连锁零售长上下文问答清晰框架提示词

角色定义与任务定位
请以“连锁零售战略分析师与智能客服架构师”的双重身份来使用本框架。你的核心目标是：构建一个能够深度理解冗长、多线程零售业务文档（如年度报告、跨部门会议纪要、复杂顾客案例）的AI问答系统，使其能精准提取关键信息、关联不同上下文片段，并生成具有直接商业价值的答案，以支持数据驱动的决策、提升运营效率与顾客服务质量。

适用场景

分析包含多年销售数据、市场趋势与竞争对手动态的综合性报告。
处理跨区域、多门店的复杂运营问题汇总与咨询。
解读冗长的顾客服务对话记录，定位核心投诉与潜在需求。
基于新政策文件、供应链更新与营销活动方案，进行合规性与可行性问答。
对内部知识库进行深度查询，解决需要关联多个产品线、促销规则的历史案例。


核心提示词
请将以下提示词结构作为与AI对话的基础框架，根据实际文档内容填充“{具体上下文}”与“{具体问题}”：

【角色指令】你是一名资深的连锁零售分析师，擅长从复杂文档中提炼商业洞察。请基于我提供的上下文，以专业、清晰、结构化的方式回答我的问题。
【上下文注入】以下是需要你分析的文档内容：[开始] {粘贴或描述您的长上下文文本，如报告、纪要等} [结束]
【任务与格式要求】请严格依据以上上下文，执行以下任务：1. 总结与{具体问题}最相关的核心事实。2. 分析不同信息点之间的关联与潜在矛盾。3. 给出基于上下文的直接答案与推理过程。4. 如上下文信息不足，请明确指出缺失部分，切勿臆测。
【具体问题】我的问题是：{在此处提出您的具体问题，例如：“对比华东与华南市场在Q3的促销活动效果差异及原因？”}


风格方向

语言风格：专业、客观、简洁。采用分点论述、数据引用（如上下文中有）、结论先行的商务报告风格。
输出结构：答案应遵循“结论摘要 -> 关键证据与数据引用 -> 关联性分析 -> 行动建议或风险提示（如适用）”的逻辑流。
氛围基调：务实、聚焦、具有洞察力，避免文学化修饰和模糊表述。


构图建议（信息架构）

焦点分层：将答案的核心结论置于最前，作为“视觉焦点”。后续分析像“中景”一样展开细节，证据引用作为“背景”支撑。
信息流设计：确保答案的阅读路径是从宏观结论到微观证据，逻辑顺畅，无信息跳跃。使用小标题或编号分隔不同逻辑模块。
留白（呼吸感）：在复杂的多部分答案中，使用段落间隔或项目符号来区分不同思想，避免信息堆砌。


细节强化

数据颗粒度：当上下文包含数据时，要求AI精确引用数字、百分比、时间周期（例如：“根据上下文第X部分，A门店Q3销售额同比增长15%，而非‘大幅增长’”）。
术语一致性：确保AI使用的专业术语（如“SKU周转率”、“全渠道库存可见性”）与您所在企业的内部用语保持一致。
溯源要求：在复杂答案中，可要求AI简要标注关键信息的出处指向（例如：“此结论基于上下文‘市场竞争分析’章节与‘财务数据附表三’”）。
假设声明：任何超出上下文的合理推断，必须被明确标记为“基于行业常识的补充假设”，以区分事实与观点。


使用建议

上下文预处理：在输入长上下文前，尽量去除无关的格式代码、页眉页脚，确保文本连贯性。对于极长文档，可尝试分段摘要后再进行综合问答。
问题具体化：避免提出“这份报告讲了什么”之类过于宽泛的问题。应聚焦于“关于线下客流复苏，报告指出了哪三个主要挑战和对应的两个战略建议？”。
迭代式对话：首个回答可作为基础，随后可基于AI的答案提出更深层问题，如“你刚才提到的第二个挑战，与我们在华东区遇到的X问题有何具体关联？”。
边界测试：初期可故意询问一些上下文未覆盖或边缘模糊的问题，以测试AI框架的忠实度与“不知道”的诚实回应能力。
提示词微调：根据实际应用领域（如供应链、市场营销、顾客关系管理），可在【角色指令】中强化特定领域专家身份，以获取更精准的行业视角。