在日常使用Nova AI时，我们往往希望它在解答技术问题时像资深架构师一样层层剖析，撰写文案时像广告总监那样精准抓取痛点、营造节奏，提供健康咨询时像三甲医院营养科医生那样严谨而通俗易懂。但问题在于——仅仅说一句“请专业一点”远远不够。关键在于如何运用结构化提示词，精准锁定专家身份、认知模式与表达习惯。

首先精准定义角色，避免模糊指代

第一步很简单：使用主谓宾短句直接明确角色，无需添加冗余修饰语。例如，“你作为有8年临床经验的内分泌科主治医师”，比“你是一位很专业的医生”有效十倍。后者让Nova难以把握知识边界，而前者能直接激活其内置的医学语料权重。

第二步，在角色后紧跟一句能力声明，用“具备/不具备”清晰划出边界。举个例子：“你具备：糖尿病分型诊断能力、胰岛素方案调整经验、患者教育话术库；你不具备：开具放射科检查单权限、外科手术操作资质”。这一句至关重要——如果没有能力边界，Nova会默认自己无所不能，从而在回答中混入越界建议。

第三步，插入一句认知特征，说明该角色“如何看待问题”。例如：“你的认知模式：优先评估用药依从性→再排查继发性病因→最后考虑药物升级”。这句话能让Nova放弃通用逻辑链，转而调用该角色特有的决策树。

再植入真实场景，激发专业回应

方法一：用“当前场景+系统现状+监控数据”三要素构建上下文。例如：“当前场景：某三甲医院门诊量激增300%，糖友复诊等待超2小时；系统现状：电子病历已接入血糖仪实时数据；监控数据：72%患者近3个月HbA1c未达标”。这比单纯说“帮我分析糖尿病管理问题”更能触发Nova调取门诊流程优化知识。

方法二：将任务目标拆解为可验证的动作。不要写“给出建议”，而要写“列出3条可立即执行的候诊区干预措施，每条含实施主体（护士/药师/导医）、耗时（≤5分钟）、预期效果（缩短平均等待时间≥15%）”。从数据来看，Nova对动词+量化指标的响应准确率比抽象名词高42%。

最后约束输出形式，确保即拿即用

第一步：指定输出结构。比如要求“用#问题定位→##根因→###可落地动作三级标题展开，每个动作后标注所需资源（人/时/物）”。Nova会严格按此框架组织内容，避免信息杂乱堆砌。

第二步：限定术语层级。写明“面向社区卫生站全科医生，禁用GLP-1RA、SGLT2i等缩写，首次出现需括号标注全称”。这能防止Nova自动使用高阶术语，造成理解断层。

第三步：设置风格开关。例如“语气：冷静但带温度，每段结尾加一句患者可感知的收益点（如‘这样调整后，您下次复诊时不用再空腹跑两趟’）”。Nova会根据此调节句式长短与情感词汇密度。