你是一个华为 Mate 80 Pro 科技评测助手，服务对象是对该机型有购买意向的消费者。
# 核心目标
帮助用户快速了解 Mate 80 Pro 的核心卖点与不足，辅助购买决策。
# 回答规则
1. 先说结论，再说支撑数据
2. 涉及参数必须以官方规格页为准，不编造
3. 每条卖点与不足均控制在 20 字以内
4. 禁止使用”遥遥领先””地表最强”等夸张措辞
# 输出格式
默认按以下结构输出（Markdown）：
– 核心结论（一句话，不超过 30 字）
– 优势（3 条，每条带数据支撑）
– 不足（2 条，如无不足则填”暂无明显短板”）
– 适合人群（一句话）
# 风格要求
语言专业、克制、有数据感；避免感叹号和感叹语气。
# 失败兜底
当用户问题超出评测范围时，回复：「该问题超出评测范围，建议访问华为官网或前往线下门店体验。」
“`
一、语法特征对比
语法特征：
- 分区标题以 `#` 标记，语义自解释
- 每区规则条目编号，边界清晰
- 输出格式以 Markdown 结构约束
- 明确兜底策略
- Token 占用略高，但语义密度与可维护性显著提升
二、分项对比
| 维度 | 基础版 Prompt | 结构化 Prompt |
|---|---|---|
| 语法复杂度 | 低，单一段落 | 中，需理解分区语义 |
| 输出格式控制 | 弱，依赖模型「猜测」 | 强，Markdown 结构直接约束 |
| 约束边界 | 模糊（「专业」「简洁」等形容词） | 明确（数字、禁止项、兜底语句） |
| 多任务一致性 | 不稳定，同一任务结果波动大 | 稳定，同类任务输出结构统一 |
| 可维护性 | 低，修改需全文重读 | 高，可单独调整某分区 |
| 适用场景 | 简单问答、角色扮演 | 功能型 Agent、服务型智能体 |
| 调试难度 | 高，问题定位模糊 | 低，问题可直接定位到某分区 |
| Token 利用率 | 低，形容词占用有效上下文 | 高，规则直接转化为约束 |
| 合规适配 | 需额外补充禁用词清单 | 内建禁用词与兜底策略 |
| 团队协作 | 难以分工 | 可按分区认领开发任务 |
总结：基础版 Prompt 与结构化 Prompt 的差异本质上是「自然语言」与「工程化规约」的差异。前者把判断权交给模型，后者把判断权显式化。
三、实测差异
以「评测摘要生成」任务为例，输入同一问题：
> 「Mate 80 Pro 影像系统怎么样？」
基础版 Prompt 输出（随机波动示例）：
“`
Mate 80 Pro 配备了华为最强大的影像系统，拍照效果遥遥领先，无论是白天还是夜晚都能拍出专业级照片，尤其在长焦和微距方面表现突出，是目前旗舰机中最强的存在。
`”
问题分析：存在「遥遥领先」「最强」等禁用词，无结构，数据支撑缺失，适合人群未给出。
基础版 Prompt 第二轮输出（同样输入，温度系数不变）：
“`
华为 Mate 80 Pro 影像表现非常出色，硬件配置顶级，能够满足大多数用户的拍摄需求。整体来看，是一款值得考虑的影像旗舰。
`”
问题分析：同一 Prompt、同一输入，两次输出在篇幅、措辞、结论强度上完全不同，无法直接用于自动化流水线。
结构化 Prompt 输出（稳定输出）：
“`
– 核心结论：Mate 80 Pro 影像能力稳居旗舰第一梯队，长焦与暗光表现突出。
– 优势
1. 5000 万像素超聚光主摄，暗光进光量提升 40%
2. 4800 万潜望式长焦，支持 10 倍光学变焦
3. 超广角配合微距镜头，场景覆盖完整
– 不足
1. 视频防抖在高速运动场景略有妥协
2. 专业模式学习成本略高
– 适合人群：对摄影有高要求、注重长焦与暗光表现的用户。
`”
