若SWOT分析泛泛而谈、维度混淆或四象限失衡，主因是提示词未明确框架与边界；应采用结构化指令、角色锚定、对比基准、反事实校验、要素拆解五类方法精准约束AI输出。
☞☞☞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☜☜☜
如果您希望AI生成一份结构清晰、逻辑严谨的SWOT分析，但输出结果常出现泛泛而谈、维度混淆或四象限失衡等问题，则可能是由于提示词未明确限定分析框架与边界条件。以下是针对SWOT类优劣势分析任务的多种提示词写法：
一、结构化指令法
该方法通过强制AI按固定模块输出，避免内容交叉与遗漏，确保优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）、威胁（Threats）四类要素严格分离且各自独立成段。
1、在提示词开头明确声明“请严格按SWOT四象限结构输出，不得合并、交叉或省略任一象限”。
2、为每个象限设定字数上限，例如“每项分析不超过60字，使用分号分隔不同要点”。
3、要求AI在每条陈述前标注符号，如“S：”“W：”“O：”“T：”，并禁止使用“可能”“或许”等模糊表述。
二、角色锚定法
该方法通过赋予AI特定专业身份，激活其对应领域的知识调用机制，提升优劣势判断的专业性与现实参照度。
1、在提示词中指定角色，例如“你是一位有10年行业经验的战略咨询顾问，正在为某新能源车企撰写内部诊断报告”。
2、补充约束条件：“所有优势必须基于已公开的专利数量、供应链自主率、研发投入占比等可验证数据推导；劣势须对应具体运营瓶颈，如电池回收率低于行业均值12%”。
3、要求每条结论后附简短依据，格式为“（依据：2023年工信部《动力电池白皮书》第4.2节）”。
三、对比基准法
该方法通过引入显性参照系，防止AI脱离实际空泛评价，使优劣势判断具备相对标尺和可比基础。
1、在提示词中明确定义比较对象，例如“以比亚迪2023年财报披露的垂直整合度为基准，逐项对比分析本企业整车制造环节的自控能力”。
2、要求AI对每项优劣势标注强度等级，使用“显著优于”“基本持平”“明显落后”三级判定，并说明判定依据的量化阈值。
3、禁止出现孤立描述，例如“研发能力强”必须改为“研发人员占比达38%，高于行业均值29%（依据：中国汽车工业协会2024人才报告）”。
四、反事实校验法
该方法利用假设性条件触发AI深度推理，识别隐性劣势与潜在优势，突破表面信息局限。
1、在提示词中嵌入反事实前提，例如“假设当前政策补贴全面退坡，哪些现有优势将失效？哪些被忽视的劣势将加速暴露？”
2、要求AI对每个SWOT条目进行可行性验证，标注“短期可维持”“依赖外部变量”“需18个月以上重构”等时效属性。
3、强制列出至少一项“表面为优势、实为隐患”的条目，例如“高客户复购率（82%）源于价格补贴惯性，非品牌忠诚驱动”。
五、要素拆解法
该方法将抽象维度分解为可操作子项，避免AI用宏观概念替代具体分析，确保优劣势落点精准。
1、在提示词中定义分析维度树，例如“技术维度细分为专利质量、工艺成熟度、量产稳定性；组织维度细分为跨部门响应时长、关键岗位继任覆盖率、知识沉淀完整度”。
2、要求AI对每个子项单独打分（1–5分），并仅输出得分≤2的劣势项与≥4的优势项。
3、对每项打分附加简要归因，例如“工艺成熟度得3分：电驱系统良品率达99.2%，但热管理系统故障率超行业警戒线0.7个百分点”。
