从零开始：行业专家的 Prompt 与 Rubrics 写作实战指南
📑从零开始：行业专家的 Prompt 与 Rubrics 写作实战指南 培训目标：让从未给 AI 出过题的行业专家，在 90 分钟内掌握两件事——①写出一个清晰、可执行、结果可控的 Prompt；②为 AI 产出物编写一套可量化、可复用的 Rubrics 评分标准。 适用对象：各领域行业专家、业务负责人、内容审核者，无任何 AI 使用经验要求。 怎么问"比"问什么"更重要 引言，agent可以阅读分析资料，调用工具，专业分析，给出各种格式的方案，这种综合能力致使它不仅能完成简单问答，还可以处理复杂的工作任务 那怎么给agent指令完成一个复杂的任务呢？ 一个真实的对比 同样是让 AI 写一份"用户反馈分析报告"，两种问法得到的结果天差地别： 维度 ❌ 模糊问法 ✅ 精准问法 Prompt “帮我分析一下这些用户反馈” “你是一位资深用户研究专家。请分析附件中 200 条用户反馈，按问题类型分为 5 类，每类给出：①出现次数与占比；②3 条典型原文引用；③优先级建议（高/中/低）及理由。输出为 Markdown 表格，总字数不超过 800 字。” AI 可能的输出 一段笼统的总结，分类随意，没有数据支撑，格式不可控 结构化表格，分类清晰，有数据有引用，可直接用于汇报 返工次数 通常需要 3-5 轮修改 1 轮即可达标，微调即可使用 核心认知：AI 不是"读心术"，它是一个"严格执行指令的执行者"。你给的信息越完整、边界越清晰，它的输出就越接近你的预期。Prompt 写得好，不是文采好，而是指令清晰（任务明确）、上下文充分、标准明确。 行业专家的独特优势 很多专家觉得"我不会用 AI"，其实恰恰相反——你们是最适合写 Prompt 的人，因为： 大模型只是个智力很高的“学生”，他聪明但缺少经验，像一位初出茅庐的大学生，各位专家就是他的带教老师 你知道什么是"好"：领域内的质量标准、常见坑、判断依据，都在你脑子里 你有真实素材：历史案例、典型问题、行业术语，这些是 AI 最缺的上下文 你能判断结果：AI 输出好不好，你一眼就能看出来——这正是写 Rubrics 的基础 本次培训要做的，就是把你脑子里的"隐性标准"变成 AI 能理解的"显性指令"。 第一部分：Prompt 写作五步法 我们推荐一个简单好记的框架——R-T-C-O-F，每个字母代表一个要素。不是每个 Prompt 都需要全部五个要素，但越复杂的任务，越应该逐项检查。 字母 要素 回答什么问题 示例 R Role 角色 你希望 AI 以什么身份、什么专业水平来回答？ “你是一位有 10 年经验的儿科医生” T Task 任务 具体要做什么？动作要明确，不要用"处理一下"“看看"这种模糊词 “请将以下病历摘要按 ICD-10 标准编码” C Context 上下文 背景信息、素材、约束条件、受众是谁？ “患者为 5 岁女童，既往无过敏史，家长文化程度高中” O Output 输出格式 要什么格式？多长？什么结构？ “输出为 JSON，包含 code、description、confidence 三个字段” F Few-shot / Constraints 示例与约束 给 1-2 个输入输出样例，或明确禁止什么、必须遵守什么 “示例：输入’急性扁桃体炎’→输出 J03.90。禁止给出治疗建议。” R：给 AI 一个角色 角色设定能显著提升输出的专业度和语气准确度。技巧： 角色 + 经验 + 专长：不要只说"你是医生”，要说"你是一位有 15 年临床经验的心血管内科主任医师" 角色要与任务匹配：写法律文书就设定律师，做财务分析就设定注册会计师 可以设定"视角"：比如"请站在消费者角度评审这个产品文案" 注意：角色设定不是万能的。如果任务本身描述不清，再好的角色也救不回来。