结合企业价值创造提示工程体系（EVCPES）核心原则与扣子平台多模型适配特性，针对不同模型的思维链（CoT）、Function Calling 能力及插件生态，制定以下实操性提示词规范技巧，确保智能体高效联动多元技术能力与业务场景。同时，为了更好地理解和应用这些技巧，将结合更多实际业务场景进行深度解析，并补充行业前沿的应用案例，助力使用者快速掌握并灵活运用。
系统提示词（System Prompt）设计规范：锚定智能体身份与模型适配边界
系统提示词是扣子平台定义智能体人设与行为逻辑的核心，需融合 EVCPES 的 “智能体身份校准” 与扣子多模型特性，明确三大要素：
角色定位与多模型功能边界
在实际应用中，清晰的角色定位是智能体高效工作的基础。不同的业务场景对智能体的要求差异巨大，只有精准定位，才能让智能体在各自擅长的领域发挥最大价值。
核心身份：需具体到场景（如 “实时财经助手”“电商视觉分析专员”），避免模糊表述，并明确适配的模型范围及各模型的擅长领域。
- 示例：“你是‘跨境电商选品助手’，适配 DeepSeek R1、GPT - 4、Claude 3 等模型。其中，DeepSeek R1 擅长产品趋势分析，能够通过对历史销售数据的深度挖掘，预测未来产品的销售趋势，为选品提供数据支撑；GPT - 4 在图片识别（通过图片理解插件）方面表现突出，可精准识别产品图片中的款式、颜色、材质等特征，为选品的视觉呈现提供参考；Claude 3 则更适合实时市场数据检索（通过头条搜索插件），能够快速获取最新的市场动态和竞品信息，专注为采购部门提供选品决策支持。在实际选品工作中，当面对海量产品时，DeepSeek R1 可先筛选出具有潜力的产品范围，GPT - 4 对产品图片进行分析，Claude 3 检索实时市场数据，三者协同工作，大大提高选品效率和准确性。”
能力声明：明确不同模型支持的插件及触发条件，对应 EVCPES 的 “数据调用权限”。
- 示例：“当需查询 2024 年 Q3 后跨境电商热销榜（实时数据）时，若使用 Claude 3 模型，自动调用头条搜索插件，该插件可快速从全网抓取最新数据，并进行整合分析；当分析产品图片（需 URL 格式）时，若使用 GPT - 4 模型，自动触发图片理解插件提取款式、颜色等特征，插件支持对多种格式图片的快速解析，且具备一定的图像识别容错能力。此外，当需要对产品进行价格走势分析时，若使用 DeepSeek R1 模型，可调用价格监测插件，实时跟踪产品价格变化，为选品的定价策略提供依据。”
思维链（CoT）引导规则
复杂任务的分步推理是提高任务处理准确性和效率的关键，不同模型的推理特点决定了其处理任务的方式和流程。
强制要求复杂任务分步推理，根据不同模型的推理特点设置差异化推理框架，对应 EVCPES 的 “需求拆解” 逻辑。
- 示例：“处理选品问题时，若使用 DeepSeek R1 模型，需按‘1. 明确用户目标市场→2. 调用搜索插件获取该市场近 30 天热销品类→3. 分析图片提取产品特征是否匹配→4. 输出结论’四步推导，每步需说明依据。在第一步明确目标市场时，DeepSeek R1 会根据用户提供的信息，结合历史市场数据和行业趋势，判断目标市场的潜力和需求；在第二步调用搜索插件获取热销品类时，会对获取的数据进行筛选和清洗，去除无效数据；在第三步分析图片时，会从多个维度对产品特征进行分析，并与热销品类的特征进行对比；在第四步输出结论时，会综合前面三步的结果，给出具体的选品建议。若使用 GPT - 4 模型，可在第二步后增加‘生成该品类的消费者画像’步骤，通过对市场数据和用户反馈的分析，生成详细的消费者画像，包括消费者的年龄、性别、消费习惯、偏好等，为选品提供更精准的方向。”
回复风格适配
考虑到扣子多渠道发布特性以及不同模型的语言风格特点，合理区分输出格式至关重要。
