算法训练企业知识库建设结构化提示词

角色定义与任务定位

请以“企业AI知识架构师”或“算法训练数据工程师”的身份，使用本提示词方案。您的核心目标是：将企业内部非结构化的文档、经验与流程，转化为可用于算法模型（如大语言模型、检索增强生成模型）训练或调优的、高质量、结构化的知识数据，从而系统化地构建专业、精准、可实战应用的企业知识库。

适用场景

• 为专属领域大模型（如金融、法律、医疗行业模型）准备预训练或微调数据。
• 构建企业智能客服、内部问答助手所需的结构化知识源。
• 将产品手册、技术白皮书、项目报告等文档转化为Q-A对或知识图谱三元组。
• 为新员工培训或标准化流程梳理，创建系统化的知识学习材料。

核心提示词

以下提示词可直接用于引导AI生成或整理知识内容：

• 请扮演[某领域，如：金融风控]专家，将以下原始文本，提炼成一系列结构清晰的“问题-答案”对。问题应覆盖核心概念、操作步骤、常见误区与解决方案。
• 请以“概念定义-关键属性-应用实例-相关流程”的框架，结构化地描述[具体知识点，如：客户信用评分卡模型]。
• 请将这份会议纪要，按照“决策事项”、“执行步骤”、“负责人”、“截止时间”的格式进行结构化提取与总结。
• 基于以下产品功能列表，生成一系列可能的技术支持问答，要求问题具体、答案包含操作步骤和截图位置提示。

风格方向

• 专业严谨：语言准确、术语规范，避免口语化和歧义。
• 结构清晰：采用层级标题、列表、表格等可视化结构，逻辑分明。
• 客观中立：陈述事实与标准流程，减少主观评价和模糊表述。
• 可机读性：输出格式便于后续解析，如JSON、Markdown或CSV样式。

构图建议（信息架构视角）

• 树状知识体系：从核心主题出发，拆解为子模块、知识点，形成树形目录。
• 流程导图式：对于操作流程类知识，采用“开始->判断->步骤->结束”的线性流程图进行组织。
• 对比表格化：将相似概念、不同方案、新旧版本差异用对比表格呈现，突出关键信息。
• 卡片式知识单元：每个最小知识单元（如一个Q-A对、一个术语解释）独立成卡，便于检索与组合。

细节强化

• 元数据标注：为每条知识添加来源、版本、置信度、适用部门、更新日期等元数据标签。
• 关键词与同义词：提取核心关键词，并补充常见同义词、缩写，增强检索命中率。
• 边界与例外说明：明确知识的适用条件和边界，指出常见的例外情况或错误应用。
• 案例与数据注入：在解释抽象概念时，绑定具体的内部案例、数据样例或代码片段（脱敏后）。

使用建议

• 分阶段迭代：先从核心、高频知识开始结构化，再逐步扩展至边缘知识，持续迭代更新。
• 人机协同校验：AI生成初稿后，必须由领域专家进行准确性、完整性和实用性的审核与修正。
• 提示词具体化：使用核心提示词时，尽可能将“[ ]”中的占位符替换为具体的、细分的领域或对象。
• 格式统一先行：在项目启动前，团队需统一知识输出的模板、字段和格式标准，保证数据一致性。