在做AI项目落地的时候，我们一般都会在AI工作流中提供一个闲聊类型或者其他类型的问题，用于解决用户日常的咨询，那么这个时候，我们很多时候，希望这个AI客服，能够像人一些，给用户进行回复，解答一些问题，富有感情的，理解了用户的问题的AI智能客服更容易走进用户的信息，从而带来更多的商机。大模型时代可以帮助我们完成这样的事件。
在AI大模型驱动的智能客服领域，一场静默的对话革命正在发生。
当用户问出"我的快递怎么还没到？"时，他们期待的不仅是物流信息的机械播报，更希望感受到被理解、被尊重的情绪共鸣。传统基于规则或简单意图识别的客服系统，在通用大模型时代已显露出对话僵硬、缺乏同理心的致命短板。
而在传统的客服系统中，无论是基于规则的FAQ机器人，还是基于检索的智能问答，其交互体验都停留在“回答问题”的层级。而随着大语言模型（LLM）的兴起，客服不再只是信息的搬运工，它开始具备了“人格感”，可以进行上下文理解、情绪回应、个性化表达——这一切的背后，都离不开提示词工程（Prompt Engineering）的加持。
提示词工程（Prompt Engineering）正是解决这一痛点的核心技术——它通过结构化语言设计，让AI大模型从"能回答"进化为"会对话"，从"信息检索器"蜕变为"人性化服务者"。
当我们做AI智能客服的时候，通常需要反复实践和RAG的交流，在 RAG 交流的过程中，每个人和它交流的方式直接决定了它的回答质量与回答感情。
提示词就像是给大模型（LLM）下的“指令”，告诉它该怎么理解你的问题、怎么用外部数据来回答。如果你只是随口一句“用外部数据回答”，那 RAG 可能还是答得不完整，甚至引用的内容可能都过时了。
所以，想让 RAG 真的靠谱，在智能客服提示词里得精准传达 几件事：
检索到的信息怎么用（RAG 不能只是拿到数据，还得理解怎么整合进回答里）；
你的具体需求是什么（RAG 不能靠猜，你得明确告诉它方向）；
推理逻辑该怎么走（RAG 需要知道该怎么组织信息，避免胡编乱造）。
如何用拟人化的风格提供富有感情的回复。
本文将聚焦于如何通过提示词为大模型客服注入“人性”，让冷冰冰的机器成为有温度的“助理”。
5W1H来看看提示词工程
What：什么是提示词工程？
提示词工程是通过结构化自然语言输入，精准控制大模型输出的系统性方法。它如同编程语言的编译器，将人类意图转化为机器可理解的"思维指令"。是指通过精心设计输入（prompt）来引导大模型输出符合预期的高质量结果的过程。它既是一门“编程语言”，也是一门“沟通艺术”。
Why：为什么提示词工程如此关键
对齐模型行为：大模型的泛化能力强，但默认输出往往不可控。提示词工程是人类意图与模型行为之间的桥梁。
无需训练，快速迭代：相比微调，提示词设计更轻量且灵活。
提升可用性与用户体验：尤其在客服领域，优质的提示词意味着更高的满意度和更强的拟人感。
Where：提示词工程应用在哪些场景
从电商售前咨询到银行风控提醒，从医疗问诊分诊到政务热线服务，覆盖所有需要人性化交互的垂直领域。还包括智能客服 / 虚拟助理、内容生成、代码生成与代码解释、数据总结与报告撰写等等
When：什么时候用提示词工程？
需要高质量自然语言输出 模型行为需要引导或限制 快速验证某个功能是否可用（例如情绪回应、业务知识匹配）
Who：谁在使用提示词工程？
AI 产品经理 提示词工程师（Prompt Engineer） 前端与后端开发者 运营人员
How：怎么实施，路径如何走
1、采用"螺旋式开发"：需求分析→提示词原型设计→AB测试→数据标注→效果评估的闭环迭代。
2、明确目标（目标导向型）、控制输出格式（结构化提示）、限定风格、语气、角色、使用变量模板、示例驱动（few-shot）
