☞☞☞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☜☜☜
liblibai devops平台通过结构化输入、角色指令法、约束生成法和反向过滤法，结合few-shot示例与api校验，精准生成符合本地产业规划的招商企业名单及话术。
用liblibai devops平台的提示词功能做招商，核心是让ai模型精准理解招商目标、产业偏好和企业画像，输出符合本地产业规划的潜在招商企业名单及对接话术。
明确招商需求并结构化输入
第一步：在LiblibAI DevOps「提示词工程」模块新建任务，选择「招商线索生成」模板（若无则选「自定义文本生成」）。
第二步：填写结构化需求字段——地区（如“苏州工业园区”）、主导产业（如“生物医药+集成电路”）、排除行业（如“房地产开发、P2P金融”）、企业规模偏好（如“年营收1亿～5亿元”）。【漏填排除行业会导致AI推荐高风险或政策禁止类企业】
第三步：粘贴3～5条本地成功招商案例作为few-shot示例，格式统一为：“企业名称｜所在城市｜落地时间｜投资金额｜关键决策人｜签约亮点”。这一步直接影响AI对“优质标的”的判断粒度。
设计高召回率提示词指令
方法一：角色指令法
在系统提示框中输入：“你是一名有8年经验的产业园区招商总监，熟悉长三角产业政策。请基于用户提供的区域与产业要求，从公开工商数据、招投标信息、专利申报记录中交叉验证，筛选出近12个月有扩产动向、注册地未在目标区域、且技术领域匹配的企业。”
方法二：约束生成法
在用户提问框中写：“列出10家符合以下全部条件的企业：① 主营产品含‘mRNA’或‘光刻胶’；② 2023年新增发明专利≥3项；③ 注册地址在广东/浙江/上海以外省份；④ 企业官网披露过‘华东布局计划’或‘新生产基地筹建’。”
方法三：反向过滤法
直接输入：“排除所有成立时间＜2年、参保人数＜50人、无研发费用加计扣除记录的企业。剩余企业按‘技术先进性得分’排序，得分=（有效发明专利数×0.4 + 近三年研发投入占比×0.6）。”
调用API并校验输出结果
① 在DevOps控制台点击「部署提示词服务」→选择GPU实例类型（T4及以上）→设置并发上限为8（避免触发工商数据平台反爬）。
② 调用接口时，在payload中传入{"region":"合肥高新区","industries":["智能网联汽车"],"exclude_sectors":["教培"]}【region字段必须用官方行政区划代码，如"340101"，否则地理围栏失效】
③ 接收返回JSON后，立即用本地脚本校验企业统一社会信用代码是否能在国家企业信用信息公示系统查到存续状态——查不到的自动标记为“需人工复核”。
这一步操作起来很简单，直接把返回的code列表批量粘贴进公示系统搜索框就行。
