10｜实战：用提示词构建内容生产流水线

周一早上九点，内容运营团队的负责人打开任务看板：本周要产出3篇公众号原创文章、翻译2份英文技术白皮书、为新上线的12款产品撰写详情页文案、整理上周的产品评审会议纪要。团队一共4个人。靠纯人力，这些任务至少需要两周。但如果有一条设计良好的AI内容流水线，这些工作可以在三天内高质量完成。

一、文本摘要：不同场景需要不同粒度

摘要看似简单，但”帮我总结一下”这种提示词几乎不可能得到你真正想要的结果。不同场景对摘要的需求差异巨大——推送通知需要一句话概括，管理层汇报需要一段结构化的要点提炼，存档记录则需要保留关键细节的详细摘要。

摘要提示词的设计，核心在于定义清楚两个维度：压缩比和信息侧重。

场景1：一句话摘要——用于消息推送或标题生成

请用一句话（不超过30个字）概括以下文章的核心观点。
要求：突出最具新闻价值的信息点，使用陈述句，不要使用问句。

文章内容：
（粘贴原文）

场景2：管理层摘要——用于周报或决策汇报

请为以下技术评审报告生成一份面向管理层的摘要，300字以内。

要求：
1. 用"结论先行"的结构：先说最终结论，再说支撑依据
2. 只保留与业务决策相关的信息，过滤掉技术实现细节
3. 如果有风险项或待决策事项，用加粗标出
4. 使用非技术人员能理解的语言

报告原文：
（粘贴原文）

场景3：结构化摘要——用于知识库归档

请将以下会议记录整理为结构化摘要，使用以下固定格式：

## 会议摘要
- 会议主题：
- 时间/参与人：
- 核心议题（编号列出，每条不超过2句话）：
- 达成的决议（编号列出）：
- 待办事项（格式：[负责人] 事项内容 → 截止日期）：
- 遗留问题（如有）：

会议记录原文：
（粘贴原文）

为什么要定义固定格式？ 当你处理的是批量任务——比如每周要整理5场会议的纪要——统一的输出格式意味着后续可以自动化处理。格式固定的摘要可以被程序解析、入库、生成报表，而格式不固定的自由文本只能用人眼去读。

二、翻译场景：比”翻译成中文”复杂得多

翻译是AI最常见的使用场景之一，但多数人只会写”请翻译成中文”。实际工作中的翻译需求远比这复杂，至少可以分为三个层次。

2.1 直译：忠实原文的逐句翻译

适用于法律文件、学术论文等需要严格对应原文的场景：

请将以下英文段落翻译为中文。

翻译要求：
- 严格忠实原文，不增加、不删减、不意译
- 专业术语保留英文原文并在括号中标注，如：反向传播（Backpropagation）
- 保持原文的段落结构和编号
- 如遇到不确定的翻译，用【待确认：原文】标记

原文：
（粘贴内容）

2.2 本地化翻译：让译文”读起来像原生写的”

适用于产品文案、营销材料、用户界面等需要贴近目标读者习惯的场景：

请将以下英文产品介绍本地化为面向中国市场的中文版本。

要求：
- 不是逐字翻译，而是传达相同的信息和情感，让中文读者读起来自然流畅
- 英文中的文化特定表达要替换为中国读者熟悉的类比
  例如："as easy as pie" 不要译为"像派一样简单"，而应该用中文中对应的表达
- 数字格式本地化：日期用 YYYY年M月D日，货币用人民币估算
- 保持原文的说服力和品牌调性
- 如果原文中有不适合中国市场的内容，请标注并建议替代方案

原文：
（粘贴内容）

2.3 技术文档翻译：术语一致性是生命线

技术文档翻译最大的挑战不是语法，而是术语一致性。同一个词在不同段落被翻译成不同的中文，会让读者彻底迷糊。

请翻译以下技术文档片段。翻译时必须严格遵守下方的术语表。

术语表（英文 → 中文，不可更改）：
- Container → 容器
- Image → 镜像
- Volume → 数据卷
- Registry → 镜像仓库
- Orchestration → 编排
- Service Mesh → 服务网格
- Sidecar → 边车代理
- Rolling Update → 滚动更新

翻译规则：
1. 术语表中的词汇必须按表中的翻译，首次出现时用"中文（English）"格式
2. 术语表中没有的技术词汇，保留英文
3. 代码块、命令行、配置文件名不翻译
4. 保持原文的标题层级和列表结构

原文：
（粘贴内容）

术语表的作用就像翻译项目中的”宪法”——它高于一切翻译规则。 在处理长篇技术文档时，你可以在每次调用AI时都把术语表放在提示词开头，确保跨段落的一致性。

三、内容创作流水线：四步法

当需要产出一篇完整的长文章时，一次性让AI”写一篇3000字的文章”通常效果不佳——内容容易前后矛盾、结构松散、论述浅尝辄止。更好的做法是把创作过程拆解为流水线的四个工位。