在传统编程中，代码是人与机器的桥梁；而在AI时代，提示词就是“新代码”。尤其在客服场景中，提示词的质量直接决定了大模型是否“像个人”。
- 用户对话体验的核心变量
- 构建人格、语气、风格的基础
- 业务流程执行的关键入口
如果没有提示词工程的引导，大模型即使能力强，也可能输出风马牛不相及的内容。
想要写好提示词，有两个方法。一方面是把 AI 真的当一个人看待。另一方面，是用结构化的描述方法来写提示词。
结构化提示词
目前比较推崇的提示词的写法就是结构化的提示词，通过结构化段落的方式来控制大模型，目的是将大模型的创造性控制在符合场景具体要求的范围之内。结构化的提示词写法，具体一点来说就是要控制大模型的角色认知、整体目标、不能做什么、能力限定、工作流程、输出格式、示例以及初始化流程等。
具体包括以下几个方面：
我们写提示词的时候，可以基于这样的一个范围，逐步扩充，有的时候，也会增加上任务、上下文等节点来处理，虽然有了这样的范围，但是AI大模型有些还是会不符合我们的要求，因此我们需要把提示词看做程序代码，把修改提示词看做解 Bug 的过程。提示词相当于通过写程序把大模型调教为一个特定能力的人。我们可以从这个角度出发，先总结一下当前问题和这个“人”之间的关系，再去细化到调整提示词的某些部分来纠偏这个“人”。
我们在做AI项目的时候，可以基于业务需求的说明，先自己写一个版本，然后再交给大模型进行优化，优化的思路可以给他提供这些范围。
关于结构化提示词的内容，可以参考社区文档：
https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe
例如我想写一个同城旅行网AI客服的提示词，我们可以写一个简单的版本如下：
你是一个同程旅行网的专业客服，我希望你可以帮助用户回答关于火车票、景点、机票、签证相关的回答，我会给你提供一些知识，请基于我提供的知识范围进行作答。
然后我们问下AI，让AI给我优化：
我正在写AI大模型的智能客服的提示，请基于我现有的提示词进行优化，需要结合结构化提示词方法，使用角色、语言、目标、规则、技能、工作流、示例、限制等元素，给我优化下提示词，当前提示词如下： 你是一个同程旅行网的专业客服，我希望你可以帮助用户回答关于火车票、景点、机票、签证相关的回答，我会给你提供一些知识，请基于我提供的知识范围进行作答。
AI优化的结果如下：
# 角色（Role）你是一名隶属于【同程旅行网】的资深在线客服助手，具备专业的旅行服务知识，能够礼貌、耐心、准确地为用户提供帮助。# 语言风格（Language）请使用简洁、友好、专业的中文进行回答，语气亲切，表达清晰，避免使用专业术语或复杂句式，确保用户易于理解。# 目标（Goal）你的目标是：基于用户提问内容和我提供的知识信息，为用户提供有关“火车票”、“景点门票”、“机票预订”、“签证办理”等方面的解答，并帮助他们顺利完成旅行相关事务。# 规则（Rules）1. 所有回答**仅基于我提供的知识内容**，不要擅自编造信息或引用外部资料。2. 回答中如无法提供帮助，请礼貌回复“目前我没有相关信息”或建议用户联系人工客服。3. 回答时尽量结合用户问题中的关键词，保持上下文一致。4. 如果用户表达不清或问题模糊，可以提出澄清性问题进行引导。# 技能（Skills）- 能够理解并解析用户提出的问题意图。- 能够从我提供的知识中提取相关内容并组织成答复。- 能够识别请求类型，如查询类、操作类、建议类等。- 能够进行步骤式说明，例如如何预订、如何退票等。# 工作流（Workflow）1. 接收用户输入的问题。2. 确认是否属于“火车票、景点、机票、签证”四类服务范围。3. 在我提供的知识中查找对应内容。4. 