演化，但其核心原则仍将围绕如何更有效地表达人类意图、控制AI输出以及解决实际问题。掌握这三大要素，将是企业在AI时代保持竞争力的关键能力之一。
加油！共勉！
粤ICP备14082021号
免费POC，
零成本试错
