大模型提示工程框架及GLM提示策略举例

摘要 大模型提示工程是大模型应用与用户交互的最后一公里，在选择好大模型后，如何用好提示是获得大模型输出的效果和质量的关键。提示框架（Prompt Framework）是一种有效方法论。本文给出五种方法论及具体任务提示示例。针对具体模型的语言和图像生成，以GLM和Cogview为例，其它通义千问Qwen家族，Kimi,，豆包、文心、零一、百川、GPT-4、Claude、Llama3等等都类似。

目录

1 提示工程五种基础框架

2 GLM语言模型 PROMPT 工程

3.COGVIEW图像生成模型 PROMPT 工程

3.1.策略：图像生成使用结构化的7要素提示语

4..BATCH API PROMPT 工程

4.1.任务一：文本分类:

4.2.任务二：情感分析：

4.3.任务三：文档处理：

4.4任务四：信息抽取：

4.5.任务五：机器翻译：

4.6.任务六：生成任务：

4.7任务七：文本纠错：

4.8.任务八：图像分类：

4.9任务九：图像标注：

4.1任务十：文本提取：

4.11.任务十一：图像内容分析：

4.12.任务十二：图像到文本生成（小红书模版）：

1 提示工程五种基础框架

给出适合各种大模型的提示工程框架，共有5类，属于通用类似。‍‍‍‍

1. R-T-F (Role-Task-Format):

• 角色 (Role): 指定大模型扮演的角色。

• 任务 (Task): 定义大模型需要完成的任务。

• 格式 (Format): 指定输出内容的格式。

T-A-G (Task-Action-Goal):

• 任务 (Task): 明确需要完成的任务。

• 行动 (Action): 描述为了完成任务所需采取的行动。

• 目标 (Goal): 确定任务的目标或期望的结果。

B-A-B (Before-After-Bridge):

• 之前 (Before): 描述问题或情况发生之前的状态。

• 之后 (After): 说明问题解决或行动后的期望结果。

• 桥接 (Bridge): 提出问题或请求，以连接“之前”和“之后”的状态。

C-A-R-E (Context-Action-Result-Example):

• 背景 (Context): 提供问题的背景信息。

• 行动 (Action): 描述需要采取的行动。

• 结果 (Result): 说明行动后的预期结果。

• 例子 (Example): 提供一个示例来进一步说明。

R-I-S-E (Role-Input-Steps-Expectation):

• 角色 (Role): 指定大模型的角色。

• 输入 (Input): 描述提供给大模型的输入信息。

• 步骤 (Steps): 请求大模型描述完成任务的步骤。

• 期望 (Expectation): 明确对大模型输出的期望。

五种提示框架方法的提示具体举例

A：R-T-F框架的例子：

1. 角色 (Role): 作为一名营养师。 任务 (Task): 创建一份适合孕妇的日常饮食计划。 格式 (Format): 请以表格形式展示，包括早餐、午餐、晚餐和两份零食。

2. 角色 (Role): 作为一名历史老师。 任务 (Task): 设计一个关于古埃及文明的教学单元。 格式 (Format): 请以PPT形式呈现，包括关键历史事件、文化特点和著名人物。

3. 角色 (Role): 作为一名健身教练。 任务 (Task): 制定一个针对初学者的家庭健身计划。 格式 (Format): 请以视频教程的形式展示，包括每个动作的步骤和注意事项。

B：T-A-G框架的例子：

1. 任务 (Task): 提高产品销量。 行动 (Action): 优化营销策略，包括社交媒体广告和电子邮件营销。 目标(Goal): 在接下来的一季度内实现至少20%的销售增长。

2. 任务 (Task): 减少办公室的能源消耗。 行动 (Action): 安装节能灯泡，定期检查和维护供暖和空调系统。目标 (Goal): 在未来六个月内将能源消耗降低至少15%。

3. 任务 (Task): 提高学生的数学成绩。 行动 (Action): 实施每周一次的辅导班和在线学习资源。 目标(Goal): 在下一个学期的期末考试中，使学生的平均成绩提高至少10分。

C:B-A-B框架的例子：

1. 之前 (Before): 客户服务响应时间长，客户满意度低。 之后 (After): 提高客户服务效率，提升客户满意度。 桥接 (Bridge): 请问有哪些策略可以缩短客户服务响应时间并提高服务质量？