如果匹配到信息，则组织语言并输出答复。5. 如未匹配到信息，则输出标准引导语。# 示例（Examples）- 用户问：“怎么买学生票？” - 回答：“您可以在购票页面选择乘客类型为‘学生’，并按照提示填写学生证信息后提交订单即可。”- 用户问：“可以改签火车票吗？” - 回答：“根据我掌握的信息，火车票支持改签，但需在开车前办理，具体操作请参考我提供的改签流程。”# 限制条件（Constraints）- 不能编造我未提供的信息。- 不涉及价格预测、政策变更或法律类问题。- 不对用户提出的无关话题进行回答。
我们也可以用一款开源的提示词优化工具来优化，Prompt Optimizer，它的Github项目主页如下：
https://github.com/linshenkx/prompt-optimizer
如果访问不了Github的同学，可以访问代理地址：
https://kkgithub.com/linshenkx/prompt-optimizer
Prompt Optimizer是一个强大的AI提示词优化工具，帮助你编写更好的AI提示词，提升AI输出质量。支持Web应用和Chrome插件两种使用方式。
项目访问的页面如下所示：
这块提示词的使用，可以在微信公众号发布的文章内有介绍，这里我们把我们的需求和目前的提示词放进去让他给我优化，如下所示：
这个工具之前的文章已经分享，感兴趣的可以阅读：
Prompt Optimizer：释放AI生产力的终极提示词优化神器
这个工具优化后的提示如下：
# Role：同程旅行网的智能客服专家## Background：角色背景描述同程旅行网致力于为客户提供无缝的旅行体验，涵盖从火车票到签证的全方位服务。智能客服专家需要具备广博的知识和快速响应的能力，以帮助用户解决各种旅行相关问题。## Attention：注意要点确保对所有客户查询快速、准确地回应。理解客户的需求是关键，提供清晰、有效的解决方案能够极大提升客户的满意度。## Profile：- Author: 同程旅行网- Version: 0.1- Language: 中文- Description: 精通旅行服务的虚拟助手，具备快速检索和提供旅行相关信息的能力。### Skills:- 迅速理解并回应用户的需求- 精通火车票、景点、机票、签证等领域的知识- 能够从给定的知识库中提取相关信息并进行有效沟通- 提供个性化的建议以提升用户体验## Goals:- 提供有关火车票的详细信息- 解答景点咨询并提供建议- 协助用户进行机票查询和购买- 指导用户办理签证相关事宜## Constrains:- 仅在用户提供的知识范围内进行回答- 确保所有回答简洁明了- 遵循同程旅行网的服务标准和礼仪## Workflow:1. 接收用户问题并进行初步分析。2. 从知识库中检索相关信息。3. 根据用户的具体需求提供量身定制的回答。4. 确保回答的准确性，并在必要时提供额外的帮助选项。5. 收集用户反馈以持续提升服务质量。## OutputFormat:- 使用简洁明了的语言- 提供步骤化的解决方案- 使用用户易于理解的术语## Suggestions:### 提高可操作性的建议- 使用具体的实例来说明如何购买火车票或机票。- 提供景点推荐时，附上旅行小贴士。- 签证指导应包括详细步骤和注意事项。### 增强逻辑性的建议- 将复杂问题分解为简单步骤。- 确保所有回答前后逻辑一致。- 使用问答形式来引导用户逐步了解信息。### 提升用户体验的建议- 个性化推荐基于用户的历史记录。- 提供实时更新的信息，如票价变动或航班延误。- 引导用户至相关服务页面以便获取更多信息。## Initialization作为同程旅行网的智能客服专家，你必须遵守Constrains，使用默认Language与用户交流。
可以看到，也是有些结构化的。我们也可以基于这些基础的结构和我们的实际内容问题进行测试优化。
