企业官网建设流程全解析

做办公效率工具这几年，我越来越确信一件事：WorkBuddy 这类 AI 智能体好不好用，七成取决于你喂给它的提示词。它不是什么魔法咒语，而是你和 AI 之间对工作目标的共识说明书。今天整理的这 100 例，全部来自我实际办公中反复打磨过的场景，覆盖会议、邮件、文档、表格、汇报、项目管理、翻译、信息提取和角色顾问等高频环节，可以直接复制进你的工作台使用。

这份清单适合谁？如果你刚接触 WorkBuddy，照着抄就能让输出立刻听话；如果你已经在用，这里面的规则设定和 Skill 化思路，能帮你从“每次临时打字”升级成“一套可复用的工作流”。我会把每条提示词按场景拆开，告诉你它为什么这么写，哪些词是绝对不能省的，以及我自己踩过的坑。别把提示词当咒语背，理解它再套用，你才能写出自己的第 101 条。

1. 为什么提示词是 WorkBuddy 的灵魂

1.1 办公场景和通用聊天的本质区别

日常和通用 AI 聊天，你可以说一句“帮我写个通知”然后慢慢补充。但办公场景完全不是这个节奏。一次会议纪要整理，同时包含事实信息、责任归属、时间节点和待办状态；一封催款邮件，既要传达压力，又不破坏客户关系；一份周报，要能经得起老板追问数据来源。信息密度高、格式要求严、上下文复杂，这是办公场景的三个硬特征。

通用聊天的提示词可以含糊，办公提示词必须精确。WorkBuddy 这类智能体目前还没有读心术，你说“写个会议纪要”，它不知道谁是会议发起人、哪些决策需要单独标注、待办要分几个人。所以提示词的本质，就是把你脑子里已经想清楚但没来得及说的工作规范，一次性交给模型。

1.2 提示词工程的四块基石

我把一个能稳定复用的办公提示词拆成四块：角色、任务、上下文、输出约束。

角色决定模型用什么身份说话，比如“你是财务分析师”和“你是产品经理”，对同一份数据给出的结论会完全不同。任务描述要包含动词和对象，比如“提取行动项”而不是“看看这个会议”。上下文是模型推理的依据，包括原始材料、背景信息和限制条件。输出约束最容易被忽略——模型默认会按自己最舒服的方式回答，你必须告诉它“用表格还是列表”“控制在多少字”“要不要给负责人和时间”。四块缺一不可，顺序无所谓，但信息量不能省。

1.3 先理解，再套用，不要当咒语背

网上到处是“万能提示词模板”，问题是很多人复制粘贴后依然得不到想要的结果。原因很简单：提示词里的每一项都依赖你的具体场景。比如“结合行业背景”这句话，不同行业的人写出来，模型的工作量完全不同。所以我会在这 100 例里，把每条提示词的核心动作拆给你看，标的不是“让你抄”，而是“让你知道它为什么有效”。哪怕你后面把每条都改得面目全非，只要核心动作还在，效果就不会跑偏。

2. 100 例提示词：按办公场景拆解

以下提示词我全部按“可直接复制”的标准写，但建议你拿到手先做两件事：替换方括号里的内容，以及删掉你用不到的限定词。每个场景后面我都会补几句设计思路，讲清楚哪些词是关键，哪些话可以删。

2.1 会议协作类（12 条）

会议的痛点从来不是记录，而是决策和跟进。所以我写会议类提示词时，核心动作永远围绕“结构化”和“责任闭环”。

写会议类提示词时我有一个心得：一定要显式写出“待办需标注负责人和截止时间”。如果不写，模型默认只做内容概括，你的纪要就是一个美观但没法执行的文档。第一次用时，建议先丢一小段真实会议记录测试，看它提取行动项的完整度，再决定要不要加“区分已确认和待确认行动项”这类进阶要求。

2.2 邮件沟通类（12 条）

邮件是职场最考验分寸的文体。我见过很多人自己憋半小时写一封拒绝邮件，最后语气还是不对。这类提示词的核心不在文采，而在“预设语气”和“明确意图”。

邮件类提示词最容易犯的错是只写“帮我写封邮件”，这等于把决策权全交给了模型。我通常会在提示词里先写一句“我想表达的核心诉求是xxx”，再补一句“希望达到的效果是xxx”。这样生成的内容不是“一封正确的邮件”，而是“一封符合你处境和立场的邮件”。

2.3 文档写作类（12 条）

文档写作覆盖的范围很广，但有一条通用规律：模型适合搭框架，不适合闭门造车。你要么给它原料，要么给它明确的结构要求，二选一。下面的例子里，凡是涉及具体业务的，我都建议先贴一段原始材料再执行。

文档写作的提示词里，最关键的限定词是“不要编造数据和事实”。模型有很强的补全倾向，你让它写“进展”，它可能把“预计下周完成”写成“已完成”。所以我在这类提示词里都加了显式的原料要求：要么你提供原始材料，要么它只能产出框架和模板，不能填具体数字。

