視頻教程地址WorkBuddy應用師認證教程02高效對話技巧0101LLM工作原理基礎-CSDN直播WorkBuddy應用師認證教程02高效對話技巧02Prompt工程基礎-CSDN直播WorkBuddy應用師認證教程02高效對話技巧03Prompt實踐-CSDN直播第 二 章 · 高 效 對 話 技 巧圍繞提問方式、文件處理、寫作生成、表格分析與聯網研究五類高頻場景把 WorkBuddy 用得更準、更快、更穩(wěn)。3節(jié)約40分鐘0個 FAQ2.1工作原理速覽看懂 LLM 怎么「想」 學 習 目 標為什么說 LLM 本質是預測下一個詞這和輸入質量有什么關系Token、上下文窗口、溫度、幻覺分別是什么三種模式底層的權限有什么差異怎么選對模式一、術語說明什么是 Prompt在你繼續(xù)往下讀之前先認識一個貫穿本章的關鍵詞。Prompt提示詞 你輸入給 AI 的那段文字。在 WorkBuddy 里就是你打在輸入框里發(fā)給 AI 的內容。說人話就是你告訴 AI 要做什么的那句話。后面的「上下文」「Token」「溫度」都是圍繞「怎么讓這句 Prompt 更精準」展開的。二、一個關鍵認知LLM 不是「理解」是「預測」大語言模型本質上做的事只有一件拿到你給的 Prompt猜接下去該輸出什么詞。你輸入「今天天氣真」 模型預測下一個 token 的概率 不錯 ████████ 38% 好 ██████ 27% 熱 ███ 14% ...這意味著你給的上下文越多、越具體 → 概率分布越集中 → 答案越精準你給的上下文越模糊 → 概率分布越發(fā)散 → 答案靠運氣用一個類比理解你說的話結果范圍效果「做個菜」中餐西餐葷素什么都可能端上來「做一道素菜」縮小到素食可能是炒青菜、涼拌黃瓜…「用青椒和土豆做家常菜微辣兩人份」精確到具體菜譜青椒土豆絲辣度和量剛好結論模糊的輸入輸出的不確定性就大——你可能運氣好撞上一個好答案但靠運氣不如靠指令。精準的輸入輸出的可控性就強。三、TokenLLM 的「最小處理單位」Token 可以理解為 AI 嚼文字的最小一口。人工智能四個字AI 不是一個個字讀的而是一兩字一口地嚼——[人工]一口[智能]一口兩口就嚼完了。不同模型的嚼法不一樣所以同樣一段文字不同模型算出來的 Token 數會有差異。通用參考規(guī)則中文約 1-2 個漢字 1 Token取決于分詞器英文約 0.75 個詞 1 Token代碼1 個符號/關鍵字可能 1 Token示例Token 拆分Token 數「人工智能」[人工] [智能]2「WorkBuddy 是 AI 助手」[Work][Bud][dy][是][AI][助手]6提 示分詞規(guī)則直接影響模型對語義的理解效果。中文因存在多音字、詞組組合特性分詞規(guī)則比英文更細致。不同模型如 BERT、GPT的分詞邏輯存在差異。為什么要關心 TokenLLM 有上下文窗口上限輸入 輸出總 Token 數有限上傳一個 50 頁 PDF 可能消耗數萬 Token → 剩下的聊天空間就少了對策文件太大時分批處理長對話太久時開新會話四、上下文窗口與記憶機制LLM 的「短期記憶」LLM 沒有真正「記住」歷史對話而是把整個對話歷史一直帶在上下文窗口里。但 WorkBuddy 有額外的記憶系統(tǒng)來增強長期記憶能力。