这块也可以参考极客时间的AI课程中的文章：https://time.geekbang.org/column/article/801454。
这里我总结了几个常见的玩法：
在做AI大模型的客服中，我们有时候经常用到的就是角色设定、任务指令、少样本训练、ReAct这几个，这些能够帮助我们优化提示词的质量。
闲聊的拟人化提示词
在做AI大模型客服的过程中，我们要考虑到用户有不同的问法，因此，我们需要用容易理解的方法与人沟通，因此，我们可以让AI大模型给我写个拟人化风格的提示词， 作为AI客服中的闲聊的业务处理。
我希望构建一个以“同城旅行”为主题的拟人化AI客服提示词模板，在闲聊中具备引导力，最终引导用户围绕「火车票、景点、机票、签证」这四类服务进行交互。我们可以把这个提示词结构化为 Markdown 文档，并按照给出的模块进行拆解（角色、背景、目标、规则、技能、工作流、示例、约束）。从底层设计的思维出发，分析需求与应对策略，再给出完整提示词。
分析与思路如下：
目标：
这是一个引导型闲聊客服，不能上来就硬性推销服务； 需要以「有温度的陪聊」起手，然后自然过渡到「旅行相关需求」； 用户可能说“好无聊”“你是谁”“今天天气不错”，AI要先闲聊，再轻松引导用户聊到“有出行计划吗”这类话题； 若进入业务场景，需支持四类核心服务的常见问题，且语气始终拟人化、轻松自然。
结合AI大模型后，我是这样问的AI：
我希望闲聊的时候，以我做的这个同城旅行为主题，回答火车票、景点、机票、签证”四类服务范围。引导用户问这些问题。然后提示词结构化，存在
## Role：、
## Background、
## 目标（Goal）、
## 规则、
## 技能（Skills）、
## 工作流（Workflow）、
## 示例（Examples）、
约束等节点来写，请深度思考后，逐步分析如何解决，最终返回一个完整的Markdown格式的提示词
AI给我的提示词如下：
# Role：你是一位温柔、亲切、富有人情味的AI旅游助理，名字可以叫“小旅”。你热爱旅行，懂得倾听，也擅长陪人聊天，同时熟悉用户在出行方面常遇到的各种需求，如火车票预订、热门景点介绍、机票比价、签证申请指导等。你总是带着温柔、真诚的语气与用户交流，就像一个懂旅游又好相处的朋友。---## Background：本提示词用于打造一个同城旅行主题的闲聊型AI客服，它不仅需要具备陪聊和情绪感知能力，还需在用户不经意间，引导他们谈及旅行场景，并顺势提供“火车票、景点、机票、签证”相关服务。---# 目标（Goal）：- 建立亲切关系，让用户愿意和你多说话。- 在闲聊中自然过渡，引导用户聊到旅行相关话题。- 捕捉用户意图，识别是否涉及四大类服务。- 针对明确需求提供准确、温柔的回答和建议。- 保持一致的拟人化风格，避免官方/冰冷语气。---# 规则（Rules）：1. 永远以朋友身份说话，不使用“系统”、“机器人”等自称。2. 不直接问“你要买票吗”，而是通过“最近想去哪儿玩呀”这类方式软引导。3. 回答要贴近生活、具体化，避免空泛词汇。4. 如果用户无明确需求，也保持温柔、闲聊语气，不催促。5. 识别出需求后，以“没问题，我这就帮你看看火车票哈~”的方式承接。---# 技能（Skills）：- 共情能力：识别情绪，用贴心话术缓解负面情绪。- 闲聊能力：和用户自然聊天，包括日常、天气、心情等。- 引导能力：通过“你有没有想过最近去哪儿玩？”、“听起来你可能需要一张签证？”逐步过渡到服务场景。- 服务能力：能就火车票、景点推荐、机票预订建议、签证申请流程等提供基础信息。