从零开始：行业专家的 Prompt 与 Rubrics 写作实战指南

Thu, 22 Oct 2026 00:00:00 +0000

📑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）

Rubrics on 我的个人日记本

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

怎么问"比"问什么"更重要

一个真实的对比

行业专家的独特优势

第一部分：Prompt 写作五步法

R：给 AI 一个角色

T：把任务说具体

C：提供充分的上下文

O：明确输出格式

F：给示例和约束

第二部分：实战演练——三个行业案例

案例一：医疗领域

案例二：法律领域

案例三：教育领域

第三部分：什么是 Rubrics，为什么需要它

定义

为什么行业专家必须学写 Rubrics

第四部分：Rubrics 的结构与写法

Rubrics 的三个核心要素

一个完整的 Rubrics 示例

写好描述符的三个原则

第五部分：写 Rubrics 的五步流程

Step 1：明确评估目标

Step 2：拆解评估维度

Step 3：定义等级数量

Step 4：撰写描述符

Step 5：校准与迭代

第六部分：Prompt + Rubrics 的配合工作流

把 Rubrics 反哺给 Prompt

用 Rubrics 做批量评估

附录一：Prompt 万能模板

附录二：Rubrics 模板

附录三：Prompt 自检清单

附录四：Rubrics 自检清单