01
前言
来看一段AI大模型对它的介绍在做AI项目落地的时候,我们一般都会在AI工作流中提供一个闲聊类型或者其他类型的问题,用于解决用户日常的咨询,那么这个时候,我们很多时候,希望这个AI客服,能够像人一些,给用户进行回复,解答一些问题,富有感情的,理解了用户的问题的AI智能客服更容易走进用户的信息,从而带来更多的商机。大模型时代可以帮助我们完成这样的事件。
在AI大模型驱动的智能客服领域,一场静默的对话革命正在发生。
当用户问出"我的快递怎么还没到?"时,他们期待的不仅是物流信息的机械播报,更希望感受到被理解、被尊重的情绪共鸣。传统基于规则或简单意图识别的客服系统,在通用大模型时代已显露出对话僵硬、缺乏同理心的致命短板。
而在传统的客服系统中,无论是基于规则的FAQ机器人,还是基于检索的智能问答,其交互体验都停留在“回答问题”的层级。而随着大语言模型(LLM)的兴起,客服不再只是信息的搬运工,它开始具备了“人格感”,可以进行上下文理解、情绪回应、个性化表达——这一切的背后,都离不开提示词工程(Prompt Engineering)的加持。
提示词工程(Prompt Engineering)正是解决这一痛点的核心技术——它通过结构化语言设计,让AI大模型从"能回答"进化为"会对话",从"信息检索器"蜕变为"人性化服务者"。
当我们做AI智能客服的时候,通常需要反复实践和RAG的交流,在 RAG 交流的过程中,每个人和它交流的方式直接决定了它的回答质量与回答感情。
提示词就像是给大模型(LLM)下的“指令”,告诉它该怎么理解你的问题、怎么用外部数据来回答。如果你只是随口一句“用外部数据回答”,那 RAG 可能还是答得不完整,甚至引用的内容可能都过时了。
所以,想让 RAG 真的靠谱,在智能客服提示词里得精准传达 几件事:
检索到的信息怎么用(RAG 不能只是拿到数据,还得理解怎么整合进回答里);
你的具体需求是什么(RAG 不能靠猜,你得明确告诉它方向);
推理逻辑该怎么走(RAG 需要知道该怎么组织信息,避免胡编乱造)。
如何用拟人化的风格提供富有感情的回复。
本文将聚焦于如何通过提示词为大模型客服注入“人性”,让冷冰冰的机器成为有温度的“助理”。
02
正文
5W1H来看看提示词工程
What:什么是提示词工程?
提示词工程是通过结构化自然语言输入,精准控制大模型输出的系统性方法。它如同编程语言的编译器,将人类意图转化为机器可理解的"思维指令"。是指通过精心设计输入(prompt)来引导大模型输出符合预期的高质量结果的过程。它既是一门“编程语言”,也是一门“沟通艺术”。
Why:为什么提示词工程如此关键
对齐模型行为:大模型的泛化能力强,但默认输出往往不可控。提示词工程是人类意图与模型行为之间的桥梁。
无需训练,快速迭代:相比微调,提示词设计更轻量且灵活。
提升可用性与用户体验:尤其在客服领域,优质的提示词意味着更高的满意度和更强的拟人感。
Where:提示词工程应用在哪些场景
从电商售前咨询到银行风控提醒,从医疗问诊分诊到政务热线服务,覆盖所有需要人性化交互的垂直领域。还包括智能客服 / 虚拟助理、内容生成、代码生成与代码解释、数据总结与报告撰写等等
When:什么时候用提示词工程?
- 需要高质量自然语言输出
- 模型行为需要引导或限制
- 快速验证某个功能是否可用(例如情绪回应、业务知识匹配)
Who:谁在使用提示词工程?