一上下文窗口短期記憶第 1 輪[用戶: 我是某公司 HR] → LLM 看到 1 條 第 5 輪[用戶:...] [AI:...] × 5 → LLM 看到全部 5 輪 第 N 輪窗口塞滿 → 最早的信息被截斷我是 HR可能已看不見上下文窗口的限制窗口大小有限各模型的上下文窗口上限不同主流模型通常為數十萬 Token 級別部分模型支持百萬級超長上下文窗口塞滿后最早的信息會被截斷超長對話會導致早期關鍵信息被稀釋二WorkBuddy 記憶系統(tǒng)長期記憶記憶管理界面WorkBuddy 有三層記憶架構讓 AI 真正「記住」你記憶層級存儲位置作用域內容類型云端記憶服務端跨設備用戶畫像、歷史對話索引本地記憶用戶主目錄下的配置文件夾跨項目長期偏好設置、使用習慣、工具使用記錄工作空間記憶當前項目的工作區(qū)目錄內當前項目每日工作日志、項目筆記提 示記憶功能默認開啟系統(tǒng)每晚自動整理當日會話從對話中提取事實信息、偏好習慣、人物關系等形成「記憶數據」。后續(xù)對話時會將相關記憶作為背景信息注入。對策新任務 → 開新會話重置窗口關鍵信息 → 通過「設置 → 記憶」管理或對話中直接告訴 WorkBuddy「記住 XX」長期使用 → 善用記憶系統(tǒng)讓 WorkBuddy 越來越懂你五、溫度控制 LLM 的「創(chuàng)造力」同一個 Prompt兩次可能得到不同答案。這是溫度參數在起作用——這是 LLM 的通用機制非 WorkBuddy 特有。溫度值效果比喻低穩(wěn)定、保守、可預測照本宣科的公務員中平衡創(chuàng)造性和可靠性經驗豐富的職場人高多變、有創(chuàng)意、不可控天馬行空的藝術家提 示Ask 模式默認中等溫度Craft 模式執(zhí)行關鍵操作時可能自動降溫度以減少出錯。你通過「正式/簡潔/友好」等語氣指令實質也是在間接影響輸出的隨機性。六、幻覺LLM 為什么會「一本正經地胡說」幻覺Hallucination LLM 編造了看起來合理但實際不存在的信息。類型示例原因事實性幻覺編造一篇不存在的論文引用概率預測碰到訓練數據空白最可能的詞恰好是假的邏輯性幻覺「123 × 456 54321」LLM 不是計算器在「猜」而不是「算」來源性幻覺給出打不開的鏈接學了域名模式不驗證鏈接是否真實存在對策聯網搜索后必須點擊鏈接驗證關鍵數據多來源交叉確認不確定時追問「來源是什么」七、三種模式背后的本質三種工作模式的底層差異從架構視角看在于權限級別和執(zhí)行邏輯模式權限級別執(zhí)行邏輯Ask只讀不操作文件單次推理無工具調用Plan只讀 → 用戶確認后解鎖寫入五階段工作流見下方詳解Craft全權限可讀寫文件Agent 自主循環(huán)迭代Plan 模式的五階段工作流Plan 模式的核心是將「規(guī)劃」作為一等公民解決傳統(tǒng) AI 直接執(zhí)行導致的偏差和返工問題需求澄清AI 通過 1-2 輪關鍵問題對齊需求邊界技術棧、功能范圍、項目約束等方案生成基于確認的需求生成完整方案需求分析、技術方案、視覺設計、任務清單編輯確認用戶可調整方案執(zhí)行前糾偏避免后期重構方案執(zhí)行按任務清單逐步執(zhí)行實時反饋進度支持暫停調整方案歸檔自動保存為 Markdown 文件到項目的計劃文件夾中可作為項目知識庫復用提 示架構級改動用 Plan先規(guī)劃后執(zhí)行細節(jié)級調整用 Craft快速響應。兩者可靈活切換并非互斥關系。模糊 vs 精準三組對比模糊指令精準指令差距在哪「幫我寫周報」「我是銷售部員工本周完成3個客戶拜訪1個簽約(50萬)。按『本周產出/數據/下周計劃』三部分寫。」缺角色、缺數據、缺格式「分析這個數據」「附件是Q1-Q3銷售數據分析各月趨勢、環(huán)比增長率、TOP3產品輸出表格2條建議?！谷狈秶?、缺維度、缺輸出要求「做個 PPT」「把這份 Word 大綱轉成 PPT藍色商務風格每頁不超過5個要點加公司 Logo?！谷彼夭?