编写通义千问场景化提示词需五步：一、明确角色与身份设定；二、嵌入具体场景与背景信息；三、定义任务目标与输出格式；四、添加关键约束与排除条件；五、注入示例与少样本引导。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望通义千问在特定业务或生活情境中输出更精准、更具实用性的回应，则需要构建具备明确角色、任务、背景和约束的提示词。以下是编写通义千问场景化提示词的具体操作步骤：
一、明确角色与身份设定
为模型指定清晰的角色，能显著提升其输出的专业性与语境适配度。角色设定应包含职业、职能、服务对象及表达风格等维度，避免模糊泛称。
1、在提示词开头直接声明角色，例如：“你是一位有5年经验的银行客户经理”。
2、补充该角色的关键行为特征，例如：“你习惯用通俗语言解释金融术语，从不使用缩写”。
3、限定角色的服务边界，例如：“你只提供个人储蓄账户相关咨询，不涉及信贷或投资建议”。
二、嵌入具体场景与背景信息
真实场景中的时间、地点、人物关系、已有动作和环境限制，是触发模型生成上下文连贯响应的基础要素。缺失背景易导致回答泛化或脱离实际。
1、写明发生场景，例如：“客户刚在柜台完成银行卡挂失，正在手机银行APP中尝试重置登录密码”。
2、加入即时状态描述，例如：“客户当前网络信号较弱，页面加载缓慢，已连续三次输入错误密码”。
3、注明物理或系统限制，例如：“客服只能通过文字消息交互，不可发送截图或语音”。
三、定义任务目标与输出格式
任务指令需具备可执行性与可验证性，避免抽象要求。同时强制规定输出结构，能有效控制响应长度、逻辑层级与信息密度。
1、使用动词开头明确动作，例如：“列出3个最可能造成该问题的操作原因”。
2、指定输出粒度，例如：“每个原因用不超过15字概括，后跟一句简短说明（不超过20字）”。
3、设定格式约束，例如：“所有内容以无序列表呈现，禁止使用编号或段落标题”。
四、添加关键约束与排除条件
约束条件用于过滤无效路径、规避风险表述或对齐组织规范。显式排除比隐含暗示更能保障输出稳定性。
1、排除特定内容类型，例如：“不提及任何竞品银行名称，不比较利率数值”。
2、限制语气与态度，例如：“全程保持耐心语气，即使客户重复提问也不使用‘之前已说明’类表述”。
3、屏蔽高风险表达，例如：“禁止使用‘绝对安全’‘100%成功’等确定性断言，改用‘通常有效’‘多数用户反馈良好’”。
五、注入示例与少样本引导
提供1–2个高质量输入-输出范例，可快速校准模型对任务的理解方向，尤其适用于格式复杂或逻辑嵌套的场景。
1、选择与当前任务高度相似的真实片段，例如：“输入：客户说‘我收不到验证码’；输出：请确认手机是否开通短信功能，检查是否误拦截，尝试重启短信APP”。
2、确保示例中已体现前述角色、场景、格式与约束，例如：“输出中未出现品牌名，使用了‘请确认…’句式，且每点均控制在25字内”。
3、在示例后添加说明性引导，例如：“请严格遵循以上风格与长度限制，生成下一条响应”。
