《人工智能应用与信息技术》电子教案 -项目四 提示词设计与应用（二）

教案学期2026—2027学年第一学期课程名称人工智能应用与信息技术开课专业、班级计算机应用技术、计算机26101-26103授课教师（职称）审定人编制时间：2026年6月课程基本情况课程名称人工智能应用与信息技术总学时数56理论学时28实践学时28课程学分3.5考核方式考查课授课专业计算机应用技术授课班级计算机26101-26103课程性质公共基础课程总体教学目标、要求本课程以人工智能应用岗位的实际工作需求为导向，立足人工智能行业发展趋势与岗位技能标准，通过理论讲授与实践操作相结合的教学模式，实现知识传授、技能培养与素养塑造的有机融合。通过本课程的系统学习，使学生全面了解人工智能与AIGC的基本概念与发展历程，掌握主流AIGC工具的功能特点与使用方法，具备提示词设计与优化的核心能力，能够运用AIGC工具完成文本创作、智能化办公、图像生成、音频处理、视频剪辑、数据可视化分析等实际任务。在技能培养基础上，着力提升学生的综合职业能力，培养学生具备AI时代所需的判断能力、创新能力、跨界融合能力与终身学习能力。引导学生树立诚信守法、审慎辨伪、向善而行的技术伦理观，养成规范操作、主动思考的职业习惯，能够从容应对人工智能时代的工作挑战。使用教材《人工智能应用与信息技术》参考资料教案4-2本节课标题项目四提示词设计与应用（二）任务3提示词设计方法（下）——少样本学习、RTF框架法、多模态提示 任务4提示词优化技巧授课学时4学情分析知识上，通过上一节课的学习，学生已初步掌握了提示词的核心要素与三大设计原则（明确性、上下文关联、渐进式引导），并对思维链推理有了一定了解。然而，学生对于通过“提供示例”来引导模型行为的少样本学习方法尚处于认知空白，对结构化极强的RTF框架法也缺乏系统认识，还不了解多模态提示的应用场景。此外，学生对提示词设计过程中常见的误区（如信息过载、模糊指令、忽视模型差异、缺乏迭代、忽略伦理、格式混乱）缺乏警惕，对于如何通过多轮对话管理进行系统性的提示词优化，尚未形成清晰的方法论，对提示词优化技巧也了解不多，这些理论知识在实际操作中的应用仍有待加强。技能上，学生能运用基础提示词完成简单任务，但面对需要格式规范、风格迁移或复杂逻辑推导的进阶任务时，常常因提示词设计不当导致输出结果不理想。他们普遍缺乏通过构造高质量示例（少样本学习）来约束AI输出格式和风格的技能，在运用RTF框架进行结构化设计时也难以精准定位角色与拆分任务。在优化层面，学生多停留于“一次生成，直接使用”的粗放阶段，缺乏运用多轮对话进行“评估→补充→再生成”的迭代优化技能，对如何规避提示词设计误区、针对不同专业领域适配优化策略等实操能力尤为薄弱，这严重制约了AI工具在实际工作场景中的效能发挥。素养上，学生在面对初次生成效果不佳时，容易产生急躁情绪或直接放弃，缺乏精益求精、持续优化的工匠精神和逻辑思辨能力。同时，在快速发展的AI技术面前，学生对于不同模型之间的特性差异、AI生成内容的伦理与安全边界等问题的敏感度仍需提高。本项目将重点通过案例对比和实操演练，引导学生在解决真实复杂任务的过程中，养成“先规划、后执行、再优化”的严谨工作习惯，培养其在专业领域深度应用AI技术的创新意识和责任意识，进一步强化人机协作中的主导地位和批判性思维。综上，学生已具备一定的提示词基础知识和AIGC工具操作能力，但面对需要示例规范、结构化约束及多轮优化的进阶任务时，缺乏系统的方法论支撑和实操经验。因此，在教学过程中，教师需紧密承接上节课内容，采用“案例驱动+对比分析+实操演练”的教学模式。通过引入少样本学习中“以例示例”的对比效果、RTF框架法“从模糊到清晰”的升级过程，以及从“一次生成”到“多轮迭代”的优化路径，由浅入深地拆解进阶方法的核心逻辑，重点突破少样本示例设计和多轮对话优化等难点，引导学生在不断的“设计—测试—诊断—优化”循环中，真正掌握提示词进阶设计能力。