写提示词时，如果只输入一句“请写一篇产品介绍”，几乎不可能获得理想效果。模型无法读取你的真实想法，它只能根据通用模板拼凑内容。要让讯飞星火输出真正可执行的回复，必须在提示词中明确场景要素——谁、在什么场景、面向什么对象、遇到了哪些具体问题、当前卡在哪一步，这些信息缺一不可。

场景化提示词的核心，是帮助模型调用真实语境中的表达逻辑和细节颗粒度，而不是在模板库里机械重复。

明确写出用户身份与使用渠道

第一步？直接在提示词开头定义清楚：谁在哪个平台上、面向哪类人群、需要传达什么信息。比如这样写：“你是一家国产宠物智能喂食器品牌的客服主管，要在小红书评论区回复一位刚收到货、抱怨APP连接不稳定的宝妈。”

注意，这段信息必须放在提示词最前面，不能隐藏在句末或括号里作为补充说明。模型对起始位置的信息高度敏感——开篇的身份加渠道界定，会直接影响后续生成的语气、术语密度以及问题解决路径。

第二步，把平台特性也写进去。比如“小红书回复需控制在3行内，带1个表情符号，不出现‘尊敬的客户’等客服套话”。需要强调的是，平台规则如果不写进提示词，模型默认会按通用公文逻辑输出，那么结果基本可以预见。

绑定真实时间与物理环境

具体怎么做？有两种实用的方法。

一是用时间锚点激活模型的细节记忆。写“现在是2024年6月梅雨季，用户在长三角地区潮湿环境下首次开机”，就比只写“在潮湿环境中”有效得多。模型会自动识别并关联“电路板冷凝水”“蓝牙信号衰减”这些真实变量，而不是凭空编造原因。

二是描述可感知的物理限制。比如“用户正单手抱着6个月大的婴儿，另一只手操作手机，且厨房灯光较暗”。你看，当限制条件具体到这个程度，模型生成的APP使用指引就会自动优先采用大字体、语音反馈、分步截图，而不是给你甩一大段文字说明。

植入具体冲突或未满足需求

直接写明“用户已尝试重启设备、重装APP、更换手机，但第3步配网时仍卡在‘正在连接热点’界面”，比简单概括为“用户遇到配网问题”要管用得多。后者只会触发模型输出标准故障提示，而前者能直接让它调取故障树推理路径。

这里的关键点在于呈现动作链的断裂点，而不是笼统地概括问题类型。模型对“动词+数字+状态”这种组合形式的响应最为精准。

还有一条很实用的原则：不要写“请分析原因”，要写“请用一句口语化的话告诉用户接下来该按哪个键，并解释为什么按这里能绕过当前卡顿”。指令越具体到手指动作，输出的内容就越具备可执行性。