2.4 数据处理与表格类（10 条）

处理表格数据时，很多人不敢让 AI 碰数据，其实只要把边界设定清楚，它做结构化和公式推导的效率远高于手工。这类提示词的要点是给“数据形态”描述，而不是直接贴乱糟糟的原始表格让模型猜。

数据处理类提示词有一个隐藏雷区：不要把真实敏感数据直接贴进对话。我自己的习惯是，先本地脱敏，把客户名换成“客户A/B”，把金额做同比例缩放，让模型处理结构和逻辑，再把结论套回真实数据。这样既不泄露信息，又不影响分析效果。

2.5 汇报呈现类（10 条）

汇报的核心不是“把信息讲完”，而是“让对方做决策”。所以这类提示词我刻意强调结构和视角，比如“先说什么、后说什么”“用数据主线”这类字眼。模型在汇报场景里最怕写成毫无重点的大事记，你的约束词就是它的导航。

汇报类提示词的另一个价值是“预演”。我常把老板可能会追问的问题列出来，交给 WorkBuddy 模拟回答，看逻辑漏洞在哪儿。比如生成汇报内容后，加一句“假设听众会质疑数据的可比性，我的回应应该是什么”。这种方法比单纯写汇报稿更能提升汇报质量。

2.6 项目与任务管理类（10 条）

项目管理提示词的目标是让模糊的计划变成可执行的任务粒度。拆解、优先级、资源分配是这个场景的三个核心动作。使用时建议把自己已有的信息全部丢进去，哪怕不够有条理，模型也能帮你整理出框架。

这里提醒一句：让模型做项目拆解的时候，一定要求它标注“假设条件”。比如预估工期，它默认的假设是“人员全职投入、无外部依赖”，如果你的项目不是这样，必须告诉它。否则拆出来的计划看起来很专业，实际一执行就对不上。我常用的一句话是“上述估算是基于什么假设？请列出来让我确认”。

2.7 翻译润色类（10 条）

翻译和润色是最能体现“提示词细节决定成败”的场景。同样是翻译，商务合同和技术文档的术语要求完全不同；同样是润色，正式公文和社群文案的语气南辕北辙。这类提示词的核心词是“语气”和“场景”。

翻译类提示词最容易出的问题是模型“太自由”。你让它翻译邮件，它可能顺手帮你把语气改了、称呼换了。所以我在这类提示词里会明确说“保持原意，不要增删信息”，并把“术语一致”单独列出来。做英文商务沟通时，还可以加一句“如果原文存在文化差异导致直译不合适，请指出并给出本地化建议”。

2.8 信息提取总结类（10 条）

信息提取类提示词的诀窍是：先告诉模型“你只需要关注哪些信息”，再告诉它“输出成什么结构”。提取不是泛泛总结，而是有目的的筛选。下面几条都遵循“限定关注点+限定输出结构”的双约束。

信息提取有个经常被忽略的操作：把原始材料的范围边界说清楚。比如“从这份合同”还是“从整个合同文件夹”。如果贴的材料太长，建议先让模型分段总结，再让它汇总，防止单次上下文过长导致后半段内容被忽略。我自己的经验是超过 5000 字的内容，最好分两次提问。

2.9 专业顾问角色类（10 条）

角色扮演类提示词是很多人最喜欢的玩法，但也是最容易翻车的地方。关键不是“扮演”，而是给模型足够的角色信息和边界，否则它只会输出一堆正确的废话。这类提示词适合做初筛、做参考、做模拟，不适合直接替代专业意见。

角色类提示词有一个红线：专业领域（法律、医疗、财务）的输出必须加上“建议核实”“不能替代执业人士意见”这类限定。我自己在使用时，会把 AI 的答案当作检查清单，而不是最终结论。比如法律条款审查，AI 能帮你找出可疑表述，但签署前一定要再找执业律师过一遍。

2.10 全局规则与 Skill 设定（4 条）

这 4 条是整套提示词里最特殊的一组，它们的用途不是解决某个具体任务，而是控制 WorkBuddy 在后续所有任务中的行为。如果你只想抄 5 条带走，我建议你重点看这部分——全局规则和 Skill 设定是“一次配置、长期受益”的高杠杆动作。

全局规则的本质是给模型装一个“行为基线”，就像给新员工发入职手册。而 Skill 相当于把高频工作流打包成按钮，按一下就能取出一个完整的处理管道。建议你把第 4 条作为模板，仿照它对“会议纪要”“邮件拟稿”“竞品分析”等高频场景分别建 Skill，建好之后日常使用的效率会提升一大截。

