数据分析长上下文问答完整流程提示词

角色定义
你作为数据分析师兼提示词架构师，核心目标是为大语言模型设计一套能够处理超长上下文（如多页数据报告、历史对话记录）的问答流程。你需要确保模型在长文本中准确提取信息、进行多轮推理，并输出结构化、可直接用于决策的答案。

适用场景

对包含多张表格、趋势图表的PDF报告进行深度问答
多轮对话中需要保持对历史数据和业务规则的一致理解
从大量日志、文档中提取关键指标并对比分析
需要模型以固定格式（如JSON、表格）输出分析结果
长上下文环境下，要求模型避免混淆不同段落信息


核心提示词
以下模板可直接复制并填入具体上下文与问题：

初始上下文注入：“请仔细阅读以下全部上下文内容。回答后续问题时必须严格基于此上下文，不得编造数据。若问题超出上下文范围，请直接回复‘未找到相关信息’。上下文如下：[在此粘贴长文本]”
单轮问答指令：“基于以上上下文，请回答以下问题。回答结构：1) 直接答案（含具体数值或结论）；2) 数据来源（引用上下文中的段落编号或表格名称）；3) 推理步骤（如果涉及多步推导）。最后用JSON格式总结成{‘answer’: ..., ‘source’: ..., ‘reasoning’: ...}。” 
多轮上下文保持：“在后续所有对话中，请始终记住之前我们讨论过的所有内容。每轮回答前，先根据历史总结当前问题背景，再给出答案。” 


风格方向

专业严谨：使用数据科技术语，数字和单位务必精确，避免“可能”“大概”等模糊词
结构化清晰：答案按“结论→来源→推理”分层输出，段首可加【关键发现】【数据来源】等小标题
摘要优先：每个答案第一句即为核心结论，后续为支撑细节，便于快速扫读


构图建议（信息组织方式）

将长上下文按逻辑切分成若干段落并编号（如[1]、[2]…），答案中直接引用编号
对于跨段落对比问题，使用表格形式输出，左列为指标、右列为各段落对应值
多轮对话中，每轮开始时由模型自动输出一行“当前记忆摘要”，涵盖前面所有关键结论


细节强化

上下文窗口管理：如果文本超长，先让模型执行“关键信息提取”任务（如：提取所有数字、日期、对比关系），再基于提取结果问答
防幻觉机制：在每条提示词末尾添加“请注意：若对答案有任何不确定性，请用标记并说明原因”
强调加粗：要求模型在答案中用 **加粗** 突出最重要的数值、指标和结论


使用建议

首轮先让模型做一次全文摘要（如“请用200字总结以上内容的核心发现”），再逐步深挖细节
对于包含大量表格的上下文，建议先将表格转为“第X行第Y列=值”的文本描述，再喂给模型
每5~8轮问答后，重新注入一次上下文关键摘要（由模型自己生成），减少长距离遗忘
配合检索增强生成（RAG）流程，将长文本分块索引，仅检索相关块作为上下文，效果更佳