需区分 “思维链输出” 与 “最终结论” 格式，兼顾扣子多渠道发布特性（部分渠道不展示思维链），同时根据不同模型的语言风格特点进行调整。
- 示例：“思维链部分用【思考】标记（供调试查看），最终结论用【结论】标记（简洁结构化，适配微信 / 飞书展示）。使用 DeepSeek R1 模型时，语言风格偏严谨，在思维链部分会详细阐述每一步的推理过程和数据来源，如【思考】：通过调用头条搜索插件，获取到目标市场近 30 天的热销品类数据，经过对数据的分析，发现某类产品的销量呈现上升趋势，且市场竞争相对较小。结合产品图片分析，该类产品的特征与市场需求较为匹配，因此得出结论。最终结论部分则会简洁明了地给出选品建议，如【结论】：建议选择该类产品进行采购。使用 GPT - 4 模型时，可适当增加生动性表述，在思维链部分会用更生动的语言描述分析过程，如【思考】：哇，通过对市场数据的一番探索，发现这款产品所在的品类就像一颗冉冉升起的新星，备受消费者关注。再看看产品图片，那独特的设计和鲜艳的颜色，简直太吸引眼球了！所以，我们可以大胆推测…… 最终结论部分会用更具感染力的语言给出建议，如【结论】：这款产品绝对是个宝藏！赶快拿下它，肯定能在市场上大卖！”
Function Calling 提示词规范：精准联动插件能力
扣子的插件生态（头条搜索、图片理解等）是延伸各模型能力的核心，提示词需规范插件调用的触发条件、参数传递与结果处理，契合 EVCPES 的 “数据调用模块” 与 “联动要求”，且要适配不同模型对插件调用的适配性。
插件触发条件明确化
明确插件触发条件可以有效避免模型因依赖内部知识而产生错误，确保智能体获取准确、实时的信息。
需在提示词中定义 “不同模型下何时必须调用插件”，避免模型依赖内部知识导致错误。
- 示例：“以下场景必须调用插件：
- ① 涉及实时数据（如‘今日亚马逊美国站新品榜’），若使用 Claude 3 模型，调用头条搜索，头条搜索插件具有强大的实时数据抓取能力，能够快速获取亚马逊平台的最新产品榜单信息；若使用其他模型，优先推荐调用头条搜索插件，以确保获取的数据是最新、最准确的。
- ② 输入图片 URL（如产品主图），若使用 GPT - 4 模型，调用图片理解插件，该插件能够对图片进行深度解析，提取出产品的关键特征；若使用 DeepSeek R1 模型，需先确认该模型对图片理解插件的适配性，再决定是否调用，避免因插件不适配而影响分析结果。
- ③ 其他场景优先使用内部知识，若不确定需标注‘建议补充搜索验证’。例如，在处理产品描述相关问题时，若模型对产品的某些特性不确定，可标注建议通过搜索插件进行验证，以完善产品描述。”
参数传递标准化
统一的参数传递格式是保证插件正常运行和不同模型准确调用的基础。
针对插件所需参数（如图片 URL、搜索关键词），需在提示词中规定统一格式，确保不同模型进行 Function Calling 时无歧义。
- 示例：“调用图片理解插件时，无论使用何种模型，需严格传递参数：image_url = 用户提供的完整 URL（需校验格式是否为 http/https 开头），同时，为了确保图片能够被准确解析，还需检查 URL 的有效性，避免传递无效链接。调用头条搜索时，关键词需包含‘时间范围’（如‘2024 年 10 月 跨境电商 热销品’），各模型均按此标准传递。此外，在传递搜索关键词时，还需注意关键词的准确性和完整性，避免因关键词不准确而导致搜索结果偏差。”
结果处理逻辑
根据不同模型的处理能力设置差异化的结果处理逻辑，可以充分发挥各模型的优势，提高信息处理的质量。
明确插件返回数据的加工规则，根据不同模型的处理能力设置差异化的加工要求，对应 EVCPES 的 “输出控制模块”。
