prompt-engineering-workflow

name	prompt-engineering-workflow
description	当需要为一项重复性或结构化的任务，设计一个可复用、高质量的人工智能提示时

prompt-engineering-workflow

When to Use

当需要为一项重复性或结构化的任务，设计一个可复用、高质量的人工智能提示时description

Core Logic

执行步骤

1. 识别任务：分析你的工作流程，找出一个重复性高、有明确输入输出格式或需要特定处理逻辑的任务（例如：总结会议记录、草拟邮件、生成报告大纲）。

• 判断标准：任务描述清晰，能明确说出输入是什么（如原始会议录音/文字稿），期望输出是什么（如包含要点、行动项、待决议题的总结）。
• 常见误区：选择过于模糊或创意性极强的任务（如“写一部小说”），导致提示难以结构化。

2. 结构化提示：按照“系统-上下文-说明-约束-输出”的框架，为步骤1识别的任务编写初始提示。

• 判断标准：提示文本包含了以下五个部分：
  • 系统：定义AI的角色（如“你是一位专业的会议纪要助理”）。
  • 上下文：提供必要的背景信息（如“这是一次关于Q2产品规划的团队周会讨论”）。
  • 说明：清晰描述需要AI执行的具体操作（如“请阅读以下会议文字稿，并提取核心内容”）。
  • 约束：设定输出的格式、风格、长度等限制（如“使用中文，以要点列表形式输出，不超过300字”）。
  • 输出：明确指定最终产物的形式（如“输出一份包含‘会议要点’、‘行动项（负责人+截止时间）’、‘待决议题’三部分的总结”）。
• 常见误区：遗漏关键部分（如缺少“系统”角色定义导致AI立场不明），或各部分描述混杂不清。

3. 测试与迭代：将步骤2编写的提示输入AI工具（如ChatGPT、Claude），使用一个实际或模拟的任务输入，观察输出结果。

• 判断标准：AI的输出基本符合预期格式与内容要求。
• IF 输出完全符合预期 → 进入步骤4。
• ELSE 输出存在偏差（如格式错误、遗漏要点、风格不符）→ 返回步骤2，根据偏差调整提示中相应部分的描述（例如，在“约束”中更严格地规定格式，或在“说明”中更详细地列出需要提取的信息点），然后重新执行本步骤。

4. 归档入库：将经过步骤3测试成功的最终版提示，复制保存到一个专门用于存储提示的文档或笔记系统中（如Notion、Obsidian的特定页面）。

• 判断标准：提示被保存在一个易于查找、命名的位置（建议命名包含任务类型，如“会议纪要总结提示-项目周会”）。
• 常见误区：将成功提示随意记录，没有统一归档，导致日后难以复用。

输出格式要求

输出应为最终优化后的、可复用的完整提示文本。格式应严格遵循“系统”、“上下文”、“说明”、“约束”、“输出”的结构，各部分标题明确，内容清晰。

Metadata

属性	值
领域	人工智能应用
类型	procedural (procedural)
置信度	90%
前置条件	已明确需要AI协助的具体任务目标
来源	人工智能入门指南：总结与行动指南