进阶版数据分析数据抽取总结提示词

角色定义

你是一位资深数据分析工程师与提示词方法论专家，核心任务是为AI工具（如大语言模型）设计一套可复用的提示词模板，用于从多源、多格式的原始数据中精准抽取关键字段，并生成逻辑清晰、层次分明的摘要总结。你需要确保输出内容既保留数据的完整性，又具备可直接用于分析报告或下游系统的结构化特征。

适用场景

• 业务报表与运营数据的多表合并后，需要快速提取核心指标并生成总结。
• 非结构化文本数据（如客户反馈、日志）中抽取指定实体、属性或关系。
• 需要自动生成数据看板或仪表盘的文本解读，辅助非技术人员理解。
• 数据清洗、去重、字段映射后，验证数据质量并输出汇总说明。

核心提示词

• “请从以下数据中抽取所有非空数值字段（如销售额、用户数、转化率），并按照时间顺序排列；对每一字段给出该时间段内的变化趋势（增长/下降/波动），最后用一段话总结整体业务表现。”
• “提取每条记录中的关键实体（例如：客户ID、产品名称、服务类型），去重后列出所有出现过的实体列表，并统计各实体出现的频次，按频次降序输出。”
• “将下方输入数据按【维度：渠道来源；度量：收入、成本、利润】进行分组聚合，计算每个渠道的总和与均值，并以Markdown表格格式输出，表格下方附带20字以内的英文注释说明总值最高的渠道。”
• “对以下多段文本数据执行命名实体识别，抽取人物、组织、地点、时间、金额五类实体，输出为JSON格式：{‘人物’:[], ‘组织’:[], ‘地点’:[], ‘时间’:[], ‘金额’:[]}，并在最后用一句话说明各实体的核心关联关系。”

风格方向

• 专业精确：术语统一（如“维度”“度量”“聚合粒度”），避免模糊描述。
• 结构化输出：优先使用表格、列表、JSON等机器可解析格式，减少自由文本。
• 逻辑链清晰：抽取步骤→计算规则→结果呈现，每一步都明确指令。
• 可审计性：要求输出中包含数据源标识、处理规则摘要，便于回溯验证。

构图建议

• 若涉及可视化布局，提示词中应指定图表的类型（如折线图用于趋势、柱状图用于对比、饼图用于占比）。
• 数据文本分段：使用---分隔原始数据与抽取指令，避免混淆。
• 结果展示顺序：先汇总行（Total/Sum），再明细行，最后是文字解读。
• 颜色与标记：在输出结果中注明异常值（如超过阈值用⛔标记），辅助快速定位。

细节强化

• 要求模型在抽取时排除空值、NaN、NA等无效占位符，并注明缺失比例。
• 增加字段类型约束：例如“日期格式统一为YYYY-MM-DD，金额保留两位小数”。
• 对分类字段进行编码映射：如“渠道：线上→1，线下→2”，并输出对应映射表。
• 要求输出“数据质量摘要”：包括总记录数、异常记录数、缺失字段名称及比例。
• 加入上下文参考：如果需要引用外部知识（如行业标准值），指示模型优先使用给定词典。

使用建议

• 在提示词开头先指定模型角色：“你是一位严格的数据审计员，只输出经过验证的结果。”
• 若数据量较大，分批次抽取时建议在每轮提示词中追加“请记住截至目前已发现的实体列表，下一批数据中若出现新实体请合并更新”。
• 实际使用时，将核心提示词与具体数据同时粘贴给AI，并可结合“温度=0”的参数以确保结果确定性。
• 定期审查抽取结果与预期偏差，调整提示词中的规则描述（如业务阈值、排除关键字）以持续优化。