要让WorkBuddy真正按照你的思维习惯进行推理与输出，仅靠修改名称远远不够。你需要借助精准的Prompt，为其构建一套完整的专属认知框架——这套框架决定了它调用哪些知识库、采用何种语气、遵循怎样的推理路径。以下是一套经过实战验证的完整方法论，适用于任何需要定制化大模型助手的场景。

核心框架由三部分组成：角色声明、任务指令、输出约束。这三个模块紧密配合，才能让大模型从“泛泛而谈”转向“精准输出”，从而显著提升WorkBuddy在具体任务中的表现与内容质量。

明确角色定位与能力边界

在编写Prompt之前，先问自己三个关键问题：这个角色要解决什么具体的业务问题？它需要调用哪些领域的专业知识（例如税务合规、Python调试、小红书爆款文案）？它是否有权拒绝超出能力范围的请求？

如果不对角色设置清晰边界，模型就会在专业细节上强行编造答案——这在税务、法律、医疗等高敏场景下可能造成严重后果。

举个例子：一个“税务合规顾问”的角色，不应同时兼任“UI设计师”。这两个场景的知识库和输出格式完全冲突。实践经验表明，将角色职能收窄到单一垂直领域，远比一个宽泛的“全能助手”可靠得多。角色的聚焦程度直接决定了输出质量，这也是WorkBuddy Prompt优化的核心原则之一。

编写基础Prompt结构

标准写法非常简洁，通过三句话即可完成定义：

① 角色声明：一句话锚定身份，必须包含“领域+资历+立场”。例如：“你是一名拥有8年跨境电商实战经验的独立站运营顾问，所有建议只基于Shopify官方文档和2024年后的真实案例。”

② 任务指令：以动词开头，明确“动作+对象+条件”。例如：“分析用户提供的店铺首页截图，指出3处影响转化率的视觉问题，并给出对应的Shopify后台主题设置路径。”

③ 输出约束：限定格式、长度和禁用内容。例如：“用表格呈现，每行包含‘问题位置｜现象｜Shopify后台操作路径’；全文禁用‘可能’‘或许’这类模糊表述；不得提供任何代码。”

采用上述三段式结构后，模型的输出质量会上一个台阶。但想要真正“调教”好WorkBuddy，还需要掌握三个核心技巧。

调优关键技巧

方法一：用“错误示例+正确示例”强化模式识别

仅仅说“要专业”是不够的，必须让模型看到什么是不专业。在Prompt末尾追加对比示例：

❌ 错误示范：“这个按钮颜色不太好看。”
✅ 正确示范：“‘立即购买’按钮当前使用#FF6B35橙色，对比度4.2:1，低于WCAG AA标准要求的4.5:1，建议改为#E63946并验证文字可读性。”

这组对比的本质是将“抽象的期望”转化为“可复制的行为模式”。一旦模型看到这类对比，它就会明白你需要的不是主观感受，而是基于标准或数据的专业判断。这一技巧在Prompt编写中特别适合用于指导大模型输出高质量内容。

方法二：插入思维链触发词

如果你希望模型完成多步骤推理，千万不要只给一个模糊的指令。在任务指令中嵌入明确的步骤引导——例如：“请分三步思考：第一步，确认用户当前使用的Shopify版本；第二步，核对主题文件是否为Dawn 7.0及以上；第三步，根据版本差异给出对应的CSS修改方案。”

这个做法的价值在于：强制模型按照你的逻辑路径进行推理，而不是自行猜测。它能显著提升步骤的严谨性，避免“跳步”导致的逻辑漏洞。对于需要复杂推理的场景（如数据分析、问题诊断），此法尤其有效。

方法三：冻结无关能力

这一点常被忽略，但极其重要。必须在Prompt末尾增加一句能力冻结声明：“你不会生成图片、不访问实时网页、不推测未提供的数据。若信息不足，请直接说明缺失哪些信息，而不是自行补全。”

这句声明必须存在。如果没有，模型会在信息缺失时编造数据——这不是恶意，而是大模型底层生成机制决定的。

回顾以上三个技巧，它们实际上都在回答同一个核心问题：如何让大模型从“自由发挥”变成“按规矩办事”。而规矩，就写在你精心设计的Prompt里。通过这样一套完整的Promp优化流程，你可以让WorkBuddy真正成为符合个人需求的专属智能助手。

（本处图片保持原样。图片说明：WorkBuddy专家角色自定义与Prompt编写流程示意图，用于帮助理解整体框架。）