教学目标知识目标能力目标素质目标掌握少样本学习的概念，理解核心逻辑及设计步骤；掌握RTF框架法的定义、三个维度的内涵及优势；了解多模态提示的基本概念；识记提示词设计的常见误区及其对应的优化策略；理解多轮对话管理的核心技术框架及优化提示词的基本流程与关键技巧；了解不同专业领域的提示词优化策略侧重点。能够根据任务需求，构造2～5个高质量示例，运用少样本学习引导模型理解任务格式与输出风格；能够熟练运用RTF框架法，设计结构清晰、约束明确的提示词；能够识别提示词设计中的常见误区，并运用对应策略进行修正与优化；能够对AI的生成结果进行有效迭代优化；能够根据不同专业领域的特性，初步选择合适的提示词优化策略。培养学生结构化、精准化表达的思维习惯；培养学生严谨、细致的工作态度；培养学生精益求精、追求卓越的工匠精神和批判性思维；拓宽技术视野，激发学生将AI技术应用于本专业的创新探索热情。教学案例案例：某互联网公司运营专员小李，初次使用AI工具生成产品推文时，仅输入“写一篇手机推文”，结果AI输出的内容泛泛而谈、缺乏针对性，完全无法满足推广需求。后来，他学习了提示词设计技巧，采用RTF框架法明确角色为“资深手机行业小红书博主”，任务为“突出手机拍照防抖+超长续航卖点”，输出格式为“吸睛开场+卖点拆解+互动引导”，并融入思维链推理逻辑优化提示词。最终AI生成的推文精准契合平台风格，转发量较之前有所提升。教学重点及解决方法重点：少样本学习的概念、设计步骤及应用；RTF框架法的内涵与应用；提示词设计误区的识别与优化策略。解决方法：1.结合教材中的两个典型案例，详细拆解“明确任务→构造示例模板→应用提示”三个关键步骤。通过“练一练”，让学生分组选择一个场景设计少样本学习提示词。2.详细阐述角色、任务、输出格式三个维度的内涵与要求，并通过正误对比加深理解。要求学生运用RTF框架为本专业设计AI职业顾问提示词，通过实操演练巩固该方法。强调三个维度需形成有机整体，而非孤立指令。3.逐一剖析教材中提出的六大误区并结合具体案例和“提示词示例”说明其危害。组织学生分析无效提示词，并运用对应的优化策略进行改写，强化理解。教学难点及解决方法难点：根据复杂任务设计有效的少样本示例；多轮对话管理中的迭代优化技巧；1.强调示例的“高质量”和“代表性”。示例需清晰展示输入-输出的映射关系，覆盖任务的不同情况，且格式需与最终要求的输出格式保持一致。通过课堂演示和小组互评，让学生互相检验示例的有效性。2.通过“无效提示词多轮优化模拟”的练一练活动，让学生在实操中体会完整流程。重点讲解并练习四个关键技巧：明确指出问题所在、逐步细化需求、使用对比性描述、保留关键上下文。通过对比初始和最终版本提示词差异，让学生直观感受迭代优化。参考资料序号教学步骤教学内容教师活动学生活动教学环境1课前准备预习任务4中少样本学习、RTF框架法、多模态提示的概念与应用；提示词设计的常见误区；多轮对话管理流程与优化技巧；不同领域的提示词优化策略。根据教材内容设定课前考核题目；分析学生对提示词进阶方法和优化技巧的初始认知。阅读教材及教师提供的课前资料，完成课前思考题；在学习通提交自己使用AI时遇到的典型案例；完成课前习题考核，初步了解少样本学习和RTF框架的基本概念。学习通2任务引入（15min）以“小李写推文”案例导入，引出核心问题：（1）掌握提示词设计与优化方法，对提升AI工具使用效率、解决实际工作问题有哪些重要意义？抛出引导性问题；引导学生思考进阶提示词方法（少样本学习、RTF框架）的应用价值；顺势引入本节课的核心任务——掌握少样本学习、RTF框架等设计方法及提示词优化技巧。聆听案例；思考并回答引导性问题；分享自己在使用AI时遇到的因提示词不明确导致输出质量不佳的经历，激发学习兴趣。