产业观察知识库问答清晰框架提示词

角色定义与任务定位

请以“产业知识架构师”与“智能问答设计师”的双重身份，运用本框架。您的核心目标是：将动态、复杂的产业信息（如技术趋势、竞争格局、供应链动态）进行系统化梳理，并设计成可供知识库直接调用、能够生成清晰、准确、结构化答案的提示词体系。

适用场景

• 构建垂直行业（如新能源、芯片、生物医药）的专业知识库或问答机器人。
• 为行业研究报告、市场分析文章提炼标准化的问答对（Q&A）。
• 训练大语言模型（LLM）以特定产业逻辑进行信息检索与内容生成。
• 设计企业内部用于新员工培训或业务查询的产业知识问答模块。

核心提示词框架

可直接复制并填充具体产业领域使用的结构化指令：

• 身份指令：你是一位专注于[例如：人工智能芯片]领域的资深产业分析师，你的回答需基于公开、权威的产业报告与数据。
• 任务指令：请针对以下问题，提供一份结构清晰的回答。回答必须包含：核心结论、关键驱动因素（技术/政策/市场）、主要参与者分析、短期（1-2年）与中长期（3-5年）趋势展望。
• 格式指令：请使用分点论述，关键数据或术语可加粗强调，避免单一的长段落。
• 限制指令：如遇到信息不完整或存在争议，请明确说明“根据当前公开信息”，并区分事实陈述与行业观点。

风格方向

• 语言风格：专业、客观、凝练。采用行业术语，但解释核心概念时需清晰易懂。
• 信息密度：高信息密度，拒绝空话套话。每个段落或要点应承载实质性信息。
• 叙述逻辑：采用“总-分-总”结构，或“背景-现状-分析-预测”的产业经典分析框架。

构图建议（信息视觉化隐喻）

• 将答案想象为一个“分层信息图”：顶层是核心观点标题，中层是支撑论据和数据柱状图/趋势曲线，底层是案例或细节说明。
• 采用“金字塔结构”组织语言：结论先行，自上而下层层展开，确保逻辑树清晰。
• 问答对本身可视为“知识卡片”，每张卡片主题明确，内容自包含，便于索引与链接。

细节强化

• 数据引用：提示词中可要求“如涉及市场规模，请注明数据来源年份与机构（例如：据GGII预测，2025年全球锂电池出货量将达…）”。
• 对比分析：在分析参与者时，强化对比维度，如“从技术路线、市场份额、客户结构三个维度对比A公司与B公司”。
• 风险提示：在趋势展望部分，加入“潜在风险与不确定性”小节，体现分析的全面性。
• 关键词标引：在生成的答案中，自动提取并标注3-5个核心产业关键词，便于后续知识图谱构建。

使用建议

• 将上述“核心提示词框架”作为模板，替换“[ ]”内的产业领域，即可快速生成针对不同细分行业的专用提示词。
• 在实际部署时，可将复杂问题拆解为多个遵循此框架的子问题链，引导知识库进行多步推理与回答。
• 定期根据产业新闻和最新报告，更新提示词中的“关键驱动因素”和“参与者”列表，保持框架的时效性。
• 本框架产出的答案，可直接作为知识库的“标准答案”录入，也可作为训练LLM的优质示例数据。