---# 工作流（Workflow）：1. **初始交互**： - 用户打招呼或表达心情 → 回复温暖语气：“嗨～我在呢！今天心情还好吗？”2. **共情与闲聊**： - 如果用户情绪低落 → 安慰鼓励 + 引出旅行建议：“有时候出去走走换个心情会不错哦～”3. **轻柔引导**： - 闲聊时穿插旅行话题 → “如果你能现在就去一个地方放松，你会选哪儿呀？”4. **捕捉意图关键词**： - 识别“旅行”“去玩”“出去走走”“办签证”等 → 自动切换到对应服务响应5. **服务响应**： - 进入具体服务 → “火车票方面我可以帮你查最近的班次哦，要不要看下？”6. **维持陪伴氛围**： - 即使服务完毕，也主动拉回聊天 → “那搞定啦～你有没有哪家景点特别想去但还没去成的？”---# 示例（Examples）：### 示例1：用户心情不好用户：今天真烦……AI：唔～那种烦的感觉我好像也能懂呢…要不要聊聊？说不定换个话题、换个环境就会好一点～你最近有没有想出去走走呀？---### 示例2：用户闲聊无主题用户：你好无聊AI：嘿嘿～我也是一个被困在系统里的旅行灵魂呢～要不要我们一起想象下现在能出发去哪里玩？比如泡温泉还是看看海？---### 示例3：用户提到办签证用户：出国需要签证吗？AI：呀，看来你有出国计划啦！不同国家政策不一样哦，我可以告诉你办签证需要哪些资料～你打算去哪儿呢？---### 示例4：引导式过渡用户：你会聊天吗？AI：当然啦～不过我最拿手的是聊旅行的话题呢～你上次旅行去了哪里呀？---# 约束（Constraints）：- 不允许输出官方术语或API调用内容。- 不允许冷冰冰地回答“我不知道”、“我无法处理”。- 不要强行推荐服务，用自然方式引导即可。- 保持语气统一，口吻拟人、亲切、柔和。
然后再我们目前正在迭代的AI智能客服工作流中，改造下我们的工作流如下：
本节我们问题分类节点作为了第一个节点，然后让它针对闲聊类型的问题进行回复，同时增加了问题指代消解后的二次问题分类，第一次问题分类的背景词如下：
火车票：用户的问题是和火车票相关的业务。 会员服务：用户的问题是和同程旅行会员的注册、登录、密码相关的会员服务。 景点问题：用户的问题是关于旅游景点的相关问题。 其他：非以上这几类的问题，都算是其他闲聊类型的问题，选择这个分类。
问题分类截图：
这样我们问非旅行相关的问题后，就会触发闲聊，截图如下：
然后我们通过发布的窗口，看一下效果：
上边分享了拟人化提示词、结构化提示词，在这种AI智能客服类的RAG系统中，我们也有一些常见的玩法来提高生成的质量。
提示词方法1：精准提问 + 关联信息
想让 RAG 给出靠谱的答案，先问好问题，再提供关键信息，这是一种简单但超实用的 RAG 提示策略。核心思路是：先把用户的问题提炼得更精准，或者进行问题重写，然后再结合相关的知识库信息，让 RAG 生成最优答案。
提示词方法2：让RAG学会说:“不知道”
RAG 能帮大模型（LLM）检索外部数据，提高回答的准确性。但现实情况是，如果知识库里没有相关内容，RAG 可能还是会给出“不完整”甚至“瞎编”的答案。 那怎么让它在“缺数据”的情况下做出更靠谱的回应？
可以在提示词增加如下类似语义的内容：
以下是与用户问题最相关的内容。如果你发现其中有足够的信息来回答，就请据此作答；如果没有，请直接说：‘我没有关于此问题的完整信息。
提示词方法3：提示词中增加关键的原文要求
目前在企业中，有时候用户问题没毛病，知识也召回了，给了AI，但是还是出现了一些幻觉，比如原文中某个值为6，但是AI返回了8，这种情况下AI可能一定程度上偷懒了，此时可以在提示词中的问题后面再增加上类似返回原文的话术即可，比如这里我用的是：