角色是"锦上添花"，任务清晰才是"雪中送炭"。 T：把任务说具体 这是最容易出问题的环节。对比以下表述： ❌ 模糊任务 ✅ 具体任务 “帮我看看这份合同” “请审查这份合同中的付款条款，找出所有对甲方不利的表述，并给出修改建议” “整理一下这些数据” “请将这份销售数据按月汇总，计算同比增长率，找出增长率超过 30% 的月份并标注原因” “写个方案” “请写一份面向中小企业的 SaaS 产品冷启动方案，包含 3 个获客渠道、每个渠道的预算和预期 ROI” 判断标准：如果一个刚入行的同事看到你的任务描述，知道第一步该做什么、最终交付什么，那这个任务描述就是合格的。 C：提供充分的上下文 AI 不知道你的业务背景、历史决策、团队偏好。你需要主动告诉它： 背景信息：这个任务为什么做？之前做过什么尝试？ 目标受众：输出是给谁看的？他们的专业水平如何？ 素材附件：相关文档、数据、案例——直接贴进去或上传附件 约束条件：预算限制、时间要求、合规要求、不能碰的红线 O：明确输出格式 不要让 AI “自由发挥"格式。明确指定： 结构：分几部分？每部分叫什么？ 格式：Markdown 表格 / JSON / 列表 / 段落 / PPT 大纲 长度：字数限制、条目数量限制 语言风格：正式 / 口语化 / 学术 / 面向小白 F：给示例和约束 **Few-shot（少样本示例）**是提升准确率最有效的手段之一。给 1-2 个"输入→输出"的样例，AI 就能精准捕捉你的期望。 **约束（Constraints）**明确告诉 AI"不要做什么”，比只说"要做什么"更能避免跑偏： “不要使用专业术语，面向初中文化程度读者” “不要编造数据，所有数字必须来自附件” “不要给出法律意见，仅做条款梳理” 第二部分：实战演练——三个行业案例 案例一：医疗领域 初级版 Prompt “帮我总结一下这篇医学论文” 进阶版 Prompt “你是一位循证医学专家。请总结附件中的随机对照试验论文，输出以下结构：①研究问题（1 句话）；②样本量与干预措施；③主要终点及结果（含 P 值）；④局限性；⑤对临床实践的启示（不超过 2 条）。总字数 500 字以内，使用中文，避免过度解读。” 案例二：法律领域 初级版 Prompt “帮我看看这份合同有没有问题” 进阶版 Prompt “你是一位资深公司法务。请审查附件中的采购合同，重点关注：①付款条件与违约责任是否对等；②知识产权归属条款；③保密条款的期限和范围；④争议解决方式。对每个问题输出：风险等级（高/中/低）、原文引用、修改建议。不要给出最终法律意见，仅做风险提示。” 案例三：教育领域 初级版 Prompt “帮我出一套数学题” 进阶版 Prompt “你是一位有 10 年经验的初中数学教研员。请为初二学生出 10 道一元二次方程应用题，难度分布：3 道基础、5 道中等、2 道拓展。每道题包含：题干、详细解题步骤、答案、涉及知识点标签。题目情境贴近生活（购物、运动、旅行），避免使用’甲乙两人’这种模板化表述。输出为 Markdown，题目和答案分开。” 练习：现在请用 R-T-C-O-F 框架，把你日常工作中最常做的一件事，改写成一个合格的 Prompt。给大家 5 分钟时间，写完后两两互相点评。 第三部分：什么是 Rubrics，为什么需要它 定义 **Rubrics（评分量规/评分标准）**是一套结构化的评估工具，它把"好"这个模糊的感觉，拆解成若干个可观察、可衡量的维度，并为每个维度定义不同等级的具体表现。 简单说：Prompt 是"告诉 AI 怎么做"，Rubrics 是"告诉所有人（包括 AI）怎么判断做得好不好"。 