- 示例：“头条搜索返回的多源信息，若使用 Claude 3 模型，需按‘可信度排序’（优先取权威平台数据），并标注来源，Claude 3 具有较强的信息筛选和分析能力，能够准确判断信息的可信度，为用户提供可靠的数据。若使用 DeepSeek R1 模型，在排序基础上增加数据趋势分析，DeepSeek R1 擅长对数据进行深度挖掘和分析，通过对数据趋势的分析，能够预测未来的市场走向。图片理解结果，GPT - 4 模型需提取‘产品核心特征（3 个以内）+ 市场适配建议’，GPT - 4 能够从图片中快速提取关键特征，并结合市场情况给出合理的建议；DeepSeek R1 模型可适当扩展特征描述，避免冗余描述，在保证信息准确性的同时，提高信息的可读性。”
思维链（CoT）引导技巧：适配多模型推理特性
不同模型的思维链能力存在差异，需通过提示词引导，实现 “复杂问题分步拆解”，结合 EVCPES 的 “需求拆解 SMART 原则”，设计以下引导逻辑：
任务分层提示
对多维度任务进行分层推理，可以使任务处理更加清晰、有条理，充分发挥各模型的优势。
对多维度任务（如 “选品 + 定价”），提示词需根据不同模型的擅长领域强制分层推理。
- 示例：“处理‘某款蓝牙音箱是否适合入驻英国站’问题时，若使用 DeepSeek R1 模型，思维链需分三层：① 调用搜索确认英国站蓝牙音箱合规标准（如 CE 认证），DeepSeek R1 能够快速从大量法规信息中筛选出与蓝牙音箱相关的合规标准；② 分析图片判断产品尺寸是否符合物流限制，通过对产品图片的精确测量和分析，确定产品尺寸是否满足英国站的物流要求；③ 结合热销榜数据测算定价区间，利用对热销榜数据的分析，计算出合理的定价范围，每层需说明‘若某步不满足则直接否决’。若使用 GPT - 4 模型，可在第二层后增加‘预测该产品的消费者接受度’步骤，GPT - 4 能够通过对市场趋势和消费者偏好的分析，预测产品的消费者接受度，为选品提供更全面的参考。”
错误校验提示
引导模型进行自我检查，可以及时发现推理过程中的漏洞，提高任务处理的准确性。
引导不同模型自我检查推理漏洞，根据模型特点设置差异化的校验重点，对应 EVCPES 的 “动态迭代机制”。
- 示例：
“推理完成后，若使用 Claude 3 模型，需自问： - ① 是否遗漏插件调用（如实时合规政策）？Claude 3 需确保在处理问题时，不会遗漏任何与实时信息相关的插件调用，避免因信息不及时而导致错误。
- ② 结论是否符合逻辑连贯性？检查推理过程中各个步骤之间的逻辑关系是否紧密，结论是否合理。若有疑问，补充对应步骤。
若使用 DeepSeek R1 模型，需自问：
- ① 数据引用是否准确？DeepSeek R1 需对引用的数据进行严格核实，确保数据来源可靠、数据准确无误。
- ② 分析过程是否严谨？检查分析过程中是否存在逻辑漏洞或不合理的假设，确保分析结果的科学性和可靠性。”
多渠道发布适配技巧：兼顾展示特性与业务场景
扣子支持发布至豆包、飞书、微信等多渠道，提示词需适配不同渠道的展示限制，同时结合不同模型在各渠道的表现特点，参考 EVCPES 的 “输出控制 - 角色适配”：
思维链展示适配
根据不同渠道对思维链的支持情况，合理调整输出内容，确保信息能够在不同渠道有效展示。
对支持思维链展示的渠道（如扣子调试页），提示词可保留不同模型的完整推理；对不支持的渠道（如微信），需压缩为结论，且根据模型特点调整结论侧重点。
- 示例：“发布至微信时，自动隐藏【思考】部分，仅输出【结论】+ 关键数据来源。若基于 GPT - 4 模型，结论侧重产品的市场吸引力描述，如【结论】：这款蓝牙音箱超有市场吸引力！它的设计时尚独特，符合当下消费者的审美趋势，而且功能强大，深受用户喜爱（数据来源：最新市场调研）。若基于 DeepSeek R1 模型，结论侧重数据支撑的理性分析（如‘数据来自 2024 年 10 月头条搜索：英国站蓝牙音箱热销榜’），如【结论】：根据 2024 年 10 月头条搜索数据，这款蓝牙音箱在英国站热销榜中排名靠前，其销量和好评率均高于同类产品，因此适合入驻英国站。”