实测结论：基础版 Prompt 输出方差大，结构化 Prompt 输出方差小。对需要二次解析的内容（如自动入库、自动回复），结构化写法是必然选择。
四、关键语法节点说明
4.1 角色定义区（# 角色定义）
作用等同于 system prompt 的角色设定。写法要点：
“`markdown
你是一个【具体身份】，服务对象是【目标用户】，核心能力是【能力边界】。
`”
- 身份越具体，行为越稳定。避免「AI 助手」等泛化描述。
- 服务对象明确后，模型会自动调整表达深度。
- 「能力边界」应明确写出，避免越权生成。
进阶技巧： 在华强北及各类数码论坛的评测场景中，建议在角色定义区明确「禁止提及竞品具体型号」，避免跨品牌拉踩内容引发争议。同时可以补充「仅基于公开规格与官方信息回答」，避免模型自行编造参数。
角色定义反例：
“`
你是一个 AI 助手，可以回答任何问题。
`”
问题分析：身份过于宽泛，模型会自动切换角色风格，导致输出不可控。
4.2 回答规则区（# 回答规则）
这是约束输出质量的核心区块。常见约束类型：
| 约束类型 | 示例 |
|---|---|
| 格式约束 | 每条不超过 20 字 |
| 内容约束 | 必须包含数据支撑 |
| 禁用词 | 禁止使用「遥遥领先」等夸张措辞 |
| 优先级 | 先说结论，再说细节 |
| 数量约束 | 优势 3 条，不足 2 条 |
| 时态约束 | 回答使用现在时，描述历史使用过去时 |
| 引用约束 | 参数必须标注来源（如「来源：华为官网」） |
规则优先级冲突处理原则： 当两条规则产生冲突时（如「每条不超过 20 字」与「必须包含数据支撑」），默认以数量约束优先，格式约束次之，禁用词规则最高优先级不可覆盖。
规则数量建议： 单一 Prompt 中的显式规则建议控制在 5-8 条。规则过多会显著提高 token 占用，且模型对后置规则的遵循度会下降。建议将高频规则放在前 2048 tokens 内。
4.3 输出格式区（# 输出格式）
直接指定 Markdown 结构，模型按结构填空：
“`markdown
– 结论：（一句话）
– 优势：
1. （首句带数据）
2. …
– 不足：
1. …
– 适合人群：（一句话）
`”
结构越细，输出一致性越高。
格式嵌套原则： 对于复杂评测场景，可采用二级嵌套结构（如优势下分「影像」「性能」「续航」三个子项），但建议层级不超过三级，过深的嵌套会增加模型解析负担，反而降低输出稳定性。
格式兜底建议： 在格式区末尾追加「若用户主动要求调整格式，按用户指定格式输出，但仍遵守禁用词规则」，可避免模型在面对「帮我用表格」「帮我列点」等指令时出现格式漂移。
4.4 兜底策略区（# 失败兜底）
定义模型遇到未知问题时的默认行为：
“`markdown
当问题超出能力范围时，回复：「[标准拒绝话术]」
`”
无兜底策略的智能体在遇到边界问题时会「硬撑」，轻则答非所问，重则产生幻觉内容。在面向消费者的场景下，幻觉内容不仅影响体验，还可能引发合规风险。
兜底策略分级建议：
| 级别 | 触发条件 | 响应策略 |
|---|---|---|
| 一级 | 问题属于评测范围但信息不足 | 「该信息暂未收录，建议关注华为官方公告」 |
| 二级 | 问题完全超出评测范围 | 「该问题超出评测范围，建议访问华为官网或前往线下门店体验」 |
| 三级 | 涉及敏感内容或争议性话题 | 「此类话题不予讨论，建议关注产品本身」 |
| 四级 | 涉及竞品对比或主观偏好 | 「本助手仅提供 Mate 80 Pro 本机信息，不做横向对比」 |
五、Prompt 约束力的底层原理
理解为什么结构化 Prompt 比基础版更稳定，需要从模型注意力分配机制说起。
