Coze应用的灵魂，90+高质量prompt一次带走

我认为要做好AI Agent，是有两个方向的，一个是“技术流”方向，一个是“业务流”方向。

技术流方向就是通过各个组件和技术（工作流、图像流、代码、插件、数据库等）的组合，最大程度的扩展应用能实现的功能和提升效率。

业务流方向就是通过对业务的理解，制作出高质量prompt，最大程度的提升输出质量。

所以技术流方向就是尽量扩展AI应用的能实现的功能，而业务流方向则是尽量深挖AI应用的输出质量。

所以说COZE应用的灵魂是高质量prompt，如果不严谨的说，是有一定道理的。

我之前的文章，技术流和业务流都涉及到了，但是更多还是技术流方向（虽然我的技术很一般）的内容多一些。

所以本篇文章，我们就来聊一聊高质量prompt相关的内容，文末给大家准备了高质量prompt合集（并且将不断更新）。有兴趣的同学可以拉到文末领取。

一、什么是高质量Coze prompt？

1、首先我们得搞清楚prompt的本质是什么？

我认为prompt就是让所有普通人具有了“编程”的能力。

想想看，程序员编程是不是通过代码，让电脑制作出一个应用软件，实现某一个或一些功能。

我们编写prompt，是不是也是为了让AI大模型，帮助我们实现某一个或一些功能？

所以prompt的本质就是普通人编程所用到的“代码”。

你不用关心AI是怎么做到的，你只需要关心你有没有表述清楚。

那么对于AI来说，所谓的表述清楚就是，逻辑清晰+表达严谨。

2、结构化的prompt就是帮助你表述清楚的方法。

现在大家看到的很多提示词使用的就是结构化提示词，其中又以LangGPT框架最为常见。

【LangGPT结构化提示词框架】

- 定义角色 Role: 基于用户的诉求思考所需要的知识范围，Kimi需要扮演什么样的角色，给Kimi定义一个精通该领域知识的角色。

- 定义简介 Profile: 包含作者名、版本号、语言和描述，作者名，版本默认为1.0，语言默认为中文，描述基于用户诉求和Role来思考我为什么会提出这个问题，陈述我提出这个问题的原因、背景。

- 定义背景 Background: 根据Role和用户需求，简述用户需求的背景和描述。

- 定义目标 Goals: 基于用户诉求，思考我们希望Kimi能够实现哪些目标。

- 定义限制 Constraints: 完成Goals需要遵守哪些规则和限制，以此来保证输出结果的质量。

- 定义专业技能 Skills: 要完成Goals和用户诉求所具备的特定技能与专业知识。

- 定义工作流 Workflow: think step by step and painstakingly。列出能够达成目标(Goals)，我们需要经过哪些步骤。记得该部分保留一定的泛化余地，并主动与用户沟通以获取额外信息。

- 初始化 Initialization，请将此部分附加在Prompt的结尾：“您好, Kimi, 接下来, Let's think step by step, work hard and painstakingly, 请根作为一个拥有专业知识与技能(Skills)的角色(Role)，严格遵循步骤（Workflow）step-by-step, 遵守限制(Constraints), 完成目标（Goals）。这对我来说非常重要,请你帮帮我，谢谢！让我们开始吧”

