☞☞☞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☜☜☜
技术选型对比必须立足真实用户约束：先定义角色与限制，再以因果链和硬约束驱动决策，接着按“已有资源→具体动作→前提对应结论”结构输出，最后嵌入原生对话提升落地针对性。
写技术选型对比提示词时，必须让ai站在真实用户立场思考问题，而不是堆砌参数或罗列功能——用户关心的是“我用这个能不能快速上线”“团队不会java怎么办”“老板只给两周时间”。
第一步：明确用户角色和约束条件
在提示词开头直接定义用户画像，例如：“你是一名刚接手遗留系统改造的中级后端工程师，团队5人，2人熟悉Python，3人只会Java，运维资源有限，不能申请新云服务配额。”
这一步不能省略。如果只写“对比Spring Boot和FastAPI”，AI默认按技术文档逻辑输出，忽略人力、流程、组织上下文。
第二步：强制加入用户决策动因
要求AI从具体业务痛点出发推导选型依据，而非反向匹配技术特性。
方法一：用“因为……所以……”句式锚定因果链。例如：“因为客户要求下周演示可运行原型，所以优先评估本地启动速度和依赖安装复杂度，而非长期扩展性。”
方法二：嵌入不可协商的硬约束。例如：“数据库必须复用现有MySQL 5.7实例，不接受升级或迁移；前端已锁定Vue 2，不支持Composition API。”
【硬约束必须写成否定句式，如“不接受”“不允许”“禁止”，否则AI会默认绕过】
第三步：限定输出结构带用户动作痕迹
① 先列出用户当前手头已有资源（如：已有Docker镜像、CI流水线YAML文件、Swagger文档）；
② 再说明用户下一步要做的具体操作（如：明天要向CTO邮件汇报，需附可执行验证步骤）；
③ 最后才给出对比结论，并标注每项结论对应哪条用户输入前提。
这三步顺序不能颠倒。若先给结论再解释，AI容易虚构前提来圆答案。
第四步：插入用户语言习惯词
在提示词中混入真实对话片段，例如：“上次选型会上，运维同事说‘别又整K8s Operator，我们连helm都还没跑通’；产品经理强调‘接口响应不能比现在慢’。”
AI读到这类原生表达，会自动过滤掉“理论上支持”“生态丰富”等空泛描述，转而聚焦落地摩擦点。
这一步操作起来很简单，直接复制会议纪要里的原话粘贴进去就行。