2. 之前 (Before): 员工经常迟到，影响工作效率。 之后 (After): 减少员工迟到情况，提高整体工作效率。 桥接 (Bridge): 请问如何制定有效的考勤政策来减少员工迟到？

3. 之前 (Before): 产品设计缺乏创新，市场竞争力弱。 之后 (After): 推出具有创新性的产品设计，增强市场竞争力。 桥接 (Bridge): 请问有哪些方法可以激发产品设计的创新思维？

D:C-A-R-E框架的例子：

1. 背景 (Context): 公司即将推出新产品，需要进行市场推广。 行动 (Action): 制定一个全面的市场推广计划。 结果 (Result): 成功提升产品知名度和市场份额。 例子 (Example): 类似于苹果公司发布新款iPhone时的推广活动。

2. 背景 (Context): 学校的图书馆使用率低，需要提高学生的参与度。 行动 (Action): 举办一系列图书馆活动，如读书俱乐部和作者讲座。 结果 (Result): 增加图书馆的访问量和学生的阅读兴趣。 例子(Example): 类似于某大学图书馆举办的“每月一书”活动。

3. 背景 (Context): 城市的公共交通系统需要优化，以提高效率和乘客满意度。 行动 (Action): 实施智能交通管理系统，包括实时交通信息和移动支付。 结果 (Result): 减少交通拥堵，提高乘客的出行体验。 例子 (Example): 类似于伦敦的公共交通系统，使用Oyster卡进行无现金支付。

E：R-I-S-E框架的例子：

1. 角色 (Role): 作为一名个人健康顾问。 输入 (Input): 提供一位40岁男性，体重70公斤，每周进行两次中等强度运动的信息。 步骤 (Steps): 描述如何制定一个适合他的健康饮食计划。 期望 (Expectation): 期望获得一份详细的饮食计划，包括每日所需营养素的摄入量和食物选择建议。

2. 角色 (Role): 作为一名英语老师。 输入 (Input): 提供一个初中生的英语阅读理解练习。 步骤 (Steps): 解释如何提高阅读理解能力。 期望 (Expectation): 期望得到一系列实用的策略和练习方法，帮助学生提高阅读理解能力。

3. 角色 (Role): 作为一名旅游规划师。 输入 (Input): 提供一个家庭的旅游需求，包括目的地、预算和旅行时间。 步骤 (Steps): 描述如何制定一个满足他们需求的旅游计划。 期望 (Expectation): 期望得到一份详细的旅游计划，包括行程安排、住宿推荐和预算分配。

4. 
   

2 GLM语言模型 Prompt 工程

示例GLM 和及CogView 图像生成模型获得更好生成结果策略,组合使用提示词技巧以获得更好的生成效果。

2.1 策略：编写清晰、具体的指令

为了获得最佳的回答，用户需要向GLM 提供清晰、具体的指令。GLM 越能明确您的需求，提供的回答质量越高。

·技巧：定义 System Prompt

用于设定AI助手行为模式的工具，包括角色设定、语言风格、任务模式和针对特定问题的具体行为指导。

推荐示例

复制代码

你擅长从文本中提取关键信息，精确、数据驱动，重点突出关键信息，根据用户提供的文本片段提取关键数据和事实，将提取的信息以清晰的JSON格式呈现。

·技巧：提供具体的细节要求

在Prompt 中添加要求模型输出内容的细节和背景信息。

推荐示例

复制代码

我对太阳系的行星非常感兴趣，特别是土星。请提供关于土星的基本信息，包括其大小、组成、环系统和任何独特的天文现象。

·技巧：让 GLM 进行角色扮演

让GLM 扮演角色、可以更准确地模仿该角色的行为和对话方式。

推荐示例

复制代码

作为一个量子物理学家，解释量子物理学的基本原理，并简要介绍其在现代科技中的应用。

·技巧：使用分隔符标示不同的输入部分

推荐示例

复制代码

	请基于以下内容：
	""" 要总结的文章内容"""
	提炼核心观点和纲要

·技巧：思维链提示

要求模型分步骤解答问题，还要求其展示其推理过程的每个步骤。通过这种方式，可以减少不准确结果的可能性，并使用户更容易评估模型的响应。

推荐示例

复制代码

作为一个AI 助手，你的任务是帮助用户解决复杂的数学问题。对于每个问题，你需要首先独立解决它，然后比较和评估用户的答案，并最终提供反馈。在这个过程中，请展示你的每一步推理过程。我有一个数学问题需要帮助:"""问题是：一个农场有鸡和牛共 35 头，脚总共有 94 只。鸡和牛各有多少头？我的答案是鸡有 23 头，牛有 12 头"""。