- AI 产品经理
- 提示词工程师(Prompt Engineer)
- 前端与后端开发者
- 运营人员
How:怎么实施,路径如何走
1、采用"螺旋式开发":需求分析→提示词原型设计→AB测试→数据标注→效果评估的闭环迭代。
2、明确目标(目标导向型)、控制输出格式(结构化提示)、限定风格、语气、角色、使用变量模板、示例驱动(few-shot)
在传统编程中,代码是人与机器的桥梁;而在AI时代,提示词就是“新代码”。尤其在客服场景中,提示词的质量直接决定了大模型是否“像个人”。
- 用户对话体验的核心变量
- 构建人格、语气、风格的基础
- 业务流程执行的关键入口
如果没有提示词工程的引导,大模型即使能力强,也可能输出风马牛不相及的内容。
想要写好提示词,有两个方法。一方面是把 AI 真的当一个人看待。另一方面,是用结构化的描述方法来写提示词。
结构化提示词
目前比较推崇的提示词的写法就是结构化的提示词,通过结构化段落的方式来控制大模型,目的是将大模型的创造性控制在符合场景具体要求的范围之内。结构化的提示词写法,具体一点来说就是要控制大模型的角色认知、整体目标、不能做什么、能力限定、工作流程、输出格式、示例以及初始化流程等。
具体包括以下几个方面:
我们写提示词的时候,可以基于这样的一个范围,逐步扩充,有的时候,也会增加上任务、上下文等节点来处理,虽然有了这样的范围,但是AI大模型有些还是会不符合我们的要求,因此我们需要把提示词看做程序代码,把修改提示词看做解 Bug 的过程。提示词相当于通过写程序把大模型调教为一个特定能力的人。我们可以从这个角度出发,先总结一下当前问题和这个“人”之间的关系,再去细化到调整提示词的某些部分来纠偏这个“人”。
我们在做AI项目的时候,可以基于业务需求的说明,先自己写一个版本,然后再交给大模型进行优化,优化的思路可以给他提供这些范围。
关于结构化提示词的内容,可以参考社区文档:
https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe
例如我想写一个同城旅行网AI客服的提示词,我们可以写一个简单的版本如下:
你是一个同程旅行网的专业客服,我希望你可以帮助用户回答关于火车票、景点、机票、签证相关的回答,我会给你提供一些知识,请基于我提供的知识范围进行作答。
然后我们问下AI,让AI给我优化:
我正在写AI大模型的智能客服的提示,请基于我现有的提示词进行优化,需要结合结构化提示词方法,使用角色、语言、目标、规则、技能、工作流、示例、限制等元素,给我优化下提示词,当前提示词如下: 你是一个同程旅行网的专业客服,我希望你可以帮助用户回答关于火车票、景点、机票、签证相关的回答,我会给你提供一些知识,请基于我提供的知识范围进行作答。
AI优化的结果如下:
## 角色(Role)你是一名隶属于【同程旅行网】的资深在线客服助手,具备专业的旅行服务知识,能够礼貌、耐心、准确地为用户提供帮助。# 语言风格(Language)请使用简洁、友好、专业的中文进行回答,语气亲切,表达清晰,避免使用专业术语或复杂句式,确保用户易于理解。# 目标(Goal)你的目标是:基于用户提问内容和我提供的知识信息,为用户提供有关“火车票”、“景点门票”、“机票预订”、“签证办理”等方面的解答,并帮助他们顺利完成旅行相关事务。# 规则(Rules)1. 所有回答**仅基于我提供的知识内容**,不要擅自编造信息或引用外部资料。2. 回答中如无法提供帮助,请礼貌回复“目前我没有相关信息”或建议用户联系人工客服。3. 回答时尽量结合用户问题中的关键词,保持上下文一致。4. 如果用户表达不清或问题模糊,可以提出澄清性问题进行引导。# 技能(Skills)- 能够理解并解析用户提出的问题意图。- 能够从我提供的知识中提取相关内容并组织成答复。- 能够识别请求类型,如查询类、操作类、建议类等。- 能够进行步骤式说明,例如如何预订、如何退票等。# 工作流(Workflow)1. 接收用户输入的问题。2. 确认是否属于“火车票、景点、机票、签证”四类服务范围。3. 在我提供的知识中查找对应内容。4. 如果匹配到信息,则组织语言并输出答复。5. 如未匹配到信息,则输出标准引导语。# 示例(Examples)- 用户问:“怎么买学生票?” - 回答:“您可以在购票页面选择乘客类型为‘学生’,并按照提示填写学生证信息后提交订单即可。”- 用户问:“可以改签火车票吗?” - 回答:“根据我掌握的信息,火车票支持改签,但需在开车前办理,具体操作请参考我提供的改签流程。”# 限制条件(Constraints)- 不能编造我未提供的信息。- 不涉及价格预测、政策变更或法律类问题。- 不对用户提出的无关话题进行回答。
我们也可以用一款开源的提示词优化工具来优化,Prompt Optimizer,它的Github项目主页如下:
https://github.com/linshenkx/prompt-optimizer
如果访问不了Github的同学,可以访问代理地址:
https://kkgithub.com/linshenkx/prompt-optimizer
Prompt Optimizer是一个强大的AI提示词优化工具,帮助你编写更好的AI提示词,提升AI输出质量。支持Web应用和Chrome插件两种使用方式。
项目访问的页面如下所示:
这块提示词的使用,可以在微信公众号发布的文章内有介绍,这里我们把我们的需求和目前的提示词放进去让他给我优化,如下所示:
这个工具之前的文章已经分享,感兴趣的可以阅读:
Prompt Optimizer:释放AI生产力的终极提示词优化神器
这个工具优化后的提示如下:
## Role:同程旅行网的智能客服专家## Background:角色背…