提示词需明确ai角色、读者身份、真实约束条件及具体文档片段。例如定义ai为跨境电商合规顾问，面向宠物智能喂食器初创公司；列出ce认证状态、退货率主因、亚马逊物流新规等硬性限制；限定只分析带编号的近期退货原因；绑定excel中原始未清洗数据并原样引用。
☞☞☞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☜☜☜
在Poe平台用提示词调用AI模型时，若提示词缺乏背景信息，模型常会误解任务目标、虚构事实或输出泛泛而谈的内容。你需要让AI清楚知道这是给谁看、用在什么场景、已有哪些材料、边界在哪里。
明确角色与使用对象
在提示词开头直接定义AI的身份和读者身份，例如：“你是一名有5年跨境电商经验的合规顾问，正在为深圳一家主营宠物智能喂食器的初创公司起草面向海外仓运营主管的避坑清单。”
不写这句，AI默认以通用知识库作答，容易混入不适合中小企业的SOP条款，比如误推“需提前6个月预约FDA现场审计”这种对无FDA注册义务的产品根本不适用的条目。
嵌入真实约束条件
方法一：用短横线分隔块，列出硬性限制
- 当前产品已通过CE认证但未做UKCA；
- 退货率超12%的主因是包装盒尺寸标注误差（实测偏大8mm）；
- 本月起亚马逊物流拒收含纽扣电池的独立包装盒。
方法二：在动词前加限定状语
只列出过去3个月内实际发生的5个退货原因，不要推测潜在风险；每条必须带原始客服工单编号前缀（如“CS-202405-882”），缺失编号的条目自动剔除。
【缺少编号会导致AI生成虚构工单号，后续无法溯源】
绑定具体文档片段
第一步：打开你手头的《2024Q2退货分析表.xlsx》，定位到“根本原因”列第7–12行；
第二步：复制这6行文本，粘贴进提示词，紧接在“请基于以下原始数据生成避坑清单：”之后；
第三步：在粘贴内容末尾追加一句：“以上数据未经清洗，保留原始错别字与缩写（如‘fedex’‘warrnty’），请原样引用不修正。”
这一步操作起来很简单，直接把文件拖进去就行。但跳过它就等于让AI在猜——它可能把“warrnty”脑补成“warranty process”，而实际是仓库同事手误打错了“warning label”。
