提示词优化重在明确意图、锚定上下文、预留纠错空间；应采用“角色+目标+约束”三段式结构，辅以高质量上下文喂养和“失败回溯法”精准调试。
☞☞☞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☜☜☜
提示词不是越长越好，也不是越“专业”越准。Muse 的底层逻辑是把自然语言需求直接映射成可执行动作，所以优化重点不在修饰词堆砌，而在**明确意图、锚定上下文、预留纠错空间**。
一、用“角色+目标+约束”三段式结构写提示词
这是 Muse 最吃得住的提示结构，系统能快速识别任务类型和边界：
- 角色：告诉 Muse 它此刻该以什么身份介入（如“家庭用药顾问”“老人健康记录员”）
- 目标：用动词开头，说清要达成的具体结果（如“生成明日早餐建议”“检查降压药是否已按时服用”）
- 约束：限定输出格式、依据来源或不可触碰的红线（如“只参考我上传的《用药手册》PDF”“不推荐新药，只提醒已有处方”）
例：把“帮我看看今天该吃什么”改成——“你是一位熟悉高血压饮食管理的家庭营养师，请根据我上传的《每日血压记录表》和《常用药物清单》，为今天上午10点前生成一份含钠量＜600mg、搭配降压药服用时间的简餐建议，用表格呈现，不含海鲜类食材。”
二、给 Muse “喂”好上下文，比反复改提示词更有效
Muse 的强项是长期记忆与知识库联动。很多“不准”，其实是它没看到关键信息：
- 把纸质说明书、体检报告、医生叮嘱录音转成文字后上传进知识库，打上标签（如#用药禁忌 #肾功能指标）
- 在智能体设置里开启“自动关联历史对话”，让它记住“妈妈对阿司匹林过敏”这类事实，后续提示词里就不用再重复
- 对模糊表述做一次人工校准：比如她说“那个蓝瓶子的药”，你可以在对话中主动确认“您指的是拜新同30mg，每天早上空腹服用，对吗？”，Muse 会把这次确认固化为记忆
三、用“失败回溯法”反向打磨提示词
当结果出错时，别急着重写整句。打开 Muse 的调试日志（在智能体详情页→运行记录），看它卡在哪一步：
- 如果它调用了错误工具（比如该查本地用药表却去联网搜索），就在提示词末尾加一句：“优先使用我提供的知识库，禁止联网查询”
- 如果它漏掉关键条件（比如提醒吃药但没提“饭后”），就把这个条件从描述性语言改为指令性语言：“必须注明服用条件：空腹/饭前/饭后/睡前”
- 如果它输出格式混乱，直接给范例：“请严格按以下格式回复：【时间】+【事项】+【备注】，例如：【08:00】服用氨氯地平5mg 【饭后】”
这种改法见效快，因为你在修正 Muse 的执行路径，而不是猜它怎么理解你的语言。
