夜雨聆风一、指令式Prompt模板（最常用）
核心要点
1. 直接下达明确任务
2. 限定输出要求、格式、规则
3. 无需复杂人设，开门见山
优点
- 写法极简，零基础上手
- 指令清晰，模型执行力强
- 省Token，响应速度快
缺点
- 复杂逻辑推理偏弱
- 多步骤长流程容易漏项
- 输出格式不固定，难对接系统
适用场景
日常问答、内容总结、简单工艺编写、RAG普通问答、常规文案生成
实战案例
请根据45#钢轴类零件、批量500件，编写标准数控车加工工序，条理清晰、简洁规范。
代码模板
python
prompt = """
请根据45#钢轴类零件、批量500件，
编写标准数控车加工工序，条理清晰、简洁规范。
"""
二、角色人设型Prompt模板
核心要点
1. 先设定专业身份、从业经验
2. 绑定行业规范和专家视角
3. 以专家身份下达任务要求
优点
- 专业调性拉满，回答更贴合行业
- 对话自然、接地气，不像机器话术
- 工业、工艺类场景适配度最高
缺点
- 人设描述过长容易跑偏
- 复杂深度推理能力不足
- 输出格式不标准，不方便入库
适用场景
工艺专家答疑、设备故障分析、行业技术科普、AI专业助手对话
实战案例
你是拥有12年航空精密零件加工经验的资深工艺工程师，请分析铝合金薄壁件加工变形原因，并给出3条可落地规避措施。
代码模板
python
prompt = """
你是拥有12年航空精密零件加工经验的资深工艺工程师，
请分析铝合金薄壁件加工变形原因，并给出3条可落地规避措施。
"""
三、少样本Few-Shot模板
核心要点
1. 给出2–3个标准示例
2. 让模型模仿示例格式、逻辑、风格
3. 同类型任务直接复刻输出
优点
- 输出格式高度统一、零混乱
- 不用复杂指令，效果稳定
- 适合批量标准化生成
缺点
- 依赖高质量示例样本
- 陌生场景泛化能力差
- 占用上下文，容易超长溢出
适用场景
工艺卡生成、固定格式报表、标准化话术、同类文档批量创作
实战案例
参照以下格式输出：
示例1：法兰盘-45钢-下料→车削→钻孔→倒角
示例2：支座-Q235-下料→铣面→攻丝→去毛刺
请按同款格式生成：传动轴-40Cr
代码模板
python
prompt = """
参照以下格式输出：
示例1：法兰盘-45钢-下料→车削→钻孔→倒角
示例2：支座-Q235-下料→铣面→攻丝→去毛刺
请按同款格式生成：传动轴-40Cr
"""
四、思维链CoT模板
核心要点
1. 强制模型分步思考
2. 先拆解因素、再逐一分析
3. 最后汇总结论与方案
优点
- 逻辑层层递进，大幅降低幻觉
- 复杂问题推理准确率高
- 适合多条件、多约束决策
缺点
- 消耗Token多，响应变慢
- 模板文字长，调试麻烦
- 思考过程冗余，不适合简短回答
适用场景
复杂工艺路线规划、公差链分析、加工故障根因排查、Agent深度推理
实战案例
请一步步推理分析：铝合金薄壁铣削出现振纹、尺寸超差，从材料、刀具、转速、工装、装夹逐一排查，最后给出完整解决对策。
代码模板
python
prompt = """
请一步步推理分析：
铝合金薄壁铣削出现振纹、尺寸超差，
从材料、刀具、转速、工装、装夹逐一排查，
最后给出完整解决对策。
"""
五、结构化JSON模板（Agent开发必备）
核心要点
1. 提前定义固定字段、数据格式
2. 强制模型只输出标准JSON
3. 便于程序解析、自动入库、对接接口
优点
- 输出规整统一，机器可直接读取
- 无缝对接数据库、后端系统
- Agent开发刚需，可控性极强
缺点
- 灵活性差，不适合开放闲聊
- 容易出现字段缺失、格式报错
- 不适合超长篇复杂文本
适用场景
AI Agent开发、工艺信息抽取、结构化数据整理、系统自动表单生成
实战案例
把下面内容整理成JSON，字段：name、material、thickness、process
内容：零件端盖，材质45#钢，厚度6mm，工序包含下料、车削、钻孔
代码模板
python
prompt = """
请严格输出JSON，固定字段：name、material、thickness、process
内容：零件端盖，材质45#钢，厚度6mm，工序包含下料、车削、钻孔
"""
六、RAG检索专用Prompt模板（企业知识库标配）
核心要点
1. 限定只依赖参考文档作答
2. 禁止模型编造、瞎编知识
3. 不确定统一回复“未提及”
优点
- 极大抑制大模型幻觉
- 严格引用内部知识库、工艺规程
- 适配企业私有知识沉淀
缺点
- 极度依赖文本切块和检索精度
- 无参考资料时回答质量差
- 不擅长跨知识推理
适用场景
企业工艺知识库问答、规程标准查询、历史工艺案例解读、内部资料答疑
实战案例
请严格依据参考文档回答，禁止编造。问题：铝合金硬质阳极氧化工艺温度范围是多少？无相关内容请回答未提及。
代码模板
python
prompt = """
请严格依据下面参考文档回答，禁止编造，无相关内容请回答未提及。
问题：铝合金硬质阳极氧化工艺温度范围是多少？
参考文档：
{retrieved_context}
"""
七、Agent工具调用模板（高阶大Agent专用）
核心要点
1. 定义可用工具及功能
2. 让模型先思考：要不要调用工具
3. 自主选择工具、传入参数、整合结果
优点
- 具备自主思考、规划、执行能力
- 可联动数据库、计算器、业务系统
- 真正实现智能化全自动任务
缺点
- 模板逻辑复杂，学习成本高
- 依赖LangChain等框架
- 多工具联动容易调用错乱
适用场景
工艺大Agent开发、智能自动化设计、多系统联动、复杂任务自主拆解执行
实战案例
你是工艺设计智能Agent，可调用材料参数库、工时计算器、工艺生成工具。请为5052铝盖板、厚度2mm、批量500件规划完整加工方案。
代码模板
python
system_prompt = """
你是工艺设计智能Agent，可调用以下工具：
1.材料参数库 2.工时计算器 3.工艺方案生成器
请先思考是否需要调用工具，再给出完整工艺方案。
"""
user_prompt = "5052铝盖板、厚度2mm、批量500件，规划完整加工方案。"
一句话总结
1. 日常随便用：指令式、角色人设
2. 要统一格式：少样本Few-Shot
3. 复杂逻辑分析：思维链CoT
4. 做开发对接系统：结构化JSON
5. 企业内部知识库：RAG专用模板
6. 做大智能Agent：工具调用模板