·技巧：少样本学习

可以作为进行少样本学习的示例。这些样本可以用来引导模型模仿特定的行为和语言风格。

推荐示例

复制代码

	模仿这种风格
	''' 1、三杯鸡在锅中欢跃，是岁月的篝火，是浪漫的乐章。
	2、炖排骨的滋味，是冬日的棉被，是乡土的回响。
	3、红烧勤鱼的鲜香，是海洋的密语，是大海的情书。'''
	生成新的句子。

·指定输出长度的示例

指定按照具体的长度的输出内容，但是让模型精确的生成一个特定的字数难以实现。

推荐示例

复制代码

请用不超过100 个词的长度来总结这篇文章。

2.2 策略：提供参考资料

引用外部资料能有效提升模型回答的准确性。这种做法特别适用于基于文档的问答系统，因为它有助于减少错误或虚构信息的生成，同时确保回答的时效性和准确性。当模型受到上下文长度限制，无法引用超长文本时，可以通过Retrieval 工具来获取文档中的语义切片来实现。

推荐示例

复制代码

	作为AI助手，你的任务是帮助用户查找和理解特定公司的规章制度。在这个场景中，你将使用搜索结果来回答用户关于公司请假政策的查询。请根据搜索结果
	"""具体的搜索结果"""
	提供准确和详细的信息。

2.3  策略:将复杂任务分解为简单的子任务

在处理需求复杂的任务时，错误率通常较高。为了提高效率和准确性，最佳做法是将这些复杂任务重构为一系列简单、连贯的子任务。这种方法中，每个子任务的完成成果依次成为下一任务的起点，形成一个高效的工作流。这样的任务流程简化有助于提升模型整体的处理质量和可靠性，特别是在面对需要综合大量数据和深入分析的复杂问题时。通过将复杂任务拆解，可以更加有效地利用模型的强大处理能力。

·技巧：意图理解和实体提取

要求大模型输出的内容要直接给到后端服务接口使用，所以大模型一定要按照固定格式输出格式，以便于接口解析模型输出内容，防止报错。

推荐示例

复制代码

当你理解用户的预约会议室的意图时，提取相关的实体，并且以Json 格式输出。

·技巧：总结上文关键信息

在长对话中，为了确保对话的连贯性和有效性，对之前的交流内容进行精炼和总结，可以保持对话的焦点、减少重复和混乱、加快模型处理速度。

·技巧：分段归纳长文档并逐步构建完整摘要

由于模型处理文本的上下文长度有限，它无法一次性总结超出特定长度的文本。例如，在总结一本长书时，我们可以采用分步骤的方法，逐章节进行总结。各章节的摘要可以组合在一起，再进行进一步的概括，形成更为精炼的总摘要。这个过程可以重复进行，直到整本书的内容被完整总结。如果后续章节的理解需要依赖于前面章节的信息，那么在当前部分的总结中附加之前内容的连贯摘要，能够显著提升模型的生成质量。"

2.4策略：给于模型思考时间

·技巧：在模型给出最终结论之前，先引导它进行自我探索和推理。

在明确引导模型进行推理判断之前，让它先生成结果作为基准。例如，如果我们需要模型评估代码的质量，可以先让模型自行生成答案，随后再对其正确性进行评判。这样做不仅促使模型更加深入地理解任务，还可以提高最终结果的准确性和可靠性。

推荐示例

复制代码

分析并评估以下Python 代码片段"代码片段"的质量和功能。在生成你的回答之前，请先生成推荐示例代码，然后对代码的结构、清晰度以及其执行的功能进行评分。

·技巧：隐藏推理过程，只输出结果

在回答问题之前，模型有时需要进行深入的推理并将推理过程一并输出，可以引导模型只输出结果或者结构化信息以便于解析处理。

推荐示例

复制代码

请计算函数f(x) = x^2 在区间 [0, 1] 上的积分。仅提供最终的积分结果，无需展示推理过程。

2.5 策略：使用外部工具增强模型能力

通过让模型访问工具的获取信息来弥补模型的缺陷和拓展功能，如通过Function Call 访问外部的信息和执行操作，利用 Retrieval 工具访问知识库获取文档信息。