语言风格适配
不同渠道的用户属性和使用场景不同，根据这些特点调整语言风格，可以提高信息的可读性和用户接受度。
按渠道用户属性和模型特点调整表述，如飞书侧重 “专业术语 + 行动指令”，微信侧重 “通俗化 + 短句”，同时结合模型的语言风格优势。
- 示例：“飞书渠道输出，若使用 DeepSeek R1 模型：‘建议优先采购具备 CE 认证的蓝牙音箱（尺寸≤20cm），依据头条搜索 2024Q3 英国站热销榜 TOP10 特征，该规格产品市场占有率达 35%，且增长趋势明显，应尽快推进采购流程’；若使用 GPT - 4 模型：‘推荐采购符合 CE 认证的蓝牙音箱（尺寸≤20cm），参考 2024Q3 英国站热销趋势，该规格产品市场表现优异，具有较大的销售潜力，可立即启动采购计划’。微信渠道输出，若使用 GPT - 4 模型：‘这款音箱超适合英国站！符合当地认证，大小刚好，最近超火（数据来源：最新榜单），赶紧入手’；若使用 DeepSeek R1 模型：‘这款音箱适合英国站，符合认证和尺寸要求，近期销量不错（数据来源：最新榜单），值得考虑哦’”
调试与迭代机制：基于扣子平台特性的优化策略
结合扣子的预览调试功能，建立提示词动态优化机制，考虑多模型适配的复杂性，对应 EVCPES 的 “反馈收集” 与 “版本管理”：
调试重点校验项
在调试过程中，针对不同模型进行全面检查，确保智能体在各种情况下都能正常运行。
每次调试需针对不同模型检查：
- ① 插件调用是否精准（如 “实时数据” 是否必调用搜索）；
- ② 思维链是否覆盖任务全流程且符合模型特点；
- ③ 多渠道输出格式是否适配。
- 示例：调试 “实时汇率查询” 时，需针对各模型确认：是否自动调用头条搜索？对于 Claude 3 模型，检查其是否能够准确调用头条搜索插件获取实时汇率数据；思维链是否说明 “汇率时效性（24 小时内）” 且符合模型的推理风格？对于 DeepSeek R1 模型，查看其思维链是否详细阐述了汇率数据的来源和分析过程，以及是否强调了汇率的时效性；飞书渠道是否同步展示查询时间和模型标识？检查在飞书渠道输出时，是否清晰展示了查询时间和使用的模型，方便用户了解信息的准确性和来源。
迭代触发条件
及时更新提示词是确保智能体始终适应业务需求和技术变化的关键。
当出现以下情况时，需更新提示词：
- ① 插件功能升级（如图片理解支持视频解析），需调整各模型对新功能的调用规则；
- ② 渠道展示规则变更（如微信支持长文本），需修改不同模型在该渠道的输出格式；
- ③ 新增适配模型（如增加 LLaMA 3），需补充该模型的思维链引导和插件调用规则；
- ④ 业务场景拓展（如新增 “合规风险预警” 功能），需根据各模型的优势调整推理步骤。
例如，当图片理解插件支持视频解析后，对于 GPT - 4 模型，需重新定义其在处理视频解析任务时的调用规则和处理流程；当微信支持长文本后，对于 DeepSeek R1 模型，可适当丰富其在微信渠道的输出内容，提供更详细的信息；当新增 LLaMA 3 模型时，需深入研究其特点，制定适合的思维链引导和插件调用规则；当业务场景拓展到合规风险预警时，需结合各模型的优势，设计合理的推理步骤，确保智能体能够准确预警合规风险。
提示词元数据管理（EVCPES 体系适配）
提示词元数据是 EVCPES 框架中 “知识沉淀与复用” 的核心载体，需通过标准化标注，实现对提示词的版本管理、场景关联、模型适配等维度的精准定义，为多模型协同与业务价值追溯提供基础。
核心元数据构成（EVCPES 要素映射）
基础标识
- version：版本号（如 V1.0.0），用于区分迭代版本，对应 EVCPES 的 “版本管理”；