为什么行业专家必须学写 Rubrics 痛点 Rubrics 如何解决 AI 输出质量不稳定，时好时坏 用统一标准评估，好在哪里、差在哪里一目了然 多人审核时标准不一致，A 觉得好 B 觉得差 统一评估维度和等级描述，减少主观分歧 想让 AI 自我改进，但不知道怎么给反馈 把 Rubrics 喂给 AI，让它按标准自评、自动迭代 批量产出时无法快速筛选合格/不合格 用 Rubrics 做自动化初筛，人工只看边界案例 新人上手慢，不知道"好"的标准是什么 Rubrics 本身就是最好的培训材料 第四部分：Rubrics 的结构与写法 Rubrics 的三个核心要素 评估维度（Dimensions）：从哪几个角度评估？通常 3-6 个 等级（Levels）：分几个档次？通常 3-4 级（如优秀/合格/不合格，或 4/3/2/1 分） 描述符（Descriptors）：每个维度在每个等级上的具体表现是什么——必须是可观察的行为，不是形容词 一个完整的 Rubrics 示例 以下是"AI 生成用户反馈分析报告"的 Rubrics： 评估维度 优秀（4 分） 合格（3 分） 不合格（1-2 分） 分类准确性 分类逻辑清晰，每条反馈都能归入对应类别，无遗漏无重复，类别命名专业 分类基本合理，少量反馈归类存疑，类别命名可理解 分类混乱，大量反馈无法归类，或类别之间高度重叠 数据完整性 每类都有准确的数量和占比，数据与原始反馈可核对，无编造 有数量统计但占比缺失或计算有误，数据基本可追溯 无数据支撑，或出现原始反馈中不存在的数字 典型引用 每类精选 2-3 条最具代表性的原文，引用准确无误 有引用但代表性一般，或引用有少量删减失真 无引用，或引用与类别无关 优先级建议 优先级判断有明确依据（频率+影响面），建议可执行 有优先级但理由不充分，或建议较笼统 无优先级，或优先级明显不合理 格式规范 严格遵循要求的表格格式，排版整洁，无多余内容 格式基本符合要求，有少量偏差 格式完全不符合要求，或输出大量无关内容 写好描述符的三个原则 原则一：用可观察的行为，不用形容词 ❌ 错误：“内容质量高” / “分析深入” ✅ 正确：“每个结论都有至少 2 条原始数据支撑” / “识别出了 3 个以上原始数据中未直接说明的关联” 原则二：等级之间有明确的递进差异 不要写"优秀=很好，合格=较好，不合格=不好"——这等于没说。每个等级应该对应具体的行为差异，比如"有 3 个例子"vs"有 1 个例子"vs"没有例子"。 原则三：维度之间不重叠 如果"准确性"和"质量"两个维度评估的是同一件事，就合并。每个维度应该评估一个独立的方面，总分才有意义。 第五部分：写 Rubrics 的五步流程 Step 1：明确评估目标 先回答三个问题： 这个产出物是给谁用的？（受众） 用它来做什么决策？（用途） 什么情况下这个产出物是"完全不能用"的？（红线） Step 2：拆解评估维度 从"一个好的产出物应该具备什么"出发， brainstorm 所有可能的维度，然后合并同类项，保留 3-6 个最关键的。 常用维度参考： 维度类别 具体维度示例 内容质量 准确性、完整性、深度、相关性、原创性 结构与逻辑 条理清晰、论证充分、过渡自然、结构完整 表达与格式 语言流畅、术语准确、格式规范、字数合规 实用性 可操作性、可落地性、对目标受众的适配度 合规与安全 无敏感内容、数据来源可追溯、符合行业规范 Step 3：定义等级数量 通常 3-4 级足够： 3 级：优秀 / 合格 / 不合格——最简单，适合快速筛选 4 级：优秀 / 良好 / 合格 / 不合格——区分度更高，适合需要精细评分的场景 5 级：不推荐，中间等级容易模糊，评估者难以区分"3 分"和"4 分" Step 4：撰写描述符 从最高等级开始写——“最好的表现是什么样？“然后逐级降低。每个描述符问自己：**“我能通过看产出物直接判断它是否达到这个描述吗？”**如果不能，说明描述太模糊，需要改得更具体。 