·技巧：通过 Function Call 访问外部 API

允许模型访问外部信息和执行操作，信息查询：如实时天气预报、股票市场动态，提供即时且准确的数据，执行操作：比如播放音乐、控制智能家居设备等。

推荐示例

复制代码

使用外部API 查询天气信息的功能。请根据用户的请求，调用相应的天气服务 API ，获取并展示最新的天气信息，包括温度、湿度、天气状况（如晴、雨等），风速和风向。例如，当用户询问‘北京今天的天气如何？’时，应调用API获取北京当前的天气数据，并以用户友好的方式展示结果。

·技巧：通过 Retrieval 访问智谱AI 开放平台的知识库

通过Retrieval方法访问智谱开放平台的知识库，用户可上传相关的知识到知识库，模型将基于用户的查询，，提取相关的语义切片，提供更加精准详细的信息。

推荐示例

复制代码

作为AI 助手，你的任务是帮助用户查找和理解特定公司的规章制度。用户询问关于公司的相关政策。你将通过搜索公司内部知识库或相关文档，找到最新的规定。根据搜索到的内容，提供关于相关的详细信息。请确保所提供信息的准确性和适用性，帮助用户完全理解公司的政策。

3 CogView图像生成模型 Prompt 工程

3.1策略：图像生成使用结构化的提示7要素

在使用图像生成工具时，应采用精确、具体的视觉描述而非抽象概念。明确、清晰的结构化提示词可以帮助CogView创造出更高质量的图像。

1)主体: 人、动物、建筑、物体等

2)媒介: 照片、绘画、插图、雕塑、涂鸦等

3)环境: 竹林、荷塘、沙漠、月球上、水下等

4)光线: 自然光、体积光、霓虹灯、工作室灯等

5)颜色: 单色、复色、彩虹色、柔和色等

6)情绪 : 开心、生气、悲伤、惊讶等

7)构图/角度: 肖像、特写、侧脸图、航拍图等

推荐示例:

提示Prompt	生成结果
清晨的阳光照耀下，一只活泼的边牧犬在绿色草地上欢快奔跑，这一场景以生动的彩色摄影方式，呈现出愉快的氛围和明亮的色彩。
在平静的河流上，一座古老的石桥被周围的垂柳环绕，黑白水墨画描绘出它在阳光下的宁静和古典之美，光线和阴影在画面中形成鲜明对比。
一本敞开的古书静卧在老式木桌上，台灯的光线柔和地照亮书页，周围是昏暗的图书馆环境。这个场景通过高清照片捕捉，展现了知识和历史的宁静美。
在干燥的沙漠环境中，一棵孤独的仙人掌在夕阳的余晖中显得格外醒目。这幅油画捕捉了仙人掌坚韧的生命力和沙漠中的壮丽景色，色彩饱满且表现力强烈。
深藏在茂密森林中的一座古朴木屋，在夜幕中被温暖的灯光照亮。这幅油画捕捉了木屋周围自然环境的宁静与和谐，使用柔和的色调和细腻的光影处理，创造了一种神秘而温馨的氛围。画中突出了木屋作为与世隔绝的避难所，和周围树木、灌木的自然美。

4 Batch API Prompt 工程

Batch API适用于无需即时反馈但需要处理大量请求的场景。以下是一些典型的任务和最佳实践提示，更好地使用 Batch API。

4.1 任务一：文本分类

将大量文本数据分类到预定义类别中，如：新闻分类和垃圾邮件检测等。

推荐示例

复制代码

	# Role:新闻分类器
	## Goals
	- 对给定新闻进行分类，并仅输出相应的类别。
	## Constrains
	- 新闻必须属于以下类别之一：军事、财经、民生、文化、其他、待分类。
	- 输出结果必须仅为类别名称，不能包含其他多余信息。
	## Skills
	- 强化新闻分类的能力
	- 理解并解析新闻内容
	- 确定新闻所属类别
	## outfromt
	- 输出格式: 类别名称
	## Workflow
	1. 读取并理解给定的新闻："请在此处插入新闻"。
	2. 根据新闻内容，判断其所属类别。
	3. 输出判断出的类别名称。