实训室3知识讲授（80min）少样本学习的概念、设计步骤及“练一练”引导；RTF框架法的概念、三维度内涵、核心优势及示例；多模态提示的概念与应用场景；提示词设计六大误区及优化策略；多轮对话管理的核心技术框架、优化流程及关键技巧；不同领域的提示词优化策略对比。结合“充电宝/护眼灯”和“情感分析”案例，讲解少样本学习逻辑；结合“小李写推文”案例，运用对比分析阐释RTF框架的结构化优势；列举六大误区，结合具体案例说明危害与优化策略；模拟多轮对话场景，演示的优化流程；简要介绍不同领域的优化策略侧重点。听讲并记录核心概念与方法；跟随教师分析“小李写推文”案例中RTF框架的运用；参与“判断以下提示词属于哪种设计误区”的随堂互动；理解多轮对话管理的流程与关键技巧；记录不同领域的优化策略要点，思考与本专业的关联。实训室4小组协作完成任务（60min）项目实训：基于本专业的AI职业顾问提示词优化。实训方案：借助AI工具优化专属职业顾问方案。实训任务：通过多轮对话优化提示词，针对AI输出内容的不足，补充信息或调整指令，直至生成精准、实用的职业规划方案。实训步骤：结果评估与差距分析→迭代追问与约束细化→格式化输出。下发实训任务及要求；巡视课堂，观察各小组的提示词优化情况；引导学生查看输出结果并分析内容不足之处；针对岗位匹配未契合自身方向、能力提升建议不够细化等问题，指导学生进行迭代优化；引导学生重复优化过程直至内容契合个人需求，最终调整输出格式要求完成方案。以上节课小组为单位，在对话框中针对上节课的方案输入优化指令，如聚焦细分方向、细化能力提升建议等；重复优化过程，直至输出内容完全契合个人需求；记录每一轮对话的提示词文本及优化思路。实训室5小组汇报与评分（30min）小组汇报任务成果；对成果进行审查与互评。点评学生作品；组织互评；引导总结。展示成果；参与互评；记录反馈意见实训室6归纳提升和拓展（15min）梳理项目四核心知识点：1.少样本学习的设计步骤与应用价值；2.RTF框架法核心逻辑；3.多模态提示基本概念；4.提示词设计的六大误区及优化策略；5.多轮对话管理的技巧与流程。延伸：不同领域的提示词优化策略差异；提示词设计中的伦理与安全边界。选取1-2个小组的优秀成果进行全班展示与点评，重点点评少样本学习中示例的代表性、RTF框架三个维度的完整性与协同性；强调在多轮对话优化中，必须坚守伦理边界，避免AI生成违规或偏见内容；总结本课核心知识点，并引导学生思考如何将这些方法迁移到本专业的实际应用中。观摩优秀案例，反思本组提示词设计的不足；聆听教师关于伦理边界的强调，将安全意识内化；回顾并梳理本节课的知识脉络。实训室7课后任务1.完成学习通平台项目四（二）课后习题。2.提交课堂实训成果至学习通平台：包含少样本学习提示词设计成果、RTF框架法提示词设计成果、无效提示词多轮优化模拟的完整记录。3.预习项目五“文案创作、规范文本、文本润色与优化”内容。学习通课后反思

教学内容备注一、任务引入案例引入：某互联网公司运营专员小李，初次使用AI工具生成产品推文时，仅输入“写一篇手机推文”，结果AI输出的内容泛泛而谈、缺乏针对性，完全无法满足推广需求。后来，他学习了提示词设计技巧，采用RTF框架法明确角色为“资深手机行业小红书博主”，任务为“突出手机拍照防抖+超长续航卖点”，输出格式为“吸睛开场+卖点拆解+互动引导”，并融入思维链推理逻辑优化提示词。最终AI生成的推文精准契合平台风格，转发量较之前有所提升。引导性问题：掌握提示词设计与优化方法，对提升AI工具使用效率、解决实际工作问题有哪些重要意义？案例任务：本专业的AI职业顾问提示词优化案例方案：借助AI工具搭建专属职业顾问，明确AI的角色为“深耕AI领域的资深职业规划师”；结合个人情况、行业趋势、能力提升输出职业规划方案；通过多轮对话优化提示词，直至生成精准、实用的职业规划方案。