AI应用技术方案写作清晰框架提示词

角色定义与任务定位
以AI产品经理或技术方案主笔的身份，围绕“AI应用技术方案”这一主题，生成一份结构清晰、逻辑严谨、可直接用于汇报或评审的书面方案。目标是让读者（如决策者、技术团队、客户）在3分钟内理解方案的核心架构、技术路线与实施价值。你的产出应当具备标准技术文档的理性感，同时保留AI应用场景的创新表达。

适用场景

企业内部AI项目立项书或可行性分析报告撰写
面向客户或投资人的技术方案提案（如智能客服、AI中台等）
技术评审会或方案比选场景下的结构化文档生成
AI产品经理整理技术方案框架时的模板化提示词输入


核心提示词

方案定位：请以“解决[具体问题]的AI应用技术方案”为主线，明确方案背景、目标用户与预期收益。
技术架构：按“数据层 → 模型层 → 应用层”分层描述，每层标注关键组件（如数据清洗管道、微调框架、API接口）。
实施路径：分阶段列出里程碑（POC验证 → 灰度上线 → 全量部署），每阶段包含资源投入、风险预案与评估指标。
核心痛点对应：针对每项技术选择（如RAG vs 微调），说明为何在业务场景下最优，而非泛泛罗列。
交付物清单：明确方案交付产物（系统架构图、API文档、测试报告、运维手册等）。


风格方向

专业严谨：使用“数据预处理模块”“推理延迟优化策略”等术语，避免营销式夸张表述。
流程可视：善用“输入→处理→输出”逻辑链，必要时注明关键算法或框架名称（如LangChain、RAGFlow）。
结果导向：每个技术点后紧跟业务价值说明，如“采用量化部署可使单次推理成本降低60%”。


构图建议

信息层级采用“总-分-总”结构：先给出一句话核心结论，再分模块展开，最后以风险与收益表收束。
段落粒度控制在3-5行/段，技术细节用缩进列表呈现，避免大段连续文字。
重要数据或对比（如不同方案的延迟/成本对比）建议使用表格形式（在提示词中可描述为“请生成一个两列对比表”）。


细节强化

数据维度：注明数据来源、标注方式、隐私合规措施（如脱敏规则）。
模型选择：说明选型依据（参数量、推理速度、开源协议），并附带小规模评测结果或竞品对比。
部署边界：明确运行环境要求（GPU型号、显存需求、并发数上限）与运维监控指标（响应时间、错误率阈值）。
成本估算：给出推理成本/百万Token、存储成本/GB/月、人力成本/人月等可量化数字。


使用建议

将本提示词作为模板输入到GPT-4 / Claude / 文心一言等大模型中，先填充“方案定位”部分的业务背景，再逐层要求生成各模块。
每次生成后手动替换示例数据（如具体成本数字、技术框架名称）以贴近真实项目。
若用于竞标或汇报，可在风格方向中追加“语气自信但克制，避免使用‘可能’‘大概’等模糊词”。