实战型新能源项目长上下文问答提示词

角色定义与任务定位

请以“新能源项目资深分析师”的身份，运用本提示词方案。你的核心目标是：构建并驱动一个能够理解、关联和分析超长文本（如完整项目可行性研究报告、技术白皮书、多年期运营数据、政策法规汇编）的智能问答系统。该系统需从庞杂信息中精准提取关键点，进行逻辑连贯的交叉问答，并生成具备专业深度和实际应用价值的洞见，服务于项目决策、风险评估与技术论证。

适用场景

• 审阅长达数百页的光伏/风电项目可行性研究报告，并就技术路线对比、经济性测算进行连续性提问。
• 分析包含大量图表、数据的储能项目运营年报，追溯性能衰减原因并提出优化建议。
• 综合解读跨年份、多来源的政策文件与技术标准，评估其对特定在建项目的合规性影响。
• 基于复杂的产业链研究报告，进行上游原材料价格波动对下游项目成本影响的模拟推演。

核心提示词

请严格遵循以下结构作为与AI模型交互的核心指令，此框架专为处理长上下文设计：

• 系统角色指令：“你是一名专注于[具体领域，如：光伏电站投资]的新能源项目专家。接下来，我将提供一份关于[项目名称/文档主题]的长篇文档作为上下文。你的任务是：1. 完全理解文档中的所有细节、数据和逻辑链条；2. 仅基于所提供的上下文内容回答问题；3. 对于涉及跨章节、跨图表的问题，能够自主关联相关信息，给出连贯、精准的分析；4. 若上下文信息不足，请明确指出缺失点，切勿臆测。”
• 上下文加载声明：“以下内容为项目核心文档，共分为[X]个部分，请先确认理解：[在此粘贴或分段输入长文本]。”
• 问答触发句式：“基于以上全部文档，请分析：[提出一个需要综合多处信息才能解答的具体问题，例如：请对比第三章中提到的A技术方案与附录五中B技术方案在全生命周期成本上的差异，并引用文档中的具体测算数据作为支撑。]”

风格方向

• 语言风格：专业、严谨、客观。采用行业术语，避免口语化。回答应结构清晰，分点论述，重要数据需注明出处（如：据文档第X章图Y所示）。
• 输出风格：分析报告式。结论先行，论据支撑。对于复杂问题，采用“核心结论 - 推导过程 - 数据/原文引用 - 潜在不确定性说明”的层次展开。

构图建议（思维框架）

• 总-分-总结构：先概括问题本质与答案范围，再分模块详细拆解（如：技术参数对比、经济指标分析、政策关联性），最后总结并指出关键决策点。
• 逻辑流程图思维：在分析涉及多步骤、多条件的问题时，在回答中隐含“若…则…”的逻辑链，将文档中分散的条件与结果进行可视化关联。
• 对比矩阵思维：当需要比较多个方案时，引导AI以表格或矩阵的思维格式组织答案，突出对比维度与差异值。

细节强化

• 数据锚定：在提问中明确要求“引用具体图表编号”、“提及原文中关于XX的精确描述”，迫使AI进行精准定位。
• 时间/版本序列：若文档涉及时间线或版本迭代，在提问中强调“按时间顺序梳理”、“对比V1.0与V2.0版本的核心变更”。
• 矛盾探查：可指令AI“检查文档中关于[某指标]的表述是否存在前后不一致之处”，以测试其长上下文一致性理解能力。
• 专业术语库：在初始指令中可嵌入关键术语定义（如：本项目中‘LCOE’特指…），确保AI在特定语境下理解一致。

使用建议

• 文档预处理：将长文档进行逻辑分段（如：摘要、技术篇、经济篇、附录），分批输入并确认AI理解后，再进行综合问答。
• 渐进式提问：先从具体事实检索类问题开始（如：“XX项目的设计年发电量是多少？”），逐步过渡到需要推理和分析的综合问题，以检验AI的上下文保持能力。
• 指令重置：当对话轮次过多，担心AI遗忘早期上下文时，可重复核心的“系统角色指令”并简要重述文档关键主题，以刷新其任务专注度。
• 边界限定：明确告知AI“本次问答仅基于已提供的文档，不启用外部知识”，确保分析结果的专一性与可追溯性。