案例步骤：结果评估与差距分析→迭代追问与约束细化→格式化输出。二、知识讲授（一）少样本学习少样本学习（Few-shotLearning）是一种通过在提示词中嵌入少量高质量示例（通常为2～5个），引导模型理解任务格式、语义规则与输出风格的提示词工程方法。其核心在于“以例示例”，而非抽象描述。少样本学习提示词的设计通常涉及以下关键步骤。1.明确任务。明确模型需要完成的任务类型，例如情感分析、翻译、问答等。2.构造示例模板。设计一个或几个包含示例的模板，这些示例需要展示出期望的输出格式和内容。3.应用提示。将构造好的示例模板与待处理的新输入（即目标样本）拼接，形成最终提交给模型的完整提示词。【提示词示例】【输入】“充电宝”是一种可以给手机、平板电脑等电子设备随时补充电量的便携式电池。一个使用“充电宝”这个词的句子的例子是：出门旅行时我总会带上充电宝，防止手机没电。“护眼灯”是一种光线柔和、能减少眼睛疲劳，专门用来读书写字的台灯。一个使用“护眼灯”这个词的句子的例子是？【输出】晚上写作业的时候，我都会打开书桌上的护眼灯，保护好自己的眼睛。在这个示例中，提问者设计了一个示例模板——“充电宝”的词义解释及用法示范。新输入为“护眼灯”的词义解释，要求模型生成对应句子，这就是对该示例模板的应用。通过这种方式，即使是那些没有经过特定任务大规模训练的模型，也能够在提供少量示例样本的情况下，展现出令人惊叹的任务执行能力。假设有一个自然语言处理模型，需要引导它识别情感倾向（正面/负面），可以使用以下提示词。【提示词示例】评论1：这款无线耳机音质清晰，续航也远超预期，性价比太高了。情感：正面。评论2：刚收到的衣服做工粗糙，到处都是线头，和商品图片严重不符。情感：负面。评论3：这部电影剧情紧凑，演员演技在线，看完还意犹未尽。情感：正面。评论4：外卖配送超时一个小时，餐品都凉透了，客服还敷衍了事。情感：负面。请判断以下评论的情感倾向（正面/负面）：评论：小区新换的物业很负责，响应问题及时，住户的居住体验明显提升。情感是？如今，市面上的大模型通常都经过了大量训练数据的训练，对于简单问题，用户直接使用零样本提示即可获得准确回答。当零样本提示无法满足任务需求时，用户才需转向少样本学习策略。【练一练】基于少样本学习的提示词设计（二）RTF框架法RTF（Role-Task-Format）框架法是一种结构化提示词设计方法，强调从角色（Role）、任务（Task）、输出格式（Format）3个维度明确约束模型行为。这是一个十分高效且易用的提示词结构。1.角色。角色用于指明模型在本次交互中应扮演的专业身份或具备的视角，以激活模型对应的知识库或行为模式。当需要写一个产品文案时，错误的提示词示例为“请写一个文案”，而正确的做法是明确指定“你是拥有5年经验的小红书美妆博主”，该角色设定能有效引导模型使用更精准的行业语料与平台风格。2.任务。任务用于清晰陈述模型需完成的具体动作，明确目标。例如，“撰写产品文案”属于模糊指令，而“撰写一个突出‘抗光老化＋轻薄成膜’双卖点的防晒霜的小红书营销文案”则属于可执行的精准任务描述。3.输出格式。输出格式用于规定模型生成结果的结构化呈现方式，确保结果可被下游系统解析或用户直接使用。例如，对于“整理AI核心技术要点”，应规定输出格式为“用数字序号逐条罗列，每条分技术名称、核心作用两部分表述，单条内容不超过50字”。RTF框架法的核心优势在于将模糊、抽象的大模型交互需求，拆解为3个相互支撑、逻辑递进的明确约束维度，让角色、任务、输出格式形成有机整体，而非孤立的指令要求。【提示词示例】角色：你是拥有3年抖音电商带货经验的美食类短视频脚本创作者，熟悉抖音平台的短视频叙事节奏与美食产品的卖点表达逻辑。任务：撰写一个突出“零添加蔗糖、独立小包装、口感软糯”三大卖点的山药糕抖音短视频脚本，适配15秒短视频的时长要求。