第一步：生成大纲

我需要写一篇关于"中小企业如何低成本落地数字化转型"的公众号文章。

目标读者：年营收500万-5000万的企业老板，非技术背景
文章定位：实用指南，不是概念科普
期望长度：3000字左右

请先生成文章大纲，要求：
1. 用一个真实的企业痛点场景开篇
2. 正文分3-4个核心要点，每个要点要有实操建议
3. 每个要点下标注预计字数
4. 结尾要有可直接执行的行动清单

AI生成大纲后，你进行审阅和调整。大纲就是施工图纸——你在这个阶段修改一行字，比在成稿后修改一段话成本低十倍。

第二步：逐章扩写

请根据以下大纲的第二部分"选择高性价比的数字化工具"，扩写为完整段落。

写作要求：
- 字数：800字左右
- 每提到一类工具，给出选择标准而非具体产品名
- 用"一家服装批发商"作为贯穿案例
- 语气：像一个做过数字化转型的前辈在跟你聊天，专业但不端着
- 不要使用"赋能""抓手""底层逻辑"等互联网黑话

大纲（仅展示第二部分）：
（粘贴大纲片段）

前文（第一部分）的内容摘要：
（简述前文以保持上下文连贯）

注意这里传入了”前文摘要”——这是保持长文章上下文连贯的关键手段。每写一个章节，都把前文的要点传递给下一个章节的生成提示词。

第三步：风格统一化审查

逐章写完后，全文的风格可能有微妙的不一致。这时候需要一轮审查：

以下是一篇公众号文章的完整内容，由多次写作拼合而成。
请从以下角度进行审查和修改：

1. 人称一致性：全文应统一使用"你"而非"您"
2. 术语一致性：确保同一概念在全文中使用相同的表述
3. 段落衔接：检查各章节之间的过渡是否自然，必要时补充过渡句
4. 语气一致性：全文应保持"专业但亲切"的风格，去除过于正式或过于口语化的段落
5. 重复检测：如果不同章节有重复的观点或案例，合并或删除

请直接输出修改后的全文，并在文末列出你做了哪些修改。

第四步：生成配套的社交媒体文案

基于以下公众号文章，生成配套的社交媒体推广内容。

请分别生成：
1. 公众号文章的推送摘要（显示在消息列表中，50字以内）
2. 朋友圈转发文案（3条不同风格：数据驱动型、故事型、问题型）
3. 微博短文案（140字以内，带话题标签建议）

原文标题：中小企业如何低成本落地数字化转型
原文核心观点：（3条要点）

这四步组成了一条完整的内容生产流水线。每一步的输出是下一步的输入，就像工厂里的传送带——原材料（选题）从一端进入，成品（多平台内容包）从另一端产出。

四、数据分析辅助：让AI解读数据

AI不仅擅长文字工作，在数据解读方面同样出色。当你有一份数据表格需要分析时，可以这样构造提示词：

以下是我们电商平台最近6个月的核心经营数据：

| 月份    | GMV(万元) | 订单数  | 客单价(元) | 退货率  | 新客占比 |
|---------|----------|--------|-----------|--------|---------|
| 2025-07 | 856      | 42800  | 200       | 5.2%   | 38%     |
| 2025-08 | 923      | 43950  | 210       | 4.8%   | 35%     |
| 2025-09 | 1105     | 47000  | 235       | 6.1%   | 42%     |
| 2025-10 | 980      | 44500  | 220       | 7.3%   | 30%     |
| 2025-11 | 1520     | 60800  | 250       | 8.5%   | 45%     |
| 2025-12 | 1380     | 55200  | 250       | 9.2%   | 40%     |

请从以下角度进行分析：
1. 整体趋势判断：生意是在变好还是变差？
2. 异常值识别：哪些指标出现了异常波动？可能的原因是什么？
3. 关联分析：指标之间有什么相互关系？
4. 风险预警：有哪些值得警惕的趋势？
5. 行动建议：基于数据，给出2-3条具体的运营优化建议

请用业务语言而非统计术语来表达你的分析结论。

关键要点：给AI数据时，同时给它分析框架。 如果你只说”帮我分析这组数据”，AI可能会生成一堆正确但无用的描述性统计。通过明确分析角度，你把AI变成了一个按照你的思路工作的数据分析师。

五、多语言内容一致性

对于面向国际市场的产品，经常需要同一份内容同时产出多语言版本。直接分别翻译容易产生信息不一致，更好的做法是用结构化方式一次性处理：

请将以下产品更新公告同时翻译为英文和日文版本。

翻译要求：
1. 三个语言版本传达的核心信息必须完全一致
2. 每个语言版本都要符合目标语言的商务写作习惯
   - 中文版：简洁直接
   - 英文版：使用 Product Update 的标准格式
   - 日文版：使用敬体（です・ます体），符合日本商务文书惯例
3. 日期格式本地化：中文用 2025年1月15日，英文用 January 15, 2025，日文用 2025年1月15日
4. 输出格式：用 --- 分隔三个语言版本，每个版本前标注语言