、缺風格、缺約束 本 節(jié) 總 結核心要點回顧LLM 本質是預測下一個詞 → 輸入越精準輸出越可控Token 有限、上下文有窗口 → 文件大了分批聊多了開新會話溫度控制創(chuàng)造力幻覺需要驗證 → 關鍵信息必須核實來源Ask 只答、Plan 先審、Craft 直接干 → 底層是權限開關的區(qū)別選對事半功倍實戰(zhàn)挑戰(zhàn)5 分鐘挑一條你最近發(fā)給 AI 的模糊指令按「角色 背景 任務 格式」補全成精準指令重新發(fā)一次對比兩次輸出差在哪里。2.2Prompt 心法從會說人話到會問 AI 學 習 目 標Prompt 的結構是什么怎么快速構建高質量提問怎么通過追問逐步逼近最佳答案怎么控制 AI 的輸出語氣讓它符合場景需求一、Prompt 結構角色 背景 任務 格式一個高效的 Prompt 應包含四個要素。結構化的指令能讓 AI 更精準地理解你的需求顯著提升輸出質量。要素含義作用重要性角色你是誰在什么崗位/場景下讓 AI 代入你的視角輸出更貼合高背景相關限制條件和上下文信息讓 AI 理解具體情況避免泛泛而答高任務你想要 AI 做什么指令明確任務方向這是最關鍵的一步高格式希望得到什么形式的輸出控制輸出結構便于直接使用中示例撰寫會議紀要角色我是產品部項目助理背景今天下午 2 點開了產品評審會參會人員包括產品部張經理、研發(fā)部李工、測試部王工任務整理成會議紀要重點記錄討論要點和決議事項格式按「會議基本信息→討論要點→決議事項→待辦跟進」結構輸出每個部分用 bullet point組合后「我是產品部項目助理。今天下午 2 點開了產品評審會參會人員包括產品部張經理、研發(fā)部李工、測試部王工討論了 3 個需求的優(yōu)先級排序。請幫我整理成會議紀要按『會議基本信息→討論要點→決議事項→待辦跟進』的結構輸出每個部分用 bullet point。」二、Prompt 優(yōu)化三階段優(yōu)化 Prompt 分三步走階段操作說明示例第一階段搭骨架明確角色 背景 任務 格式保證 AI 理解不跑偏「我是 HR需要一份新員工入職培訓計劃按周輸出用表格呈現?！沟诙A段加約束補充字數、風格、禁止事項、輸出要求縮小 AI 的發(fā)揮空間提升精準度「... 500 字以內正式語氣不包含薪酬具體數字?！沟谌A段給范例提供一個參考樣本或輸出模板AI 模仿效果通常比描述更精準「... 參考這個格式第 1 周入職手續(xù)事項 A/B/C」三、追問五種策略追問是提升 AI 輸出質量最有效的手段以下五種策略最常用策略適用場景追問示例效果要求細化回答太籠統(tǒng)、缺細節(jié)「第 2 點能否展開給出具體執(zhí)行步驟」補充細節(jié)和實操指引換個角度需要多視角、評估風險「如果預算砍半方案怎么調整」獲得備選方案和風險評估請求舉例理論太多、不好落地「用我們行業(yè)的實際業(yè)務場景舉個例子。」理論落地更易執(zhí)行質疑驗證需要判斷可靠性、查漏「這個方法有什么潛在風險」發(fā)現盲點完善方案格式轉換需要不同輸出形式「把剛才的內容整理成表格/PPT 大綱。」直接產出可用格式提 示對話太長時開新窗口。AI 的上下文窗口有限制對話越長早期信息可能被截斷。適時開新會話重置窗口。但別忘了 WorkBuddy 的記憶系統(tǒng)可以跨會話保留你的偏好和習慣。追問實戰(zhàn)四輪對話步步逼近以制定季度工作計劃為例輪次提問效果第 1 輪「我是市場部經理需要制定 Q4 工作計劃團隊 5 人重點在品牌推廣和活動策劃。」得到框架方案第 2 輪「第 2 點品牌推廣細化到具體平臺和月度節(jié)奏?！寡a充執(zhí)行細節(jié)第 3 輪「如果其中 1 人臨時支持其他項目人員如何調整」增加風險預案第 4 輪「整理成可直接向總監(jiān)匯報的 PPT 大綱每頁用 bullet point?！垢袷铰涞厮?、語氣控制給 AI 注入「人設」同一件事語氣不同效果完全不同。語氣指令是控制 AI 輸出風格最直接的手段。