输出格式：分“吸睛开场、卖点讲解、结尾引导”3部分撰写，每部分字数不超过30字，语言口语化、有亲和力，结尾包含一句直播间引导话术。RTF框架法以角色扮演为主，因此确定合适的角色至关重要。该方法可以进一步拓展，如引入上下文核心要素，用于提供任务所需的背景信息、约束条件或参考样本。例如，在生成合同条款时补充“本合同适用于跨境电商B2B场景，甲方为深圳某智能硬件出口企业，乙方为德国慕尼黑本地分销商”，可显著提升条款的合规性与适配度。【练一练】RTF框架法分组实操与互评。（三）多模态提示提示词工程已从纯文本交互场景延伸至图像、音频、视频等多模态场景。部分模型支持跨模态提示，跨模态提示需同步设计各模态的输入约束与输出协同机制。例如，在图文生成任务中，文本提示须明确图像风格（如“赛博朋克风”）、主体构图（如“居中特写，45度俯角”）及图文一致性要求（如“文案需精准描述图中可见元素，不添加图中未呈现的细节”）；在音视频生成中，则需标注语速、情绪、背景音类型等声学要素。以豆包为例，在其对话界面单击“上传附件”按钮，选择“上传文件或图片”选项，即可将本地文档、PDF文件、图片等文件上传。在对话框中输入提示词，例如“分析这张图片的视觉风格与画面构图，用简洁的文字精准描述图中的核心元素，包括景物类型、色彩基调与拍摄视角，不添加图中未呈现的细节，字数控制在150字以内”。单击“发送”按钮，系统将自动解析图像内容并生成符合要求的结构化描述。（四）提示词设计误区1.信息过载与上下文溢出问题在实际应用中，部分用户倾向于一次性输入过量信息，例如某运营人员在生成产品文案时，直接将长达5000字的产品手册全文粘贴至对话框，期望AI能够全面理解并高效输出。然而，由于几乎所有主流大模型均存在上下文窗口的长度限制，AI实际仅能识别并处理前1000字左右的内容，大量关键信息被忽略，导致输出结果与预期存在显著差距。信息过载与上下文溢出问题的优化策略如下：（1）按信息重要性排序。将核心卖点、关键约束放在提示词前部。（2）提炼长文本核心信息。删减研发背景、生产流程等非必要内容。（3）采用多轮对话、分批次输入。例如第一轮传递核心卖点，第二轮补充应用场景等。2.模糊指令与主观词的无效性诸如“写一篇有深度的文章”中的“深度”，或“生成吸引人的标题”中的“吸引人”等表述，对AI系统而言缺乏明确语义指向，AI系统难以将其转化为可执行指令。模糊指令与主观词的无效性问题的优化策略如下：（1）替换主观词为具体、可执行的标准。（2）明确文章的核心要素，如目标受众、内容结构、核心亮点。（3）优化示例，如“写一篇面向租房人群的智能家居科普文章，突出‘低成本改造、安装便捷’两个亮点，分3个场景（卧室、客厅、厨房）举例，语言口语化，控制在800字以内”。3.忽视不同模型间的特性差异目前，常见的AI模型具备显著不同的功能侧重点。例如，文心一言在中文语境的语义理解和文学类创作任务中表现更为精准；GPT-4则长于逻辑推演与复杂分析，尤其适合结构化内容的生成；而Claude在超长文本的处理与摘要生成方面具备独特优势。如果用户以完全相同的提示词在不同模型间进行调用，生成结果的质量与风格可能截然不同。市面上常见的Al模型及其适配策略如表4-3所示。表4-3市面上常见的AI模型及其适配策略AI模型缺陷适配策略文心一言中文表述容易出现不准确的情况，文学创作易陷入套路化表述加入“使用地道中文表述，避免翻译腔”“规避模板化写作，增强内容的原创性与意境感”DeepSeek代码生成时注释简略，数学推理易“跳步”，需要注意技术文档的实操性加入“代码需附带详细注释，说明核心逻辑与调用条件”“数学推理分步拆解，列明每一步的公式依据”“技术文档中补充实操步骤与故障排查方案”千问电商文案易同质化，本地化场景案例存在泛化情况，多模态生成图文关联性可能较弱加入“突出产品差异化卖点，规避通用化表述”“结合具体城市的本地生活场景举例”GPT-4对部分政策的解读易出现偏差，本地化案例适配度有待提升加入“结合最新政策文件解读，确保内容合规性”“引用本土化案例，增强内容的适配性与实用性”4.