让 AI 真正帮上忙:图书馆员直接能用的 5 条提示词规则

上周我们谈了AI时代，图书馆员的核心竞争力是什么？引发了不少图书馆员的共鸣和反馈。有朋友在后台提问：

｜真实场景

“我们馆里大家也在试着用 AI。参考咨询想用它整理读者问题，学科服务想用它做专题资源包，信息素养课想用它改讲稿，资源建设部门想用它辅助评估数据库。

但真正用起来后才发现，AI 写得很快，也写得很漂亮，结果却不能直接用：它可能编造馆藏信息，误解数据库功能，也可能给出一堆看上去正确的废话。有没有一套提示词写法，是图书馆员可以直接拿来用的？”

这个问题其实是在问：图书馆员怎样把自己隐性的专业判断，翻译成 AI 能执行、馆员能检查的任务说明。

过去，很多人使用 AI 的方式，是把一句“帮我总结”“帮我写一份培训稿”“帮我推荐数据库”丢进去。结果常常是：文字很完整，证据很薄；语气很专业，边界很模糊；看上去言之凿凿，细看却经不起核查。

OpenAI 在 GPT-5.5 提示词指南中强调，GPT-5.5 更适合“结果优先”的提示词：先说明期望结果、成功标准、约束条件和可用上下文，再让模型选择完成路径，除非路径本身很重要，否则不建议把每一步过程都写死[1]。OpenAI 的提示词指南也建议，把提示词组织成“上下文（Context）”、“任务指令（Instructions）”、“补充信息 / 约束条件（Additional Information / Constraints）”等清晰板块，并强调“一次提示词聚焦一个明确结果”。通俗地说，就是先告诉 AI“这件事为什么做”，再告诉它“具体做什么”，最后说明“依据什么材料、不能越过哪些边界”。

放到图书馆工作里，这套指南可以翻译成 5 条更实用的规则。

规则一：先写“服务结果”，少写“AI动作”

图书馆员最容易写出的提示词，是这样的：

“帮我查一下这个主题有哪些资料。”“帮我总结一下这个读者问题。”“帮我写一份数据库培训稿。”

这些话不是不能用，但问题在于，它们没有告诉 AI：这项服务最后要交到谁手里，读者拿到之后应该能做什么。

图书馆服务不是单纯生成文本。参考咨询要帮助读者继续检索，学科服务要帮助教师和研究生找到合适资源，信息素养教学要帮助学生建立检索策略，资源建设要为采购和评估提供证据。ACRL《高等教育信息素养框架》提出 6 个框架，其中包括“权威是建构的且有情境性”“检索是战略性探索”“研究即探究”等，这说明图书馆员的服务重点，不只是给答案，也包括帮助读者理解证据、路径和判断标准[2]。

可以改成：

提示词示例｜可直接改写使用你是高校图书馆参考咨询馆员。请根据读者问题，生成一份“可执行的检索方案”，而不是泛泛介绍主题。服务对象是：【本科生 / 研究生 / 青年教师 / 科研管理人员】。成功标准是：1. 读者能知道下一步去哪些数据库检索；2. 每个数据库或资源都说明推荐理由；3. 给出 3—5 组中英文关键词组合；4. 不编造馆藏、不编造数据库订购状态；5. 无法确认的信息标注为“需馆员核查”。可用材料如下：【粘贴读者问题、学科方向、馆藏资源、数据库清单】。请输出：①读者需求判断；②检索路径；③关键词组合；④推荐资源；⑤需要馆员进一步确认的问题。

这条规则的关键，不是让 AI “多做几步”，而是先告诉它：什么叫这次服务完成了。

规则二：把“馆员角色、读者对象和服务场景”说清楚

同一段材料，写给本科新生、博士生、院系教师、馆领导，完全不是一种写法。

给本科新生，要少用缩写，多解释路径；给博士生，要保留数据库、检索式和学科术语；给馆领导，要突出服务价值、风险边界和可执行安排；给数据库商，则要把问题、证据和改进建议说清楚。

