☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
提示词需细化为“角色+任务+交付物”三要素，禁用概括表述并标注数据来源，设定数字格式等硬约束，分段生成并绑定现实政策与企业名单等具体条件。
当你在gemini或豆包里输入“写一篇关于新能源汽车电池回收的行业分析”，模型却只返回三段泛泛而谈的概述，既没数据支撑，也没细分技术路线或区域政策差异，说明提示词缺乏约束力和颗粒度——计划太粗，不是模型能力不足，而是你没给它可执行的骨架。
把模糊需求拆成带锚点的指令链
第一步：用“角色+任务+交付物”三要素重写原始需求。例如，把“写行业分析”改为“你是一名专注动力电池回收的咨询顾问，请输出一份面向投资经理的简报，含2024年国内磷酸铁锂与三元电池回收率对比、主流企业拆解成本区间（单位：元/吨）、以及广东/江苏两地补贴政策差异表格”。
第二步：在任务后追加【必须禁用概括性表述，所有结论需标注数据来源或注明‘据2024年Q1行业访谈’】。这能强制模型放弃“近年来发展迅速”这类无效表达。
第三步：对关键字段设硬性格式约束。比如要求“成本区间”必须写作“3,200–4,800元/吨”，而非“三千到五千元左右”——数字格式统一能显著降低后续人工校对成本。
用分段生成法控制信息密度
方法一：先让模型输出结构大纲，确认逻辑闭环再展开。输入：“列出新能源汽车电池回收报告的6个核心章节标题，每个标题下用15字内说明本节唯一要解决的问题，禁止出现‘概述’‘背景’等空泛词。”
方法二：对复杂模块启用“单点深挖+即时校验”。例如，生成完“广东补贴政策”段落后，立刻追问：“请指出该政策中‘梯次利用企业认定标准’第3条原文，并说明其与工信部2023年《新能源汽车废旧动力蓄电池综合利用行业规范条件》第5.2款是否存在冲突。”
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
方法三：用否定式排除干扰项。输入时明确写：“不需解释什么是梯次利用，不需列举宁德时代/比亚迪等整车厂布局，不需预测2030年市场规模。”这一步常被忽略，但能砍掉模型约40%的冗余输出。
绑定现实约束条件倒逼细节落地
在提示词末尾添加具体限制条件：例如“所有企业案例必须来自2023年工信部《符合新能源汽车废旧动力蓄电池综合利用行业规范条件的企业名单》公示版本”或“成本数据优先采用格林美2024年报P27脚注、或天奇股份投资者交流纪要Q&A部分”。
【若模型引用未公开渠道或模糊表述如‘某龙头企业’，必须自动补上‘此处需替换为实际企业名称及公告编号’】
这一步操作起来很简单，直接把文件拖进去就行。