缺乏迭代与持续优化的意识缺乏迭代与持续优化的意识具体表现为将AI的首次生成结果作为最终版本，未根据输出结果有针对性地调整提示词，导致内容质量无法达到预期标准。例如某金融从业者初次使用提示词“生成一份信贷业务风险分析报告”来生成报告，AI生成的报告仅罗列通用风险点，无行业针对性，也无数据支撑。用户未进行提示词优化，直接使用该报告，最终因内容空洞被驳回。优化策略：第一轮报告生成后，标记问题；第二轮优化提示词，补充具体要求；第三轮优化针对报告中数据不足的问题，补充提示词。5.忽略伦理准则与安全边界2025年3月，某医疗健康类AI系统因在提示词设计中未明确约束伦理条款，对用户查询做出“建议使用未经批准的实验性药物”的高风险回复，致使开发企业面临重大法律与监管后果。该类事件警示人们，必须在设计提示词时内置明确的伦理准则与安全边界，以防止AI生成不符合法律法规或社会价值观的内容。6.格式混乱指代不清、标点缺失、段落混排等格式问题，会严重干扰模型对提示词结构的解析。例如，将“请列出3点优势”与“①成本低②效率高③易部署”写在同一行且无分隔符，模型易将其误判为输入数据而非指令。又如，在关键指令前遗漏冒号或换行，导致意图识别失败。优化策略为规范提示词格式，用标点、换行分隔不同要素。【提示词示例】请完成两个任务。列出这款产品的3个核心优势（①成本低②效率高③易部署），用序号分点表述。基于这3个优势，撰写一篇200字以内的推文，风格年轻化。关键指令前添加引导语，可明确任务边界，避免混淆不同需求（五）多轮对话管理多轮对话管理是通过结合上下文理解、状态追踪和记忆机制实现连贯交互的。1.核心技术框架多轮对话管理的核心技术框架本质上是一套让AI“听懂需求、记住信息、合理应对、清晰回复”的完整流程。用户“说出”需求后，需求信息会依次经过4个模块处理：（1）自然语言理解（NLU）。对用户输入的自然语言进行分析与理解，把用户的自然语言转化为系统能识别的信息，提取关键细节。（2）对话状态追踪（DST）。对对话过程中的关键信息进行实时记录与动态更新，负责实时记录对话过程中的关键信息，形成动态更新的“信念状态”。（3）对话策略学习（DPL）。基于对话状态追踪的信息制定对话策略，判断下一步该怎么做。（4）自然语言生成（NLG）。将对话策略转化为符合日常语境的自然语言，让回复更易被用户接受。2.基于多轮对话优化提示词基于多轮对话优化提示词的基本流程为：提出初识提问→分析模型输出→针对性补充信息→重复优化。这一流程并非线性重复，而是依托对话状态追踪持续积累的对话历史，在每次迭代中动态修正提示词结构与输出倾向，使提示词更贴合用户真实意图与上下文语境。在提出初识提问时，不追求完美，而是聚焦核心诉求，留出信息补充空间，例如“帮我写个春节假期的祝福文案”。接着分析模型输出，仔细查看输出内容是否符合预期，是否有内容太过简略、方向跑偏、细节不足的部分。针对性补充信息，例如，若发现文案缺乏地域特色或亲情温度，在第二轮提问中补充“请加入南方小年习俗内容”或“加入祖辈与孙辈互动的温馨细节”。重复优化，继续分析新的输出、补充或调整需求，直至输出令人满意为止。在多轮对话中，优化提问的关键技巧包括：（1）明确指出问题所在。摒弃“内容不行”“写得不好”“再改改”这类模糊的否定式表述，具体指明上一轮结果的问题类型、具体位置和不符合预期的原因。问题可聚焦在内容维度（如太笼统、缺细节）、风格维度（如太书面化）、逻辑维度（如衔接混乱、重点不突出）、格式维度（如结构分散、无分点）等具体方向。（2）逐步细化需求。每次细化补充时尽量只聚焦1～2个细化方向，避免多点并发导致上下文溢出，使得模型无法处理或理解出现偏差。