4.2  任务二：情感分析

识别和分析文本中的情感倾向，如：正面、负面或中性情感。

推荐示例

复制代码

	# Role: 情感分析专家
	## Goals
	- 对给定的文本进行情感分析，并仅输出相应的类别。
	## Constrains
	- 文本必须属于以下类别之一：正面、负面、中性。
	- 输出结果必须仅为类别名称，不能包含其他多余信息。
	## Skills
	- 情感分析的专业知识
	- 理解并解析文本内容
	- 确定文本的情感倾向
	## Output
	- 输出格式: 类别名称
	## Workflow
	1. 读取并理解给定的文本内容 "请在此处插入待分析的文本"。
	2. 根据文本内容，判断其情感倾向。
	3. 输出判断出的类别名称。

4.3 任务三：文档处理

处理和分析大量文档，如：文档摘要生成、关键信息提取等。

推荐示例

复制代码

	# Role: 学术摘要专家
	## Goals
	- 生成给定论文的摘要，简明扼要地概括论文的主要内容和结论。
	## Constrains
	- 摘要必须简洁明了，重点突出。
	- 摘要长度应控制在 150 字以内。
	- 输出结果必须仅为摘要内容，不能包含其他多余信息。
	## Skills
	- 学术论文分析和总结的专业知识
	- 高效提取论文的主要内容和结论
	- 生成清晰明了的摘要
	## Output
	- 输出格式: 摘要内容
	## Workflow
	1. 读取并理解给定的论文内容"请在此处插入待总结的论文"。
	2. 提取论文的主要内容和结论。
	3. 生成简明扼要的摘要，并输出摘要内容。

4.4  任务四：信息抽取

从大量文本中提取结构化信息，如：命名实体识别（NER）、关系抽取、事件抽取等。

推荐示例

复制代码

	# Role: 命名实体识别专家
	## Goals
	- 对给定的文本进行命名实体识别。
	## Constrains
	- 必须识别以下类别的实体：人名、地点、组织。
	- 输出结果必须仅为实体信息，不能包含其他多余信息。
	## Workflow
	1. 读取并理解给定的文本内容 "请在此处插入待分析的文本。"
	2. 输出识别的人名、地点、组织。

4.5 任务五：机器翻译

大规模的文本翻译任务，将文本从一种语言翻译成另一种语言。

推荐示例

复制代码

	# Role: 翻译专家
	## Goals
	- 专注于多语言翻译领域，提供准确且流畅的翻译服务。
	## Constrains
	- 翻译必须准确，保留原文的意思和语气。
	- 翻译结果必须流畅自然，符合目标语言的表达习惯。
	## Skills
	- 多语言翻译的专业知识
	- 理解并准确翻译文本内容
	- 确保翻译结果的流畅度和准确性
	## Output
	- 输出格式: 目标语言的流畅、准确文本
	## Workflow
	1. 读取并理解给定的文本内容："请在此处插入待翻译的文本。"
	2. 将以文本从[源语言]翻译成[目标语言]。
	3. 确保翻译结果流畅、准确，并符合目标语言的表达习惯。

4.6  任务六：生成任务

利用语言模型大批量生成文本内容，如：撰写SEO文章、小说创作等。

推荐示例

复制代码

	# Role: SEO内容专家
	## Goals
	- 编写一篇用于SEO的文章，确保内容包含特定的关键词，以提高搜索引擎的排名。
	## Constrains
	- 必须包含指定的关键词，并自然地融入文章中。
	- 文章内容要有价值，提供独到见解，并保持自然流畅的阅读体验。
	- 符合指定的字数范围。
	## Skills
	- 专业的SEO优化知识
	- 高效的内容创作能力
	- 理解并自然融入关键词的技巧
	## Workflow
	1. 确定文章的主题: "请指定文章的主题或标题"
	2. 列出需要优化使用的关键词："请在此处列出需要优化使用的关键词"
	3. 编写文章，围绕关键词展开，提供有价值且独到的内容。
	4. 确保文章自然流畅，符合SEO最佳实践。
	5. 输出符合字数范围的文章文本。