基础版 Prompt 的注意力分散问题： 当模型处理一段无结构的自然语言时，它需要自行判断哪些信息重要、哪些可以忽略。「专业」「简洁」「有深度」这类形容词在模型看来权重相近，导致输出在多个维度之间平均用力，无法精确达成任何单一目标。这是基础版 Prompt 容易「看起来都对，但都不够好」的根本原因。
结构化 Prompt 的注意力聚焦效果： 分区标记（如 `# 角色定义`）在模型的 token 化过程中产生明确的语义边界信号，模型能够识别「这是一个独立模块，需要完整遵循」。规则的数字化约束（20字、3条、禁止等）进一步压缩了自由发挥空间，输出自然向规则靠拢。
这一机制在华强北渠道的 Mate 80 Pro 销售助手场景中尤为实用：销售场景要求信息传达高效且合规，过多的自由发挥反而会导致产品优势夸大或参数误报，结构化 Prompt 的「约束即服务」特性正好满足这一需求。
从工程视角看，结构化 Prompt 实际上把「业务规则」「输出契约」「边界控制」三件事显式声明出来，让模型从「理解语义后输出」变成「按契约填空」。前者依赖模型的语义理解能力，后者依赖模型的指令遵循能力——而在小艺这类指令微调过的模型上，后者通常更稳定。
六、常见结构化 Prompt 反模式
即便采用结构化写法，以下错误仍会导致输出质量下降：
-
规则自相矛盾
“`markdown
1. 每条优势必须超过 50 字
2. 总回答不超过 100 字
`”问题分析：当规则组内出现逻辑冲突时，模型会选择性忽略部分规则或输出随机结果。避免方式：在 Prompt 末尾追加「规则冲突时按以下优先级：禁用词 > 数量 > 格式 > 风格」明确优先级。
-
格式与规则脱节
“`markdown
– 优势：（不超过 20 字）# 回答规则
1. 每条优势必须详细说明参数来源和测试场景
`”问题分析：格式要求精简，但规则要求详述，两者产生矛盾。避免方式：所有约束应统一在一个区块，或在格式区与规则区都明确「以本区块为准」。
-
缺少边界定义
“`markdown
你是一个科技产品评测助手。# 回答规则
回答用户关于产品的问题。
`”问题分析：「科技产品」「相关问题」均未明确定义，边界模糊导致模型过度扩展。避免方式：在角色定义区补充「仅回答华为 Mate 80 Pro 相关问题」。
-
兜底策略过于宽泛
“`markdown
当无法回答时，说「我不知道」。
`”问题分析：「无法回答」没有量化标准，模型可能过早触发兜底策略，降低有效回答率。避免方式：明确兜底触发条件，如「当用户问题不属于 Mate 80 Pro 影像、性能、续航、系统、外观五个维度时」。
-
过度结构化
把 Prompt 拆成 10 个以上分区，每个分区只有一两句话，反而增加 token 浪费，且模型对短分区的注意力分配不均。最佳实践是 4-6 个主分区，每个分区有明确的职责与可执行的规则。
-
角色定义与目标用户错配
如角色定义为「专业评测师」但服务对象是「普通消费者」，输出会过于晦涩。避免方式：角色身份、服务对象、表达深度三者保持一致。
七、适用场景建议
选基础版 Prompt：
- 快速验证概念，场景单一
- 对输出格式无严格要求
- 对话型/陪伴型角色
- 个人日常使用，不涉及对外服务
- 一次性临时任务，不需要复用
选结构化 Prompt：
- 功能型智能体（审核、查询、生成、分类）
- 需要稳定输出的生产环境
- 有合规要求的对外服务场景
- 多人协作开发，需分区职责
- 华强北、数码评测等需要数据准确性的专业场景
- 自动化内容流水线，需二次解析输出
混合模式： 在实际工程中，常见做法是基础版 Prompt 用于快速迭代验证，确定有效后重构为结构化版本上线。这种「探索-固化」工作流兼顾了开发效率和输出稳定性。具体流程为：
- 用基础版 Prompt 跑通功能，确认模型能理解任务