語氣類型適用對象指令關鍵詞示例場景正式商務客戶、領導、合作伙伴「用正式、專業(yè)的語氣」給客戶的方案郵件友好親切同事、團隊內部「用輕松、友好的語氣」團隊通知、內部溝通簡潔直接緊急事務、快速同步「用簡潔、直接的語言」項目進度同步、問題反饋委婉禮貌拒絕請求、提出建議「用委婉、禮貌的方式」拒絕需求、提出改進建議同一件事四種語氣對比通知團隊周末支持項目簡潔直接「各位本周六需支持 XX 項目上線請?zhí)崆鞍才艜r間?！褂押糜H切「Hi 團隊這周六咱們一起保障 XX 項目上線辛苦大家中午訂餐晚上慶功」正式商務「各位同事茲通知本周六需全員支持 XX 項目上線請?zhí)崆皡f調個人安排并確認到崗時間?！刮穸Y貌「不好意思周末打擾大家XX 項目上線在即需要各位支持。周六方便到崗的同事請回復確認辛苦了?！固?示語氣指令可以疊加。例如「用正式但不過于刻板的語氣」或「用簡潔但直接且不冒犯的語氣」能更精準地控制輸出風格。 本 節(jié) 總 結核心要點回顧Prompt 結構角色 背景 任務 格式 → 結構化指令讓 AI 精準理解三分法優(yōu)化路徑搭骨架明確指令→ 加約束縮小發(fā)揮空間→ 給范例提升模仿效果追問策略細化、換角度、要舉例、質疑驗證、格式轉換 → 迭代逼近最佳答案語氣控制正式商務 / 友好親切 / 簡潔直接 / 委婉禮貌 → 一句話切換輸出風格提 示新任務先開新會話長對話定期提醒 AI 關鍵信息日常工作中養(yǎng)成記錄習慣方便周末匯總時快速生成周報。核心技法速查技法一句話使用時機角色扮演「你是一名資深 XX 專家」需要專業(yè)視角時蘇格拉底追問不停追問「為什么」層層深入分析復雜問題根因預演失敗「如果這個方案失敗了最可能的原因是什么」方案評審、風險評估漸進提煉先出框架 → 逐步細化每個模塊復雜方案寫作反向提示「不要寫成 XX 風格」「避免使用 XX 詞匯」控制輸出方向跨領域創(chuàng)新「用 XX 行業(yè)的思路解決 YY 問題」創(chuàng)意策劃提 示所謂激勵式表達會影響 AI 的措辭選擇和分析深度。雖然 AI 沒有情緒但給高質量要求的暗示如請深思熟慮后給出專業(yè)建議能提升輸出質量。五個必須避開的坑坑表現正確做法坑1指望一次成功寫一個長 Prompt 等完美答案先用短 Prompt 跑出框架再追問迭代坑2盲目信任直接使用未核實的搜索結果關鍵數據點擊原鏈確認多方交叉驗證坑3模式選錯用 Ask 模式要求 AI 生成文件需要操作文件時切 Craft 或 Plan坑4上下文超載一個會話聊幾十輪不換新任務開新會話長任務定期提醒關鍵信息坑5指令太抽象「幫我做得好一點」「更專業(yè)些」給具體標準「控制在 200 字」「用表格呈現」實戰(zhàn)挑戰(zhàn)5 分鐘選一段你常用的提問套用「搭骨架 → 加約束 → 給范例」三步優(yōu)化一遍再追問一輪看看輸出質量提升了多少。2.3場景實戰(zhàn)高頻工作示例 學 習 目 標四個典型場景文檔處理、內容寫作、數據分析、聯網搜索各自怎么套公式寫指令怎么把學到的 Prompt 心法舉一反三用到更多場景為什么搜索后要驗證怎么驗證一、文檔處理上傳文件后用自然語言告訴 AI 要做什么。以下場景覆蓋多個行業(yè)崗位場景崗位指令示例合同審閱法務「上傳這份采購合同提取甲乙雙方權利義務標注不對稱條款和潛在風險」簡歷篩選HR「上傳這 20 份簡歷 PDF提取每人的工作經驗年限和核心技能按崗位匹配度排序」財報分析財務「上傳這份年度財務報表分析毛利率變化趨勢列出同比變動超 10% 的項目」論文精讀教師/研究員「用 500 字總結這篇論文的創(chuàng)新點和實驗結論指出研究局限性」完整案例上傳一份技術方案 PDF輸入「總結核心架構、主要功能和實施計劃列出 3 