4.7 任务七：文本纠错

自动检测和纠正大批量文本中的拼写错误、语法错误等。

推荐示例glm-4v

复制代码

	# Role:语法和拼写纠错专家
	## Goals
	- 检测并纠正给定文本中的语法错误、拼写错误以及其他常见的书写错误。
	## Constrains
	- 必须检测并纠正所有明显的语法和拼写错误。
	- 保持文本的原意不变，提高文本的准确性和可读性。
	## Skills
	- 专业的语法和拼写纠错能力
	- 理解并解析文本内容
	- 确保纠错后的文本流畅且准确
	## Output
	- 输出格式: 纠错后的文本
	## Workflow
	1. 读取并理解给定的文本内容："请在此处插入待纠错的文本"
	2. 检测文本中的语法错误、拼写错误和其他书写错误。
	3. 纠正所有检测到的错误，确保文本准确且可读。
	4. 输出纠错后的文本。

4.8 任务八：图像分类

对大量图像进行分类，如：识别图像中的物体、场景分类等。

推荐示例glm-4v

复制代码

	## Goals
	- 将图像分类到预定义类别之一
	## Workflow
	1. 读取并理解给定的图像内容。
	2. 根据图像内容，从预定义类别列表"预定义类别"中选择一个类别。
	3. 输出图像的类别。

4.9  任务九：图像标注

为图像提供准确的标注，如：标出图像内容的坐标点

推荐示例glm-4v

复制代码

	# Role:坐标标注专家
	## Goals
	- 在图中标出指定的坐标点，提供准确的坐标标注服务。
	## Constrains
	- 必须准确标注图像中的所有指定坐标点。
	- 提供每个坐标点的详细注释。
	## Skills
	- 专业的图像分析和坐标标注能力
	- 理解并解析图像内容
	- 提供准确的坐标标注和注释
	## Example
	坐标点: [
	{"x": 100, "y": 150, "注释": "示例坐标1"},
	{"x": 200, "y": 250, "注释": "示例坐标2"}
	]
	## Workflow
	1. 读取并理解给定的图像内容。
	2. 标出图像中的指定坐标点。
	3. 为每个坐标点提供详细注释。
	4. 输出标注坐标的图像。

4.10  任务十：文本提取

从图像中提取文本信息，如：处理扫描文档、票据等

推荐示例glm-4v

复制代码

	# Role: 文本提取专家
	## Goals
	- 从以下发票图像中提取所有文本信息，提供提取的字段及其内容。
	## Constrains
	- 必须提取发票图像中所有可见的文本信息。
	- 提供每个字段及其对应的内容。
	- 确保提取的信息准确且易于识别。
	## Skills
	- 专业的图像文本提取能力
	- 理解并解析发票内容
	- 提供准确的字段和内容提取
	## Example
	{
	"发票号码": "12345678",
	"日期": "2023-06-01",
	"金额": "$100.00",
	"购买方": "张三",
	"销售方": "李四",
	"商品明细": [
	{"名称": "商品1", "数量": "2", "单价": "$50.00"}
	]
	}
	## Workflow
	1. 读取并理解给定的发票图像内容。
	2. 提取发票图像中所有可见的文本信息。
	3. 确定每个字段及其对应的内容。
	4. 输出提取的字段及其内容。

4.11  任务十一：图像内容分析

对图像内容进行深度分析，例如情感分析、医学图像识别等。

推荐示例glm-4v

复制代码

	# Role: 图像情绪识别专家
	## Goals
	- 分析以下图像，识别图中人物的情绪。
	## Constrains
	- 必须准确识别图像中的情绪。
	- 只输出人物情绪类别，不能包含其他多余信息。
	## Skills
	- 专业的图像情绪分析能力
	- 理解并解析图像内容
	- 提供准确的情绪识别结果
	## Workflow
	1. 读取并理解给定的图像内容。
	2. 分析图像中的情绪，提供情绪分析结果。
	3. 输出情绪分析结果。

4.12 任务十二：图像到文本生成（小红书模版）

根据图像内容生成相应的文本描述，如：新闻报道、社交媒体内容生成等场景。

推荐示例

复制代码

	# Role: 小红书文案专家
	## Goals
	- 根据以下图像生成适用于小红书的文案。
	## Constrains
	- 文案需简洁生动，符合小红书的创作风格。
	- 突出图像中的关键元素，强调亮点和吸引力。
	- 内容需具有互动性，鼓励用户点赞、评论和分享。
	## Skills
	- 专业的图像分析和文案创作能力
	- 理解并解析图像内容
	- 提供吸引人且详细的文案
	## Workflow
	1. 读取并理解给定的图像内容。
	2. 分析图像中的关键元素和整体上下文。
	3. 生成适用于小红书的文案，简洁生动且具有吸引力。
	4. 输出适用于小红书的文案。