必须明确任务与角色、结构化输入、控制输出格式、剔除干扰、迭代优化；五步缺一不可，否则模型易跑题或生成无关内容。
☞☞☞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☜☜☜
想让MiniMax Agent准确理解你的指令并输出符合预期的结果，必须从写对提示词开始——模糊、笼统或结构混乱的提示词会导致回复跑题、遗漏关键信息，甚至生成完全无关的内容。
明确任务与角色设定
第一步：在提示词开头用一句话直接声明任务性质，例如“你是一个专注科技新闻摘要的编辑，请将以下长文压缩为120字以内”。这一步不能省略，否则模型会默认进入通用对话模式，失去专业聚焦性。
第二步：为模型赋予具体身份，例如“假设你是拥有十年经验的UI设计师，正在为客户评审一份移动端原型图”。身份越具体，输出越贴近真实专家逻辑，避免泛泛而谈。
第三步：用可验证的标准替代主观要求。把“尽量好一点”改成“输出必须包含三个并列要点，每点不超过15字”，把“详细说明”改成“分四步列出操作流程，每步以‘→’连接动作节点”。【不可逆操作：一旦使用模糊表述，后续所有优化都难以修正底层偏差】
结构化输入信息
方法一：用分隔符划分模块
在提示词中插入“---”或明确标注【背景】【要求】【示例】，例如：
【背景】用户刚购买智能手表，需了解基础设置流程；
【要求】只回答首次开机配对步骤，不涉及APP下载或固件升级；
【示例】第一步：长按侧键3秒开机 → 第二步：打开手机蓝牙 → …
方法二：提供高质量输入-输出对
给出1–2组真实样例，格式必须与待处理数据一致。比如你要让Agent生成产品FAQ，就先给它一组已上线的FAQ原文及对应回答，模型才能识别你期望的语义粒度和语气风格。
方法三：硬性限制单独成块
把字数、禁用词、格式模板等强制约束放在提示词末尾，并加粗标出【约束】。这样能强化模型对边界条件的记忆，比混在段落里更有效。
控制输出格式与长度
① 指定JSON结构：要求“请用JSON格式返回，字段包括:title、summary、tags(数组)”，模型会严格遵循键名与数据类型，避免自由发挥。
② 限定字符范围：“总结控制在80–90个汉字之间，不得超出”，超出部分会被截断或引发格式错误，务必留出2–3字缓冲空间。
③ 要求编号呈现：“分三点说明原因，每点以‘●’开头，不使用序号数字”，这种细节能显著提升结果一致性，尤其适合生成教学类、操作指南类内容。
剔除干扰因素
删除无实质意义的修饰语。把“非常详细地解释一下”改为“分步骤列出操作流程，共四步”，模型立刻知道要拆解动作节点而非堆砌形容词。
禁用未提前说明的缩写。首次出现“RAG”时必须写为“检索增强生成(RAG)”，否则模型可能误判为品牌名或未知术语，导致响应失焦。
避免多任务混杂。不要在同一提示词里同时要求“写文案+生成代码+分析数据”，模型会优先处理最靠前的任务，其余被弱化或忽略。需要多任务时，拆成多个独立提示词调用。
基于偏差迭代优化
第一步：拿到首次输出后，对比原始需求，圈出偏差点——是漏了步骤？还是风格不符？或是用了禁止词汇？
第二步：在原提示词基础上增加否定约束，例如原输出出现“建议您联系客服”，而你要求“只提供自助解决方案”，就在末尾补上【禁止】联系客服、人工介入、外部渠道。
第三步：用同一输入做AB测试，更换1–2个关键词（如把“简洁”换成“极简”，把“专业”换成“金融从业人士常用表述”），观察哪组输出更贴近目标场景。这一步不需要重写整段提示词，微调即可见效。