個風險點」查看結果追問「把實施計劃細化到月加甘特圖」二、內容寫作寫作指令公式文檔類型 目的 關鍵信息 語氣要求 篇幅約束場景崗位指令示例招聘 JDHR「幫我寫一份高級 Java 工程師的招聘 JD要求 5 年以上經驗熟悉微服務架構附福利說明500 字語氣專業(yè)但不刻板」活動方案市場/運營「寫一份 Q3 線上線下聯動推廣方案預算 20 萬目標拉新 5 萬包含渠道策略和時間排期表」公文通知行政/政府「起草一份關于公司年度消防演練的通知時間下周三下午 3 點全員參與語氣正式規(guī)范」客戶郵件銷售「幫我寫一封給客戶的跟進郵件對方上次看了報價后 7 天未回復語氣委婉不超過 200 字」年終總結管理層「我是區(qū)域銷售總監(jiān)幫我寫年度工作總結包含業(yè)績回顧、團隊建設、市場分析和明年規(guī)劃四大板塊」三、數據分析上傳 Excel / CSV 文件后按「數據范圍 分析目標 輸出要求」的結構下指令場景崗位指令寫法費用分析財務「分析各部門 Q1 差旅費對比預算偏差率標出超預算 20% 以上的部門輸出預警表格」考勤統(tǒng)計HR「統(tǒng)計 3 月全勤人數、遲到次數分布和加班 TOP10生成帶圖表的數據簡報」業(yè)績分析銷售「按區(qū)域分組統(tǒng)計季度銷售額計算環(huán)比增長率用柱狀圖對比標注 TOP3 和末 3 位」用戶分析運營「分析用戶注冊數據按渠道拆解轉化率找出轉化最高的 3 個渠道并給優(yōu)化建議」完整鏈路上傳數據文件確保第一行是表頭輸入分析指令 → AI 處理10-30 秒查看結果 → 如需調整追問「換成餅圖」「按區(qū)域再分一組」?jié)M意后下載圖表和報告四、聯網搜索指令公式搜索主題 信息范圍 時間限定 輸出格式場景崗位指令要點供應鏈調研采購/制造業(yè)「搜索 2026 年芯片供應鏈的產能狀況和主要供應商整理成評估報告標注來源」政策研究法務/政府事務「搜索 2025-2026 年數據安全相關法規(guī)更新按時間線整理標注影響范圍和合規(guī)建議」行業(yè)分析金融/投資「搜索 2026 年 AI 醫(yī)療行業(yè)的融資事件、頭部公司和市場規(guī)模整理成結構化報告」競品調研產品/戰(zhàn)略「搜索主要競品近 3 個月的功能更新和定價變化按時間倒序整理成對比表格」三步閉環(huán)搜 → 驗 → 整搜明確要求聯網搜索給出時間范圍和信息維度驗點擊來源鏈接確認信息準確多個來源交叉驗證整要求 AI 按指定格式整理表格 / 報告 / PPT 大綱標注每條來源提 示AI 可能給出不存在的鏈接發(fā)布前務必點擊驗證。關鍵數據建議多方交叉確認。 本 節(jié) 總 結核心要點回顧四個典型場景各有指令公式文檔上傳指令、寫作類型目的信息語氣、數據范圍目標輸出、搜索主題時間格式這套思路可遷移到更多場景搜 → 驗 → 整三步閉環(huán)聯網搜索必須核實來源追問迭代 語氣控制比一次寫長 Prompt 更高效實戰(zhàn)挑戰(zhàn)5 分鐘從文檔、寫作、數據、搜索四類場景中挑一個你本周真實的任務套用對應的指令公式寫一條 Prompt 并執(zhí)行記錄哪里還需要追問補充。本章總結小節(jié)要點2.1 工作原理速覽看懂 LLM 怎么「想」——它基于概率續(xù)寫、有上下文窗口與知識邊界理解機制才能用好它2.2 Prompt 心法從「會說人話」到「會問 AI」——用 Prompt 四要素把需求說清楚讓 AI 一次到位2.3 場景實戰(zhàn)文檔、寫作、數據、搜索四類高頻場景各套一個指令公式快速上手本章你已經看懂了 LLM 怎么「想」、學會用 Prompt 四要素套場景公式下一章我們用「讀·寫·析」三個完整工作流帶你沉浸式實戰(zhàn)——每個工作流都是這里公式的組合應用。