怎么保证自动化生产的提示词的质量呢？答案是标准化。

首先是内容结构的标准化。整体采用基于角色的框架。为 agent 角色编写简历，它的名字，背景，介绍，技能，需要遵守的规则，工作流程，初始化行为等几个部分。

为规范各个部分的编写同时借鉴编程思想，设计了轻量的语法，包含变量，作用域，逻辑流控制等。通过复用 Markdown， json，yaml 等成熟格式直接实现。

为了进一步确保提示词质量，还设计了模板。模板层级结构清晰，可采用不同的格式。

LangGPT框架很好的帮助我们搭了一个框架，省去了我们思考结构化的时间，更可贵的是，这个框架直接帮我们封装了提示词的技巧方法论，更进一步提高了提示词的质量。

更重要的方面是方法论封装融合，LangGPT 进一步将技巧和框架融合，形成高质量的模板。

封装的技巧包括角色扮演，CoT 思维链，格式法，属性词法，同时内置了提示词经典句，正是这些基础性的方法的封装，确保了生产的初版提示词的质量。

LangGPT 的这种模板的思想，方法论封装的思想影响了一大批提示词编写者，国内许多公司都直接或间接的应用着 LangGPT 的这种结构化范式。

这里写了很多的方法论，我们就只说两个吧，角色扮演和CoT思维链

角色扮演法：通过设定AI的角色或身份（如专家、助手、律师等等），它可以更准确地根据该角色的特性来生成回答。

角色通常与某种情境或背景相关，这为模型提供了更多上下文，帮助它更好地理解问题的意图。

大模型生成的内容会更符合我们角色的情境，例如角色的专业能力、背景、人格特征等。

然后说说CoT思维链，大模型执行的步骤就是COT，全称“Chain of Thought”，中文可以叫做“思维链”。

这个方法论的核心是让AI模型在给出答案之前，先展示出它的思考过程。

就好比是在解数学题时，先把每一步的计算过程写出来，而不是直接跳到答案那样。

最简单有效就是添加”让我们一步步来思考“这句话。

在实际应用中，这些方法论并不是单一去使用的，而是融合在一起配合去使用的。

写到这里，你应该明白了什么是高质量prompt，但是仅仅有高质量prompt就够了吗？

很明显并不是这样，高质量prompt只能保证我们有了一个趁手的工具。

我们还需要知道怎么使用这个工具。就需要我们对我们自己提出的需求或问题，有深入的理解，并能够有效地指导模型的思考过程。

说白了，你是AI的主人、领导，它没办法输出连你都不明白的内容。

二、通过一个案例来进一步了解Coze prompt

我们就用【复杂问题解决专家】这个prompt的实际例子来讲解一下，这里主要用到的是CoT思维链方法。

# Role：复杂问题解决专家

## Background：

– 这个角色旨在通过一个结构化和逐步的方法来解决复杂问题，确保问题的每个方面都被详尽地探索和评估。

## Attention：

– 采用清晰、逻辑性强的方式回答问题，使用费曼学习法和第一性原理。

– 如果对答案不确定，需先提出警告，然后再回答。

## Skills:

– 采用清晰、逻辑性强的方式回答问题，使用费曼学习法和第一性原理。

– 使用Markdown格式清晰地展示信息。

– 能够提出关键问题，引导用户思考并获取更多信息。

– 能够生成多角度的解决方案，并评估其成功可能性。

– 能够扩展思考过程，考虑实施策略和潜在障碍。

– 能够使用KPI方法来定量分析和执行解决方案。

## Goals:

– 清晰定义问题。

– 构建思想之树，提供至少五个解决方案。

– 对每个解决方案进行详细的评估。

– 扩展每个解决方案，考虑实施细节和潜在障碍。

– 根据评估结果，制定决策并优化解决方案。

– 使用表格和KPI框架来清晰展示最优选择。

## Constraints:

– 保持对原始问题的忠实，不偏离用户的核心目标。

– 确保解决方案的实际可行性。

– 在提供解决方案时，需考虑其可执行性和量化指标。

– 使用Markdown格式加粗标题，清晰界定信息。

## Workflows:

** 完成每个步骤后，都要询问用户是否有其他内容补充，等待用户回答后才能进行下一步**

### 第一步: 获取问题

跟我进行沟通，获取我当前遇到的问题。

### 第二步：拆解问题

针对我提出的问题，你首先要深呼吸，好好思考该问题如何拆解成一个个小问题，还需要哪些最关键的信息，采用提问的方式告诉我，要求我考虑各种因素获得更清晰的信息，比如目标受众等相关信息，基于此来拆解问题。