ALA 2026 年 4 月发布的图书馆 AI 使用指南草案提出，图书馆使用 AI 应服务于明确的、以用户为中心的目的，例如改进访问、教学、流程或服务，而不是因为某个工具可用就使用它[3]。该草案还提出，图书馆应清楚披露公共服务中何时、如何使用 AI，并设置问题或关切的联系人。

所以，图书馆员写提示词时，要把“我是谁、给谁写、在什么场景下用”写出来。

提示词示例｜可直接改写使用你是【学科馆员 / 信息素养培训馆员 / 资源建设馆员 / 编目馆员 / 阅读推广馆员】。受众是【大一新生 / 医学研究生 / 青年教师 / 馆领导 / 普通公众】。使用场景是【课堂讲解 / 一对一咨询 / 微信公众号推文 / 馆内汇报 / 数据库培训】。请把下面材料改写成适合该受众的版本。要求：1. 不使用受众难以理解的专业缩写；2. 必须保留关键术语；3. 对专业术语用一句话解释；4. 语气为【专业但亲切 / 正式汇报 / 教学口吻 / 操作指南】；5. 不新增材料中没有出现的事实。材料如下：【粘贴原文】。

这里的重点，不是“让 AI 扮演馆员”。真正重要的是：让 AI 知道馆员正在为哪一类读者、哪一个服务场景承担责任。

规则三：给材料、划边界、写清证据标准

图书馆员使用 AI，最危险的不是 AI 写得不好，而是它写得太像真的。

在参考咨询中，它可能编造某本书的馆藏状态；在数据库培训中，它可能把某个平台没有的功能写进去；在版权咨询中，它可能把复杂授权问题说成一句“可以使用”；在用户服务分析中，它可能把读者个人信息当作普通材料处理。

ALA 的图书馆隐私指南说明，这些指南用于帮助图书馆和供应商建立在线隐私、数据管理和安全方面的最佳实践[4]。ALA 对《图书馆权利法案》的隐私解释提出，图书馆收集用户使用数据时，应透明披露、尽量缩短保留时间，并在可能情况下匿名化，用于分析的数据应为匿名或聚合数据，不能与个人信息关联[5]。

因此，图书馆员不能只说“请准确一点”，而要把可用材料、不能越过的边界和证据标准写进去。

提示词示例｜可直接改写使用你是图书馆员的资料整理助手。请根据我提供的材料生成一份服务建议。硬性规则：1. 只能使用我提供的材料和我明确允许的公开来源；2. 不得编造馆藏地点、索书号、数据库订购状态、访问权限；3. 涉及读者个人信息、借阅记录、咨询记录时，只能做匿名化或聚合表述；4. 涉及版权、许可、合同、数据库授权边界时，不作最终判断，只列出风险点；5. 所有事实陈述必须标注来源；6. 无法确认的信息标注为“无法核实，需馆员确认”。输出格式：①可确认事实；②服务建议；③风险边界；④需馆员核查事项；⑤可直接回复读者的文字。

好的提示词，要把责任线画出来。哪些地方可以交给 AI 起草，哪些地方必须由馆员保留判断，哪些地方不能写满，都要提前说明。

规则四：让 AI 先交“路线图”，别急着要完整稿

很多图书馆工作不是“一步生成”，而是“先判断，再组织，再表达”。

比如做一个开放获取政策解读，馆员手里可能有政策文件、出版社网页、资助机构要求、学校科研管理规定。直接让 AI 写成稿，最容易出现的问题是：它会把材料揉成一篇看似完整的文章，但来源层级、政策时效和适用对象没有分清。

OpenAI 提示词指南建议，对于较长或涉及工具调用的任务，可以让模型先给出简短的前置说明，说明它接下来第一步要做什么；这适合多步骤、资料较多或需要工具参与的任务。

放到图书馆场景中，比较稳妥的做法是：先让 AI 做材料盘点和缺口识别，再让馆员决定是否进入写作。

提示词示例｜可直接改写使用请先不要写完整报告。第一步只做材料盘点。请输出三项内容：1. 材料中已经明确的事实；2. 材料中缺少但影响判断的关键信息；3. 后续可以展开的 2—3 个写作角度。每个角度请说明适合的读者对象，例如【馆领导 / 一线馆员 / 教师 / 学生 / 科研管理人员】。等我确认角度后，再进入正式写作。材料如下：【粘贴材料】。