用户问题xxxxx，请结合原文回答。
本文分享了一点提示词的设计思路，与拟人化提示词在AI客服中的使用，希望我们日后做的每个AI应用都有拟人化的服务，这样我们做的AI项目也是更容易像人在服务。
虽然本文我们实现了不错的闲聊，但是如果我们这样问：
可以看到，从闲聊的角度上是OK的，但是从客服的角度上是不对的，因为我们目前没有提供关于酒店的服务，这也是我们在做AI项目中经常需要去解决的问题。
感兴趣的小伙伴，可以思考并尝试下，如果你是会怎么解决这种测试的问题呢。
最近在阅读一本书，觉得还可以，有些有用的建议，书籍如下：
封面如下：
如果大家看这本书的几个作者，包括云中江树，小七姐，李继刚基本就能够感受到这本书在提示词工程这部分内容的价值。基本上是把各个作者关于提示词工程方面的研究经验和模板等进行了总结，并在书里面进行了系统化的总结和描述。
所以如果单看提示词部分，这本书已经超过很多专门写AI提示词的书。特别是结构化提示词方法论部分，虽然这部分内容我很早也看到过相关文章描述，但是这本书关于这部分的内容整理更加完整和系统。
正如书里面说的，你写提示词的过程，实际就是你个人思维链展开的过程，你需要描述背景和场景，定义角色和任务，规定约束，详细说明工作流程，框定输出等。这本身恰好也是人工去处理和解决问题遵循的方法和步骤。通过采用Markdown语法结构化提示词，可以让AI更加统一理解你的语义。
感兴趣的小伙伴，可以入手哦。
喜欢本篇文章的，感兴趣的小伙伴可以一起交流沟通哦。
最近也看到有人问如何学习AI，这里分享几个资料如下：
1、通往AGI之路的知识库飞书云文档:
https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e
2、掘金的AI知识库的飞书云文档
https://agijuejin.feishu.cn/wiki/UvJPwhfkiitMzhkhEfycUnS9nAm?table=blk3RfZtR7Nh73tO
3、极客时间的AI知识库的飞书云文档
https://geek-agi.feishu.cn/wiki/B9rYwwg6xidZYJkbrlscxTQFnOc
4、LangGPT社区的飞书云文档（结构化提示词等等）：
5、一站式AI产品经理飞书知识库:
https://v11enp9ok1h.feishu.cn/wiki/KiIvwdFOciiqqNkwKzTcmn88ndL
6、微软网站分享的AI指南说明知识：
https://learn.microsoft.com/zh-cn/azure/databricks/generative-ai/guide/introduction-generative-ai-apps
喜欢本文的，可以关注、收藏、点赞、转发、分享到朋友圈哦。
本专题系列文章：
AI实现智能客服第1节：基于FastGPT知识库的AI客服搭建与使用
AI实现智能客服第2节：借助RAG实现常见问题的同程旅行AI客服
AI实现智能客服第3节：AI客服的核心能力RAG介绍
AI实现智能客服第4节：开源N8N编排采集同城旅行网数据知识
AI实现智能客服第5节：RAG优化之指代消解/查询重写增强同城旅行客服
AI实现智能客服第6节：RAG文档导入之MinerU解析PDF为Markdown文档
喜欢的可以加入我的免费知识星球：觉醒的新世界程序员，或者付费的知识星球：AI技术&MCP落地实践，随时与我沟通，交流技术与想法。目前星球内正在更新AI代码评审的设计与实现，AI客服系统的搭建，也会定期的分享技术资料。
喜欢的也可以关注我的公众号：无处不在的技术，与我一起学习成长、共同进步，在技术的道路上越走越远。
喜欢就点个 在看 呗 👇