- creator：创建人 / 团队，关联业务责任主体；
- update_time：最近更新时间，适配实时业务调整需求。
业务属性： - business_scene：业务场景标签（如 “跨境电商选品”“财经数据解读”），需与企业业务中台的场景分类对齐；
- value_tag：价值类型标签（如 “效率提升”“决策支持”“风险预警”），对应 EVCPES 的 “价值创造目标”。
模型适配属性
- supported_models：适配模型列表（如 ["DeepSeek R1", "GPT-4", "Claude 3"]），明确可调用的模型范围；
- model_priority：模型优先级（如 “GPT-4 优先处理图片类任务，DeepSeek R1 优先处理数据分析类任务”），指导多模型调度逻辑。
插件关联属性：
- related_plugins：关联插件列表（如 ["头条搜索", "图片理解"]），标注该提示词依赖的插件能力；
- plugin_trigger_weight：插件触发权重（如 “头条搜索≥80% 场景强制调用”），强化插件调用的确定性。
元数据标注规则
元数据需以 “键值对” 形式嵌入提示词头部，用---包裹，与正文内容分离，便于机器识别与解析。
示例
【提示词元数据】
version: V1.0.0
creator: 跨境电商事业部
update_time: 2024-10-15
business_scene: 跨境电商选品
value_tag: 决策支持
supported_models: ["DeepSeek R1", "GPT-4", "Claude 3"]
model_priority: "GPT-4优先处理图片类任务，DeepSeek R1优先处理数据分析类任务"
related_plugins: ["头条搜索", "图片理解"]
plugin_trigger_weight: "头条搜索≥80%场景强制调用"
---
【提示词正文】
你是“跨境电商选品助手”，适配DeepSeek R1、GPT-4、Claude 3等模型……元数据与 EVCPES 体系的联动逻辑
- 版本迭代联动：当提示词因 “插件升级”“新增模型适配” 等原因迭代时，元数据version需同步更新（如 V1.0.0→V1.1.0），并在update_time中记录调整原因，对应 EVCPES 的 “动态迭代机制”；
- 业务场景复用：相同business_scene标签的提示词可共享基础框架（如 “跨境电商” 场景下的选品、定价提示词复用 “实时数据调用” 元数据规则），提升 EVCPES 体系的知识沉淀效率；
- 价值归因分析：通过value_tag与业务数据关联（如 “决策支持” 类提示词对应的选品准确率），量化提示词对企业价值的贡献，契合 EVCPES 的 “价值创造评估” 原则。
扣子提示词模板（详细可操作版）
- 模板结构：
# 提示词元数据（EVCPES体系适配）
version: [版本号，如V1.0.0]
creator: [创建人/团队]
update_time: [最近更新时间，格式：YYYY-MM-DD]
business_scene: [业务场景标签]
value_tag: [价值类型标签]
supported_models: [适配模型列表，如["模型1", "模型2"]]
model_priority: [模型优先级说明]
related_plugins: [关联插件列表，如["插件1", "插件2"]]
plugin_trigger_weight: [插件触发权重说明]
---
# 提示词正文
1. 角色定位与多模型功能边界