这一步看起来慢，其实是在省时间。图书馆工作中很多返工，不是文字没写好，而是方向还没确认、材料还没核实、证据层级还没排清。

规则五：写清“什么时候停、什么时候问、什么时候交回馆员判断”

AI 可以帮馆员起草答复、整理资料、生成检索式、改写培训稿。但它不能替图书馆承担最终责任。

ARL 2024 年发布《研究型图书馆人工智能指导原则》，说明这些原则用于支持负责任的 AI 发展与部署，促进伦理和透明实践，并在研究型图书馆及研究环境中建立信任[6]。该原则文件中提出“no human, no AI”，强调在关键决策节点保持人的参与。ALA 2026 年图书馆 AI 使用指南草案也提出，AI 应补充而不是取代人的智能，需要同理心、判断和学科知识的任务，不应被 AI 自动化替代[3]。

所以，提示词里必须写清楚停止条件。

提示词示例｜可直接改写使用你是图书馆员的 AI 辅助助手，不是最终决策者。请协助起草答复，但遇到以下情况必须停止，并提示“需馆员人工判断”：1. 涉及版权许可、合理使用、数据库授权边界；2. 涉及读者个人信息、借阅记录、咨询记录；3. 涉及法律、医疗、财务等高风险建议；4. 来源之间存在冲突；5. 无法确认馆藏、数据库访问权限或政策有效期；6. 需要代表图书馆作出承诺。输出格式：①可直接回复读者的文字；②需人工核查的问题；③不建议回复的内容；④建议馆员补充询问读者的 3 个问题。

这条规则说明的是“停”和“问”的价值。证据不足时停下来，流程不完整时停下来，任务已经越过馆员专业判断边界时停下来。这样，AI 才更像一个可控的工作助手，而不是一个自动写稿机。

一个图书馆员可复制的基础提示词模板

如果把上面 5 条合在一起，可以从这个模板开始：

可复制模板｜基础提示词结构你要承担的角色：我的身份与任务场景：服务对象是：我希望得到的结果：可用材料：不能做什么：成功标准：协作方式：先给路线图 / 直接成稿 / 先问我问题最终输出应包含：停止条件：做到哪里就停，缺什么信息就问

模板不需要每次都填满，简单任务写三四项就够。真正要避免的，是把大量材料直接丢给 AI，最后反过来检查它有没有偏离目标。

回到开头那位图书馆员的问题：AI 能不能帮图书馆员减轻日常工作？可以。但前提是，馆员不能只把工作“外包”给 AI，而要把工作中的目标、证据、边界、读者对象和判断标准说清楚。

提示词写得好不好，表面看是会不会提问，深处看是图书馆员能不能把自己的专业经验，转化成一份可执行、可复核、可追责的任务说明书。

参考链接：

[1]https://developers.openai.com/api/docs/guides/prompt-guidance

[2]https://www.ala.org/acrl/standards/ilframework

[3]ttps://www.ala.org/sites/default/files/2026-04/AI%20Working%20Group%20-%20%20DRAFT%20for%20ALA%20Board%20Council%20and%20Members.pdf

[4]https://www.ala.org/advocacy/privacy/guidelines

[5]https://www.ala.org/advocacy/intfreedom/librarybill/interpretations/privacy

[6]https://www.arl.org/resources/research-libraries-guiding-principles-for-artificial-intelligence/

*本文仅作为学术分享，充分尊重版权，如有侵权，请联系本公众号，我们会及时修改与删除

ies Research是iGroup Asia Pacific的全资子公司，总部位于新加坡, 利用独创“ies Storyboard” 工具，帮助把科研成果转化为科普文摘，并利用视频或音频作为补充，最大限度的展示科学发现。帮助建立和运营Facebook、Twitter等国际社交媒体账户，利用社交媒体，在全球范围内分享科学故事，提高研究的知名度和学术参与度。

联系我们：

Email：linda@igroup.com.cn

地址：上海市斜土路2899号光启文化广场B栋601 （200030）

扫码关注IES运营的“学术猫”微信公众号

获取更多学术资讯