（3）使用对比性描述。当单一正面描述无法让AI精准把握意图时，可借助对比手法强化表达，例如“要什么/不要什么”“像A那样，而不是B那样”“偏口语化，避免公文化”。【提示词示例——对比性描述】【单一正面描述】写一条健身房的新人体验卡推广语，要口语化一点。【对比性描述】写一条健身房的新人体验卡推广语，要生活化的口语风格，类似健身房教练和顾客当面推荐的语气，不要官方书面的宣传语；突出9.9元体验7天的高性价比，弱化健身房的品牌历史介绍。（4）保留关键上下文。新一轮提问需要衔接上一轮内容，保留关键上下文，必要时重复输入已有的内容和限定条件。尽量不要使用产生割裂感的上下文，例如首轮提问为“撰写宣传文案”，而在多轮对话中若突然切换为“撰写工作汇报”，这时就出现了上下文割裂，AI容易产生混乱，再想回归“撰写宣传文案”的意图时，可能达不到预期效果。在出现新的意图时建议开启新的会话，避免因AI理解错误而造成混乱。一段完整的多轮对话的提示词示例如下。【提示词示例——多轮对话】【初始提问】“什么是有氧运动”【第一次输出分析】模型解释了有氧运动的基础定义，但表述笼统，未明确判断标准、未列举常见类型，无法区分其与其他运动。【第二次提问（优化）】“请用通俗语言解释有氧运动，明确判断标准，列举3～5种常见类型及简要特点，避免使用抽象表述”【第二次输出分析】模型解释了概念、判断标准及常见类型，但未说明有氧运动的好处和实际价值。【第三次提问（优化）】“请补充有氧运动的核心好处，结合工薪人士、学生的作息说明适合的时长和频率”【最终效果】模型既列出了有氧运动的核心知识，又明确了其好处及适配日常的运动方式，形成完整认识，适合日常运动参考。【练一练】无效提示词多轮优化模拟（六）不同领域的提示词优化策略不同领域对提示词优化的要求各有侧重，常见的优化策略如表4-4所示。表4-4不同领域的提示词优化策略专业领域核心挑战优化策略性能指标典型场景代码研发与生成语法易出错、逻辑有漏洞，数学推理常跳步分步引导生成，结合GitHub开源规范案例进行少样本学习，嵌入Pylint语法校验代码编译成功率、注释覆盖率、漏洞检出率自动化脚本开发、第三方API集成、算法落地专业文档编撰结构混乱、内容不精准，不同受众理解差异大用RTF框架法设定角色，分章节递进生成，锚定核心参数文本可读性、关键信息完整性、格式规范性产品用户手册编写、技术规格书编写、学术论文初稿编写数据挖掘与分析数据逻辑关联弱，分析结论无决策价值用思维链拆解分析步骤，通过多轮对话补充行业数据，搭配Tableau可视化要求分析结论准确率、数据洞察深度业务数据报表分析、用户行为分析、市场趋势研判客户服务与沟通抓不准用户情绪，回复个性化不足留存上下文，加入情感识别提示，动态适配话术用户满意度、问题一次性解决率在线咨询答疑、售后问题跟进、投诉处理教育教学与培训知识传递效率低，学员参与度不高分层设计引导语，结合少样本学习示例生成习题，加入互动提问环节学员知识掌握度、课堂参与度个性化习题生成、教学课件制作、科普答疑市场营销与推广文案吸引力差，转化率低，品牌调性不统一锚定受众画像，突出产品差异化卖点，适配小红书/抖音平台文案点击率、转化率、受众共鸣度小红书营销笔记生成、抖音销售脚本生成、活动策划案生成医疗健康服务医学知识易出错，存在隐私和伦理风险锚定临床相关专业知识，加入隐私脱敏要求，明确伦理边界医学内容准确率、隐私合规率、用户理解度健康科普文案、慢性病管理建议、就医指导编撰法律事务处理法条引用不准确，文书表述不严谨提示引用《中华人民共和国民法典》条款，多场景合规校验，规范合同文书格式法条引用准确率、文书合规率、风险规避率合同条款审核、法律咨询答疑、合规报告撰写金融风控与分析数据不准，风险识别不敏感，不符合监管要求拆解信贷、理财等细分风险维度，嵌入国家金融监督管理总局