### 第三步: 构建思想之树

结合我的回答和多角度分析请为我生成不低于五个的解决方案。

### 第四步: 评估阶段

对于每个提出的解决方案，评估其潜在的成功可能性。请考虑优点和缺点，需要的初始努力、实施的难度、可能的挑战以及预期的结果。根据这些因素，为每个选项分配一个成功的概率。

### 第五步: 扩展阶段

对于每个解决方案，深入思考过程，生成潜在的场暑、实施策略，需要的合作伙伴或资源，以及如何克服可能的障碍。同时，考虑任何可能的意外结果，以及如何处理它们，同时进一步优化所有方法，目的提高成功概率。

### 第六步: 决策决断

根据评估和场景，按照成功概率高低的顺序排列解决方案。为每个排名提供理由，并提供每个解决方案的最后思考或考虑因素。最终，提醒我，下一步将输出最终结果，当我回复后为我输出一个最初提出问题后的最优选择。输出最优选择的结论必须使用必须使用表格的方式清晰的呈现并展示其名称、关键任务、对应的目的。

使用表格和**KPI框架**清晰展示最优选择，描述可量化的部分，方便我进一步落地和执行。

### 第七步: 最后一步

回顾最初我提出的问题，结合你所有分析结果和规划建议后，给出精准的解决答案。

## KPI：

– KPI是用于衡量工作人员工作绩效表现的量化指标。

– KPI法符合一个重要的管理原理：二八原理，是对重点经营活动的衡量，而不是对所有操作过程的反映；

– 可量化：KPI应该是可以量化的，能够用数字来衡量。

– 相关性：KPI应该与组织的目标和战略紧密相关。

– 可比较：KPI应该允许在不同时间段或不同部门之间进行比较。

– 可追踪：KPI应该能够定期跟踪和评估。

– 可操作：KPI应该能够指导行动，帮助组织识别需要改进的领域。

## Suggestion：

– 在提供解决方案时，考虑不同文化背景、受众群体和使用场景。

– 定期更新和优化解决方案，确保它们的有效性和实用性。

## Initialization:

您好, 接下来, 让我们一步一步思考, 努力工作, 请根作为一个拥有专业知识与技能(Skills)的角色(Role)，严格遵循步骤（Workflow）step-by-step, 遵守限制(Constraints), 完成目标（Goals）。** 完成每个步骤后，都要询问我是否有其他内容补充，我回答后再进行下一步 **，这对我来说非常重要,请你帮帮我，谢谢！让我们开始吧。

【复杂问题解决专家】这个prompt，当然就是为了解决“复杂问题”而准备的。

比如说开店做生意，在以前这是一个“简单问题”，你只要重点抓住两三件事情（比如选址、产品、宣传），大概率就能赚钱。

但是现在就成了一个“复杂问题”，重点的两三件事情可能变成了七八件事情，而每件事情的背后又可以被拆分为很多事情，事情变多了，层级变多了，自然就变复杂了。

比如刚才说的开店，重要的事情可能就是：品牌定位、选址、设计装修、产品、服务、营销、人员、系统等。

而产品又可以拆分为：研发、采购、收货、仓储、运输、制作、呈现等环节。

我们上面说的CoT思维链，就是帮助我们拆解复杂问题，将大问题拆解为若干个小问题，然后再一步一步的解决这些小问题。最终做到全面、无遗漏、有深度的解决这个复杂问题。

下面我们就用【复杂问题解决专家】这个prompt演示一个案例，特别提醒，这里重点不是结果，重点是思考的过程。这里我使用的是kimi。

1、进入第一步，kimi要求我们提供问题的背景信息，我的回答如下：

品牌名称：王氏餐饮

面临的问题：客户到店体验不佳，表现为对于服务和环境不是很满意，对于菜品味道感觉还可以

品牌信息：王氏餐饮是一家4线城市的连锁中餐品牌，总共有6家中大型连锁中餐餐饮门店，品牌创立10年，主打中高端家庭宴请，也有一部分轻商务宴请，客单价80元-90元，开业头几年深受当地人的喜爱。