- 把验证有效的指令拆分成结构化分区
- 增加禁用词、兜底策略、格式约束
- 在小流量环境 A/B 测试，对比两种写法的稳定性
- 全量切换到结构化版本，下线基础版
八、华为小艺平台的特殊考量
Mate 80 Pro 小艺智能体平台对 Prompt 有以下平台级约束，开发者需特别注意：
- Token 限制： 单条 Prompt 上限为 4096 tokens，超出部分会被截断，建议核心规则放在前 2048 tokens 内。
- 敏感词过滤： 小艺平台内置内容安全审核，禁用词列表动态更新，Prompt 中避免使用绝对化表述（「第一」「最强」「唯一」等）。
- 上下文窗口： 多轮对话中，Prompt 仅在首轮注入，后续对话依赖上下文记忆，长任务需在 Prompt 中内置状态管理机制。
- 平台推荐结构： 小艺官方推荐采用「角色→能力→边界→输出」四段式结构，与 LangGPT 的分区逻辑高度兼容，可直接迁移。
- 工具调用： 若智能体需调用外部工具（如价格查询、库存查询），应在 Prompt 中明确工具调用顺序与失败处理，避免循环调用。
- 多模态适配： Mate 80 Pro 支持图像识别，若智能体涉及拍照识别场景，Prompt 中应明确「图像输入时优先基于视觉信息回答」以引导模型正确调用视觉能力。
平台适配建议：开发者在为 Mate 80 Pro 小艺平台设计 Prompt 时，应优先复用平台官方推荐的「角色→能力→边界→输出」结构，并在每个分区下填充业务规则，避免自定义结构与平台解析逻辑不兼容。
九、迁移建议：从基础版到结构化的具体步骤
对于已经在使用基础版 Prompt 的开发者，可按以下步骤迁移：
指令分类
把现有 Prompt 中的所有指令拆分为「角色设定」「行为约束」「输出格式」「兜底策略」四类，分别放进对应分区。
约束显式化
把「专业」「简洁」这类形容词替换为可量化约束，如「每条不超过 20 字」「必须包含至少一个数据点」。
补充边界
在角色定义区明确服务对象与能力边界，在兜底策略区补充标准拒绝话术。
格式固化为模板
用 Markdown 结构定义输出模板，并加入 1-2 个输出示例（Few-shot），可显著提升一致性。
稳定性测试
同一输入跑 10 次以上，对比结构化前后输出方差，方差显著降低即可视为迁移成功。
版本管理
结构化 Prompt 建议按语义化版本管理（如 v1.2.0），每次调整记录变更内容，便于回滚与团队协作。
结论
华为 Mate 80 Pro 小艺平台的自定义 Prompt 能力本身不区分「简单版」和「进阶版」，区分两者的是开发者的写法。基础版 Prompt 以自然语言为主，适合快速探索；结构化 Prompt 以语义分区 + 明确约束为核心，适合生产级智能体。
核心差距不在「文笔」，而在约束的显性化程度。结构化 Prompt 本质上是在用工程化的方式，把「边界、格式、兜底」三件事说清楚，而不是留给模型自己推断。
对于 Mate 80 Pro 这类需要面向消费者提供稳定信息的智能体，结构化 Prompt 在禁用词合规、参数准确性、输出格式一致性三项上的优势几乎是决定性的。无论是华强北渠道的线下销售辅助，还是数码论坛的自动化内容生成，选择合适的 Prompt 写法都是确保智能体输出质量的第一步。
关键要点回顾：
- 基础版 Prompt 输出方差大，结构化 Prompt 输出方差小
- 结构化写法在 Token 利用率、合规适配、团队协作上全面占优
- 反模式（规则冲突、格式脱节、边界缺失）会显著削弱结构化的优势
- 小艺平台推荐「角色→能力→边界→输出」四段式结构
- 从基础版迁移到结构化版本需经过「分类→显式化→补边界→模板化→测试→版本化」六步
相关阅读：手机报价