context-aware-ai-prompt-design

name	context-aware-ai-prompt-design
description	当需要设计一个AI提示（Prompt），使其输出不是通用答案，而是能结合用户具体背景和情境的个性化解决方案时

context-aware-ai-prompt-design

When to Use

当需要设计一个AI提示（Prompt），使其输出不是通用答案，而是能结合用户具体背景和情境的个性化解决方案时。description

Core Logic

执行步骤

1. 识别任务依赖的上下文变量

   • 输入：一个需要AI协助完成的具体任务（例如，“为我生成一个YouTube视频创意”）。
   • 操作：分析并列出所有可能显著影响任务输出质量和适用性的个性化因素。这些因素通常包括：用户的目标、身份、信念、可用资源、特定约束、偏好风格、过往经验等。
   • 判断标准：清单上的变量足以区分一个“通用答案”和一个“为我量身定制的答案”。例如，对于视频创意，变量可能包括：频道定位、目标观众、个人专长、想传达的观点、可用拍摄设备等。
   • 常见误区：遗漏关键变量，或包含过多无关紧要的细节，导致提示过于复杂。

2. 设计引导用户输入上下文的提示语

   • 输入：步骤1中识别的上下文变量清单。
   • 操作：为每一个关键变量设计一个清晰、具体的问题或指令，引导用户在调用AI前提供这些信息。问题应易于理解且回答门槛低。
   • 判断标准：用户能够根据提示语，无需过多思考即可提供准确、相关的背景信息。提示语集合能系统性地勾勒出用户任务的完整情境。
   • 常见误区：问题过于开放（如“告诉我你的情况”），导致用户不知从何答起。问题带有引导性或假设，限制了用户的真实输入。

3. 构建结构化提示模板

   • 输入：步骤2设计的引导语，以及AI需要执行的核心任务指令。
   • 操作：将引导语和核心任务指令组合成一个结构化的提示模板。格式通常为：角色设定 + 背景信息输入区（基于步骤2的问题） + 明确的任务指令 + 输出格式要求。
   • 判断标准：模板逻辑清晰，AI能明确识别哪些是用户提供的背景信息，哪些是它需要执行的操作。模板具备可复用性，仅需替换用户输入部分即可用于同类任务。
   • 常见误区：背景信息与任务指令混杂，导致AI混淆。缺乏明确的角色设定或输出格式要求，导致输出风格不一。

4. 测试与迭代提示的上下文感知能力

   • 输入：步骤3构建的提示模板。
   • 操作：准备多组代表不同用户背景的输入数据，使用同一提示模板生成输出。对比分析输出结果，检查其是否显著反映了输入背景的差异，并符合个性化需求。
   • 判断标准：针对不同的背景输入，AI能产出明显不同且各自适用的解决方案，而非同一答案的轻微变体。
   • 常见误区：仅用一两种背景测试，误认为提示有效。未评估输出在真实场景下的可用性，仅关注其是否“不同”。

输出格式要求

输出应为一个完整的、可立即使用的AI提示模板，包含以下部分：

1. 模板名称：简要描述其用途。
2. 适用任务：说明该提示设计用于解决哪类问题。
3. 所需用户输入：以列表形式列出需要用户提前准备或回答的问题。
4. 完整提示模板：包含固定指令和变量占位符（如 [用户背景]）的完整文本。

Metadata

属性	值
领域	提示工程
类型	procedural (procedural)
置信度	85%
前置条件	已明确AI需要完成的具体任务类型（如生成创意、撰写文案、制定计划）。, 了解影响该任务输出的关键变量因素（如用户的目标、风格、资源、约束条件）。
来源	数字产品的未来：教育 + 执行