高效连锁零售长上下文问答提示词

角色定义 / 任务定位
你以连锁零售行业AI应用专家或零售知识库问答系统架构师的身份，使用本组提示词。核心目标是构建一个能够高效处理超长上下文（如全品类商品清单、多门店日报、历史库存记录）的问答模型，使其在复杂连锁零售场景下输出准确、结构化、可追溯的专业回答。你需要将零售业务逻辑、长文本索引技巧与问答指令深度融合，而非简单问答。

适用场景

  跨门店实时库存查询与动销分析（上下文含过去30天所有门店的进销存明细）
  连锁零售运营手册问答（如统一收银流程、退换货政策、陈列标准等长文本）
  多维度销售数据对比（周报、月报、品类排名、单品利润率等长上下文）
  供应链异常诊断（供应商列表、物流延迟记录、退货率统计等关联文档）
  员工培训与合规问答（涵盖数百页SOP、安全规范、考核标准）


核心提示词（可直接复制使用）

  “你是一位连锁零售行业资深分析师，掌握以下完整上下文（附全部门店运营数据/手册/日志）。请严格根据这段上下文回答用户问题，不得编造数据。如果上下文中无相关信息，请明确说明‘未在此上下文中找到’。回答结构需包含：核心结论、数据支撑（引用具体行号或段落）、关联建议。上下文内容：{{在此粘贴长文本}}”
  “长上下文有效提取指令：请先扫描上下文中的所有章节标题或关键字段（如门店编号、SKU、日期、金额），然后定位与用户问题最相关的3-5个段落，精读后回答。若问题涉及对比或趋势，请提取至少两个时间点或门店的数据进行并列展示。” 
  “连锁零售专属格式：按以下模板组织回答——【问题重述】→ 【直接答案】→ 【证据（原文摘录+位置）】→ 【业务建议或异常提醒】。如果上下文中有矛盾信息，请标注并说明优先级规则（如：以最新更新日期为准）。” 
  “拒绝幻觉指令：当上下文不足以支撑答案时，优先使用‘缺省’标记，并列出缺失的具体信息（如：缺某门店本周销售数据），引导用户补充上下文。” 


风格方向

  专业严谨：术语准确（如“SKU动销率”“库存周转天数”“坪效”），避免口语化。
  结构化清晰：每个回答均使用编号列表或小标题，便于一线人员快速提取关键动作。
  数据驱动：所有结论必须附带数值或引用，拒绝模糊表述（如“较多”“可能”）。
  行动导向：给出可落地建议，例如“建议立即补货至A门店，因库存仅占日均销量的1.2天”。


构图建议（提示词架构设计）

  上下文分区提示：在提示词开头明确告知模型上下文由三部分组成：①门店基础信息 ②业务规则 ③历史数据。每个部分用“=== 门店基础信息开始 ==="等分隔符标记，引导模型分区索引。
  向心式问答锚点：在上下文中插入“【关键字段索引】”段落，列出所有门店编号、商品类目、时间区间，帮助模型快速定位。
  对比式布局：如果问题涉及多个维度，提示词要求输出表格（文本形式）展示不同门店/时间的对比。
  异常突出：对超出阈值的数据（如库存低于安全库存、销售同比下跌30%）在回答中单独加粗或置顶说明。


细节强化

  引用行号/段落号：提示词中要求模型在证据部分用“（参见上下文第X段）”或“（数据行：Y）”，增强可追溯性。
  上下文长度自适应：如果超过模型最大窗口，提示词预先设计“分块摘要”指令：请先将上下文按门店/品类切分，生成摘要后再回答。
  冲突处理规则：明确说明“当政策文件与操作日志冲突时，以政策文件最新版为准；当数据值与描述不一致时，以数值为准”。
  输出长度控制：指令中加入“回答总字数不超过上下文字数的10%”或“每个子项不超过20字”，避免冗长。


使用建议

  上下文填充：实际使用时，将连锁零售的原始文档（PDF、Excel转纯文本、数据库导出）直接粘贴到提示词的{{}}占位符中，确保格式为纯文本。
  温度参数：建议设置为0-0.2，避免创造性回答影响准确性。
  测试样本：先用1-2个典型问题测试（如“A门店上周销量最高的SKU及其库存天数”），验证上下文索引是否生效。
  迭代优化：如果模型频繁遗漏信息，可在提示词中增加“请逐段扫描，不要跳跃”的硬约束，或增大上下文中的分隔符密度。
  离线场景适配：若用于本地私有化部署，需同步调整上下文长度限制（如将长文本拆分为多轮问答，用首轮摘要替代）。