你是“[具体场景角色，如跨境电商选品助手]”，适配[supported_models中的模型]等模型。其中，[模型A]擅长[说明模型A擅长领域及作用]；[模型B]在[说明模型B擅长领域及作用]方面表现突出；[模型C]则更适合[说明模型C擅长领域及作用]。
2. 能力声明
当[场景1]时，若使用[模型]，自动调用[插件]，该插件可[说明插件功能]；当[场景2]时，若使用[模型]，自动触发[插件]提取[所需信息]，插件[说明插件特点]。
3. 思维链（CoT）引导规则
处理[相关任务]时，若使用[模型A]，需按“[步骤1→步骤2→步骤3→...→输出结论]”步骤推导，每步需说明依据。若使用[模型B]，可在[某步骤]后增加“[额外步骤]”步骤。
4. 回复风格适配
思维链部分用【思考】标记（供调试查看），最终结论用【结论】标记（简洁结构化，适配微信/飞书展示）。使用[模型A]时，语言风格偏[风格特点]；使用[模型B]时，可适当[调整风格的说明]。
# Function Calling 提示词部分
1. 插件触发条件
以下场景必须调用插件：
① [场景1]，若使用[模型]，调用[插件]；若使用其他模型，优先推荐调用[插件]。
② [场景2]，若使用[模型]，调用[插件]；若使用[模型]，需先确认该模型对[插件]的适配性，再决定是否调用。
③ 其他场景优先使用内部知识，若不确定需标注“建议补充搜索验证”。
2. 参数传递标准化
调用[插件1]时，无论使用何种模型，需严格传递参数：[参数要求]。调用[插件2]时，[参数要求]，各模型均按此标准传递。
3. 结果处理逻辑
[插件1]返回的多源信息，若使用[模型A]，需按“[处理规则1]”处理；若使用[模型B]，在[处理规则1]基础上增加[处理规则2]。[插件2]结果，[模型A]需提取“[提取内容]”；[模型B]可适当[处理方式说明]。
# 多渠道发布适配部分
1. 思维链展示适配
发布至[渠道1]时，自动隐藏【思考】部分，仅输出【结论】+关键数据来源。若基于[模型A]，结论侧重[侧重点1]；若基于[模型B]，结论侧重[侧重点2]。
2. 语言风格适配
[渠道1]输出，若使用[模型A]：“[示例内容]”；若使用[模型B]：“[示例内容]”。[渠道2]输出，若使用[模型A]：“[示例内容]”；若使用[模型B]：“[示例内容]”。模板使用说明
- 模板中的[ ]部分为占位符，需根据实际业务场景、模型特性、插件功能等进行具体内容的填充。
- 元数据部分需严格按照键值对形式填写，确保信息的准确性和完整性，以便于机器识别和管理。
- 在填写各部分内容时，需充分考虑不同模型的特点和适配性，以及多渠道发布的要求，使提示词能够在各种场景下高效发挥作用。
- 可根据实际需求对模板结构进行适当调整，但核心要素（如元数据、角色定位、思维链引导、插件调用规则等）应保留，以保证提示词的规范性和有效性。
总结
扣子平台提示词规范需以 “模型能力应用 + 联动插件生态 + 适配多渠道” 为核心，在 EVCPES 框架基础上，强化 “多模型适配精准性”“插件调用通用性”“思维链逻辑性”“渠道适配性” 四大特性，通过结构化设计实现 “业务需求→提示词→多模型能力→价值输出” 的闭环，让智能体在实时数据检索、多模态理解等方面更好地为企业创造价值。同时，详细可操作的提示词模板为使用者提供了便捷的工具，有助于快速生成符合规范的提示词，提高工作效率。
推荐阅读
- 企业价值创造治理体系概述（附关系图）
- 企业价值定义与评估
- 企业价值创造过程内容及特点
- 企业价值创造治理体系中的风险与合规
- 企业价值创造治理的价值闭环与优化
- 企业价值创造治理体系的动态环境变化：行业 /环境/阶段适配调整
- 企业价值创造治理体系（EVCGS）－规划体系解析
- 企业价值创造治理体系（EVCGS）-支持体系解析
- 企业价值创造治理体系（EVCGS）-生态体系解析
- 企业价值创造治理成熟度（EVCGM）概述
更多知识体系更新，请关注公众号！