Step 5：校准与迭代 写好第一版后，用 3-5 个真实样本测试： 你自己用 Rubrics 打分，记录每个维度的得分理由 找另一位同事用同一套 Rubrics 打分，不看你的结果 对比两份打分，差异大的维度说明描述符不够清晰，需要修改 迭代 2-3 轮后，Rubrics 就基本稳定了 第六部分：Prompt + Rubrics 的配合工作流 掌握了 Prompt 和 Rubrics 之后，它们可以形成一个闭环： 把 Rubrics 反哺给 Prompt 一个高级技巧：把你写好的 Rubrics 直接放进 Prompt 里，让 AI 在生成时就"按标准自我要求”。 示例：在 Prompt 末尾加上—— “生成完成后，请按以下标准自评并输出得分：①分类准确性（4 分制）；②数据完整性；③典型引用质量；④优先级建议合理性。如果某项低于 3 分，请自动修改后再输出最终版本。” 这样做的好处是：AI 会在输出前自我检查，显著减少低级错误，你只需要做最终确认。 用 Rubrics 做批量评估 当你需要评估大量 AI 产出物时（比如 100 篇生成文案），可以： 把 Rubrics 写成一个独立的评估 Prompt 让 AI 逐篇按 Rubrics 打分并给出理由 快速筛选出总分低于阈值的产出物 人工只复核边界案例和高分样本 这能把审核效率提升 5-10 倍，同时保持标准一致。 附录一：Prompt 万能模板 你是一位【角色：经验+领域+职称】。 请帮我【具体任务：动作+对象+预期结果】。 背景信息： - 【为什么做这件事】 - 【目标受众是谁，他们的专业水平】 - 【相关素材/数据/案例，可粘贴或上传附件】 - 【约束条件：预算、时间、合规要求等】 输出要求： - 格式：【Markdown 表格 / JSON / 分点列表 / 段落】 - 结构：【第一部分…第二部分…】 - 长度：【不超过 X 字 / 至少 X 条】 - 语言风格：【正式 / 口语化 / 学术 / 面向小白】 示例（可选）： 输入：【样例输入】 输出：【样例输出】 注意事项： - 【必须遵守的规则】 - 【禁止做的事情】 附录二：Rubrics 模板 评估对象：【什么产出物】 评估目的：【用来做什么决策】 等级设置：【优秀/良好/合格/不合格，对应 4/3/2/1 分】 | 评估维度 | 权重 | 优秀（4分） | 良好（3分） | 合格（2分） | 不合格（1分） | |---------|------|------------|------------|------------|--------------| | 维度1 | % | | | | | | 维度2 | % | | | | | | 维度3 | % | | | | | | 维度4 | % | | | | | 一票否决项（出现即不合格）： - 【红线1】 - 【红线2】 附录三：Prompt 自检清单 发送 Prompt 前，逐项检查： 角色是否明确？（经验、领域、职称） 任务是否具体？（有明确动词，不是"处理一下”） 上下文是否充分？（背景、受众、素材、约束） 输出格式是否指定？（结构、格式、长度、风格） 是否有示例或约束？（至少给 1 个"不要做什么"） 如果是新人看到这个 Prompt，知道第一步做什么吗？ 附录四：Rubrics 自检清单 评估维度是否在 3-6 个之间？ 维度之间是否不重叠？ 每个描述符是否描述了可观察的行为，而非形容词？ 等级之间是否有明确的递进差异？ 是否有一票否决的红线项？ 是否用真实样本做过至少一轮校准？ 课后作业：选择你日常工作中一个高频任务，①用 R-T-C-O-F 框架写一个 Prompt；②为这个任务的产出物写一套 Rubrics（3-4 个维度，3 级评分）。下次培训时带来分享，我们一起迭代优化。 （注：部分内容由豆包工作 AI 生成）