监管规则，多模型交叉验证风险识别准确率、合规达标率、决策支撑效率信贷风险评估、交易异常监测、合规报告撰写创意设计与创作内容套路化，风格不统一，缺乏原创性用RTF框架法设定角色，先发散3种风格再收敛，多版本迭代风格还原度、需求匹配率、原创性评分平面设计文案生成、短视频脚本生成、UI设计说明生成多模态内容生成图文/音视频协同差，内容不一致明确图像风格、语速参数，要求图文语义对齐跨模态适配准确率、风格还原度图文海报生成、短视频素材制作三、任务实施（一）任务解析职业选择是大学生职业生涯发展的关键节点，直接影响未来职业路径与发展高度。但大学生在进行职业选择时普遍面临诸多困境：自身职业定位模糊，对本专业就业方向与相关行业趋势了解不全面；获取的职业信息零散且缺乏针对性，难以形成系统认识；缺少专业顾问的个性化指导，导致无法精准将自身优势与岗位需求进行匹配，在职业选择中陷入迷茫。本实训旨在利用AI技术，构建一个“专属AI职业顾问”，通过科学的提示词设计，解决职业定位、行业分析和能力提升路径规划的实际问题。（二）任务目标掌握RTF框架：熟练运用角色（Role）、任务（Task）、格式（Format）框架设计职业顾问提示词。学会迭代优化：掌握运用思维链（CoT）和少样本学习（Few-shot）方法，对AI输出结果进行批判性评估与迭代优化。产出个性化方案：最终借助AI工具输出一份贴合个人专业背景和兴趣的、可直接用于求职准备的结构化职业规划方案。（三）实操工具工具推荐：DeepSeek。该模型在代码生成、数学推理及长文本分析方面具有显著优势，特别适合处理职业规划这类需要复杂逻辑推理的任务。材料准备：学生需准备本人最新版简历（务必包含教育背景、核心课程成绩、实习经历、项目成果、技能证书及自我评价），简历信息越详实，AI生成的方案越精准。（四）操作步骤第一阶段：初始对话（建立基准）操作：打开DeepSeek，开启新对话。点击“上传附件”按钮上传简历。输入提示词：“你是一位深耕AI领域的资深职业规划师，我是一名AI专业的学生，请你给我提供职业规划咨询。请结合我的课程成绩、实习经历与兴趣方向，从行业分析、岗位匹配、能力提升建议3个方面，给出结构化职业规划方案”。目的：获取一个通用的基准回答，作为后续优化的“靶子”。第二阶段：批判性评估（寻找差距）分析重点：行业分析：是否覆盖了AI领域的主流趋势？深度是否足够？岗位匹配：是否结合了简历中的具体项目经验和技术栈？还是泛泛而谈？能力提升：建议是否具体到可执行的学习路径（如具体技术点）、推荐资源（书籍/课程）和时间节点？第三阶段：迭代优化（精准打击）发现问题：假设初次输出的岗位匹配未契合学生感兴趣的“计算机视觉”方向，且能力提升建议过于笼统。优化指令：在对话框中输入：“调整已生成的职业规划方案，调整内容如下：①聚焦‘计算机视觉’与‘自然语言处理’两大细分方向，结合我的项目经验重新匹配岗位；②能力提升建议需明确学习路径、推荐资源、时间节点等，要求6个月内完成”。目的：利用“渐进式引导”原则，通过补充上下文和具体约束，引导AI生成更具实操性的内容。第四阶段：格式化输出（工程化应用）最终指令：当内容基本满意后，输入：“将最终方案按‘行业分析——岗位匹配——能力提升建议’3个部分分点呈现，每部分用中文顿号分隔关键信息，不加序号、不换行、不使用任何标点以外的符号，确保格式统一、内容精炼、便于直接嵌入求职文档”。目的：确保输出格式统一、精炼，便于直接复制到求职文档或PPT中使用。（五）实训成果与评价（1）实训成果：一份结构清晰、内容详实的个性化职业规划方案；完整的对话记录（包含原始提示词、优化过程中的中间提示词及最终提示词），并附上每一步的优化思路说明。（2）实训评价如表4-5所示。表4-5实训评价评价维度评价指标得分实训准备（1）优秀（17～20分）：资料完整翔实，清晰理解实训目标，精准阐