简单结构化prompt实践记录

背景说明

最近半年出现很多ai平台，平时使用最多的是智谱清言，此次也是利用glm模型，通过尝试prompt来让ai完成数据提取的任务；

要做的事

将一个excel数据集中每行json数据里的userQuery的值取出来，然后再按照条件进行组装
即excel里的某列数据是一个json，json对象里有很多字段，原本需要手动去复制黏贴到某个位置，再进行二次组装成新的数据集

初步尝试的prompt：

请将Excel里的第一列中70行里的json对象里面的userQuery进行组装，
组装规律为：
[领导：王浩：]
这个规律的结果例子 ：[领导：嗯，确实非常忙碌，但这个项目延期也会造成很严重的后果，那你有什么有什么方面是我可以帮助或者支持到你的呢？王浩：老板，要不然你把这次的W项目的策划方案交给其他人做吧。领导：嗯，这个具体怎么做，我们可以之后再再具体讨论，您刚刚说到有很多事情让你忙不开身是时间分配上的一个方面，那你还有没有别的方面是可以更好的帮助到你去按时完成这样一个计划的呢？王浩：老板，我现在确实也没有什么好办法。]

首次结果：首先感觉格式不对，然后组装数据也有问题；

经过多次尝试，以下是最终的【结构化+步骤】的优化之后的prompt：

# 角色
- 请你作为数据分析师，分析excel中的数据
## 任务
- 先读取excel中的第一列，所有有json数据的行
- 取出每行json里的userQuery字段的value
- 将取出的value数据进行剔除所有 '\n' 符号
- 然后将剔除后的数据装到新的excel文件里（不包括原json）
- 所有行的数据都转换之后，提供下载这个excel

实际测试效果通过最后这种prompt，一次对话就完成了想要的效果；

效果对比

通过结构化+分步指令，ai会逐步完成指令中详细步骤来实现最终效果。
而以最开始的那种简单描述，首先ai只能完成简单任务，如果再次通过每次的上下对话让ai去做效率很低。
由此可见一个需求描述准确和步骤细化的prompt在结果上会有巨大的差异。