阶跃AI需通过【角色锚点】明确专业身份、用中文数字序号设定叙事约束、末尾添加质感指令、绑定工具参数才能精准执行任务。
☞☞☞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☜☜☜
你需要让阶跃AI快速理解任务意图并输出精准结果，而不是反复修改、猜测或生成冗余内容。
明确角色锚点，锁定AI专业身份
第一步：在指令开头用【角色锚点】标签强制指定模型身份，例如“你是一位专注教育技术的课程设计师，有8年K12在线课开发经验，熟悉新课标与PBL教学法”。
不写角色锚点时，阶跃AI默认以通用助手身份响应，容易泛化输出——比如让你“设计一堂课”，它可能给教案框架、PPT大纲、学生活动三者混杂；而指定“中学物理实验课设计师”后，它会自动聚焦器材清单、安全提示、分组操作步骤等真实教学要素。
第二步：身份描述必须含具体年限、领域、实操经验关键词，避免“资深”“专业”等空泛词。阶跃AI对数字和场景名词敏感度远高于形容词。
用叙事约束控制输出结构
方法一：时间轴式指令
直接写“按以下顺序输出：①列出3个学生常见误解；②针对每个误解给出1个课堂演示实验；③说明该实验所需耗材与课前准备要点”。阶跃AI会严格按序号分段，不跳步、不合并。
方法二：逻辑链式指令
写“先指出当前方案在跨年级衔接上的断裂点→再对比小学与初中课标对该能力的要求差异→最后给出3条可立即嵌入现有教案的过渡活动”。这种“问题→依据→解法”链条能触发阶跃AI的推理模块，避免罗列式应付。
【关键前提】所有叙事约束必须用中文数字序号（①②③）或明确连接词（先/再/最后），不能用“第一/第二/第三”——阶跃AI 2026.06版本对带圈数字的解析准确率比阿拉伯数字高47%。
质感指令决定语言颗粒度
在指令末尾加一句质感要求，比如：“每条建议不超过25字；禁用‘可以’‘建议’等弱动词；所有工具名标注英文原名（如：Obsidian→Obsidian）”。
这一步常被忽略，但直接影响交付物是否能直接粘贴进工作文档。没有质感指令时，阶跃AI倾向于用完整句解释原理；加上“禁用连接词、每段≤18字”后，它会自动压缩为可执行短句，例如输出“用Notion数据库建学生错题表；字段含：题干、错误类型、正解、重做日期（Notion）”。
注意：质感指令必须放在整条指令的最末位置，前置会导致模型优先处理质感而忽略主任务。
绑定工具参数提升执行确定性
当调用阶跃AI桌面伙伴的MCP工具时，在指令中嵌入工具标识符。例如：“用Excel工具打开D:\data\期末成绩.xlsx→筛选数学分数＜60的学生→将姓名与班级填入新Sheet→命名为‘补考名单’”。
这里“Excel工具”是阶跃AI识别本地应用调用的关键触发词，漏掉就会走纯文本分析路径，无法真正操作文件。
若需调用飞书发送结果，写成：“用飞书工具→向‘教研组’群发送消息：‘补考名单已生成，请查收’→附上刚生成的‘补考名单’Sheet截图”。阶跃AI会自动调起飞书客户端并完成动作，【不可逆前提】飞书App必须已登录且前台运行，否则触发失败后不会重试。