中文原文：
（粘贴内容）

六、批量处理：设计可复用的提示词模板

当你需要对几十个甚至上百个类似内容进行相同处理时，需要把提示词设计成”模板”——固定的部分不变，变化的部分用占位符标记。

示例：批量生成产品描述

先设计模板：

你是一位资深电商文案专家。请根据以下产品信息生成商品详情页的文案。

产品信息：
- 名称：{product_name}
- 品类：{category}
- 核心卖点：{key_features}
- 目标人群：{target_audience}
- 价格区间：{price_range}

输出要求：
1. 标题：20字以内，突出核心卖点，包含品类关键词
2. 副标题：30字以内，补充差异化信息
3. 卖点列表：3-5条，每条一句话，前面用对应的emoji
4. 详细描述：150字以内，用场景化的方式描述使用体验
5. 适用人群：用"如果你是...那么这款产品适合你"的句式

语气：专业但不冰冷，有温度但不夸张，绝不使用"yyds""绝绝子"等网络用语。

然后在代码中批量调用：

from openai import OpenAI

client = OpenAI()
template = """你是一位资深电商文案专家。请根据以下产品信息生成商品详情页的文案。

产品信息：
- 名称：{product_name}
- 品类：{category}
- 核心卖点：{key_features}
- 目标人群：{target_audience}
- 价格区间：{price_range}

输出要求：
1. 标题：20字以内，突出核心卖点，包含品类关键词
2. 副标题：30字以内，补充差异化信息
3. 卖点列表：3-5条，每条一句话
4. 详细描述：150字以内，场景化描述使用体验
5. 适用人群：用"如果你是...那么这款产品适合你"的句式
"""

products = [
    {"product_name": "清风便携加湿器", "category": "小家电",
     "key_features": "超声波静音、USB充电、200ml水箱",
     "target_audience": "办公室白领", "price_range": "79-99元"},
    # ... 更多产品
]

for product in products:
    prompt = template.format(**product)
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}]
    )
    print(response.choices[0].message.content)

模板化的核心价值：一次调优，多次复用。 你只需要在第一个产品上反复调整提示词直到满意，之后所有产品都能获得一致的输出质量。

性能提示：上面的示例使用了同步的 for 循环逐个处理产品，当产品数量较多时效率较低。在生产环境中，建议使用 asyncio + AsyncOpenAI 实现并发请求，可以将批量处理的速度提升数倍。

七、质量控制：让AI自查并修改

批量生成内容时，质量波动不可避免。引入”自查”环节，让AI成为自己的质检员：

请审查你刚才生成的产品文案，按以下清单逐项检查：

1. 事实准确性：文案中的描述是否与产品信息一致？有没有"编造"功能？
2. 字数合规：标题是否在20字以内？描述是否在150字以内？
3. 禁用词检查：是否包含"最好""第一""绝对"等违反广告法的极限用语？
4. 目标人群匹配：文案的语气和用词是否适合目标人群？
5. 卖点完整性：核心卖点是否全部体现？有没有遗漏？

如果发现问题，请直接给出修改后的版本。

更进一步，你可以设计一个”双重审查”流程——用一个提示词生成内容，用另一个提示词（甚至不同的模型）审查内容。这就像工厂里的”生产线”和”质检线”分离，是保障批量内容质量的有效手段。

八、本章要点回顾

内容生产流水线的完整架构：

  输入                处理                  输出
  ┌──┐  ┌──────────────────────────┐  ┌───────┐
  │原 │→│ 摘要 → 不同粒度的提炼      │→│ 会议纪要│
  │始 │  │ 翻译 → 直译/本地化/技术    │→│ 多语版本│
  │素 │  │ 创作 → 大纲→扩写→审查→分发 │→│ 全平台包│
  │材 │  │ 分析 → 数据解读→洞察→建议  │→│ 分析报告│
  │  │  │ 批量 → 模板化→批处理→质检   │→│ 产品文案│
  └──┘  └──────────────────────────┘  └───────┘

摘要需要定义粒度：一句话、一段话、结构化，不同场景需要不同的压缩策略
翻译不等于逐字替换：直译、本地化、技术翻译是三种截然不同的任务
长文创作用流水线：大纲 → 逐章扩写 → 风格统一 → 衍生内容，四步法保证质量
数据分析要给框架：告诉AI从哪些角度分析，而不是泛泛地”分析一下”
批量处理要模板化：固定提示词结构，用占位符处理变化部分
质量靠自查闭环：让AI审查自己的输出，或者用”生产+质检”双线流程

思考与实践

选择你最近参加的一次会议，用三种不同粒度的摘要提示词分别处理会议记录，对比输出结果。哪种粒度最适合你的实际需要？
找一段英文技术文档（比如你使用的某个开源库的README），分别用”直译”和”本地化”两种提示词进行翻译。对比两个版本，思考在什么场景下你更倾向于用哪种策略。
如果你的工作中有批量内容生成的需求（产品描述、客户回复模板、周报等），尝试设计一个可复用的提示词模板，并用至少5个不同的输入测试其一致性。