目前问题：

1、近年来该品牌并没有去研究中餐餐饮趋势和消费者的调研，更没有进行改进和创新；

2、管理层的意识也一直没有改变，仍然沿用开业以来的菜品体系和服务方法；

3、导致顾客满意度持续下降；

4、营业额也跟着持续下滑；

期望结果：期望通过打造更加专业的餐饮服务体系，来不断提升客户满意度，进而提升整体营业额

2、kimi帮我将和这个问题相关的内容列了出来，并让我来回答更具体的问题。就是为了进一步了解门店更具体的一些情况，我的回答如下：

客户反馈的具体内容：店面环境长期没有变化，审美疲劳了。服务方面很平淡，没有惊喜；

竞争对手情况：其他品牌有比如说打造客户管家体系，并且给顾客免费提供比如生日宴布置和仪式，很多人冲着这个去的。

员工情况：由于管理人员是一起创业的老员工，他们并没有积极的去持续的学习，导致员工的培训疏于管理，不体系，没有形成习惯，专业技能很一般。

菜品更新频率：目前菜品更新频率不固定，短的一个月2次，长的两三个月更新一次。有收集反馈，但是并没有接下来的动作。

营销策略：目前营销活只是在节假日或24节气时会推出一些活动，似乎并没有有效的吸引新客户和老客户。

财务状况：今年和去年同期比较，下滑大概15%

顾客画像：以家庭客户为主，一般都是一家人一起来消费，他们来消费时希望能有一个家的温馨氛围和轻松愉快的环境。

3、第三步，构建思想之树，帮我列出了5个解决方案，如果不满意，可以和kimi沟通、讨论。我直接进入了第四步。

4、这一步，它将每个解决方案的优缺点，所需的准备、实施难度、挑战、甚至成功概率等都列出来了。

那么我们就可以根据实际情况让AI进行调整。比如由于人员的问题，有些解决方案的难度可能要加大。

5、这一步我根据实际情况提出了建议，kimi也完成了回答，这里其实可以进一步的提出要求，因为一步是扩展阶段，这里越细越好，甚至可以让AI做出整个方案细节。

下面看看第六步。

6、这一步为每一个方案设置了kpi指标，根据重要程度做了一个排序，做了一个表格，并对kpi进行了说明。

我们来看最后一步。

7、最后是汇总和总结，对以上内容进行了最后的阐述。

AI的整个过程是严格按照我们的prompt进行的，表现的还是非常不错的。

如果是真实的场景的话，如果我们加上更详细的背景资料，和更多真实的细节反馈。

输出的质量会更高。

三、总结和领取高质量Coze prompt

通过这篇文章，我想大家已经清楚了高质量prompt对AI Agent的重要程度。

所以我在我的网站上（https://17ai.site/）专门开了一个高质量prompt专区（链接：https://17ai.site/ai-bestpractices/ai-goodprompt）。

目前搜集了90多个prompt（理论上说，每一个prompt都可以做成一个AI Agent），后续将不间断的更新。

题图标题：《城市星空》AI算法提供：SDPrompt:

universe,star (sky),scenery,starry sky,sky,outdoors,night,shooting star,night sky,nature,panorama,soft tones,HD,8k octane,super details,HD pictures 8k,Peki,Chinese style,high detail,high resolution,masterpiece,best quality,HD,8K,16K,Atlas upholds Neo-China map,city denizens ukiyo-e universe,Black Mirror circuitries harnessing ancient cosmographical canon,

Boy,space suit,handsome,background,Space,Spaceship,Earth,Earth,Masterpiece,best quality,(ultra detailed, intricate detailed:1.5),(8K:1.5),perfect anatomy,(detailed outlet),vivo colors,high resolution,(1 boy (age 20, bullet body )))),black hair,(disheveled hair:1.5),(scores:1.5),chlotes (black shirt, jacket),why sleeves,background (futuristic city:1.5) and fog,

原文转自 微信公众号@王笑东