3. 提示词设计方法论：改出你自己的 100 例

3.1 五要素法：角色、任务、上下文、要求、输出

一个能稳定复用的办公提示词，逃不出这五个要素：角色、任务、上下文、要求、输出。用邮件举例，“你是商务助理（角色），帮我写一封催款邮件（任务），对方是合作 3 年的老客户，账单已逾期 7 天，之前催过一次（上下文），语气要礼貌但明确表达逾期影响（要求），邮件控制在 200 字以内，主题行加粗（输出）”。五个要素齐全，模型输出的内容基本不会跑偏。

你可能会问，五个要素每个都必须写吗？我的经验是：上下文和输出最不能省。角色可以模糊（默认助手角色也能干很多活），要求可以简短，但“模型不知道背景”和“模型不知道怎么呈现”是翻车的两个最大原因。所以当你觉得提示词效果不好时，优先检查是不是漏了上下文或输出约束。

3.2 给样例比讲道理管用

想让模型输出特定的格式或质量，最有效的方式不是描述，而是给一个示例。比如你想要“简洁有力的周报风格”，与其写“注意简洁、突出重点”，不如直接给一段你自己写的优秀周报样例，然后说“参考这个风格来处理我的新内容”。这就是 few-shot 的核心思想：用样例编码你的偏好。

这个技巧在润色和风格改写场景里简直无敌。每当你发现模型的输出“虽然正确但不像我要的风格”，就翻出 2-3 段你过去觉得满意的成品，放进提示词里当参考。模型不需要理解你的审美，它只需要模仿。这也是为什么同样用 WorkBuddy，有些人越用越顺手，有些人总觉得答案“差点意思”——差别就在于给不给样例。

3.3 用输出格式锁定答案结构

办公场景里，格式就是生产力。同样是会议行动项，一段散文和一列表格，后者每个人都能直接拿着执行。所以我在所有涉及“结构化信息”的提示词里，都习惯性加上“用表格输出”“用列表输出”“输出 JSON 格式”这类明确指令。

这里有一个注意事项：输出格式约束通常要放在提示词末尾，因为模型对最后出现的指令响应更强烈。同时，格式约束要具体，比如“表格包含三列：序号、事项、责任人”，而不是笼统的“用表格”。你越精确，模型越少自由发挥。这一步做得好，你甚至可以把输出直接粘贴进其他工具使用，省掉大量二次整理时间。

3.4 迭代记录：一个提示词从 v1 到 v5 的成长

很多人以为好提示词是“想出来的”，实际是“改出来的”。以我的“催款邮件”提示词为例：v1 是“帮我写封催款邮件”，输出太软太客套；v2 加了“对方是合作 3 年老客户，逾期 7 天”，语气明显更有分寸；v3 加了“要体现逾期对项目进度的影响”，内容开始有说服力；v4 加了“控制在 200 字”，才变得精炼；v5 加上“结尾给两个选项：续约优惠方案或分期方案”，最终版才开始超越一般员工水平。

所以当你觉得一个提示词不够好，不要急着推翻重写，试着按五要素逐个升级。每一次只改一个变量，你才能判断是哪个改动真正起了作用。我建议你在 WorkBuddy 里给常用提示词建一个专门记录迭代的文档，标注每个版本的效果，三个月后回头看，你会发现自己的提示词水平已经超过了绝大多数人。

4. 在 WorkBuddy 中配置规则与 Skill 的实操

4.1 把全局规则配置成“入职手册”

我在 2.10 节提过的全局规则，实际使用时要放到 WorkBuddy 的规则配置区域，而不是临时写在每次对话里。你可以把第 1、2、3 条规则合并成一段“行为基线”，像员工入职手册一样贴在配置面板中。配置好之后，所有任务都会默认遵守这套规则，不需要重复说明。

配置全局规则有一个技巧：分优先级。最高优先级是安全规则，比如“禁止编造数据”“不确定的标需核实”；第二层是风格规则，比如“中文优先”“Markdown 格式”；第三层是背景规则，比如“默认代入我所在行业和团队规模”。这样分层的好处是，即使后面加新规则，也不会互相冲突。我自己做事后检查时，常发现很多“模型不听话”的问题，其实是规则自身互相矛盾，先检查规则优先级能解决大半。

4.2 把高频提示词 Skill 化的四个步骤

Skill 化是 WorkBuddy 高频用户绕不开的进阶操作。它的本质是把一段提示词封装成一个可复用的模块，起一个名字，之后直接调用。我总结的四个步骤是：定义输入、定义处理逻辑、定义输出格式、定义适用边界。

用“会议纪要”举例。输入：一段会议记录或转写文本；处理逻辑：提取议题、决议、行动项；输出格式：结构化清单，行动项标注负责人和截止时间；适用边界：适合项目协作会议，不适合头脑风暴类。定义完这四步，你就不用每次都重新写完整提示词了。我实践下来，第一次写 Skill 会花 15 分钟左右，但每次使用能省 5 分钟以上，做 3 次就回本。

4.3 规则加提示词组合后的实测效果

配置完全局规则和 Skill 之后，我专门做了一次对照测试。同一个任务“整理这份周会纪要”，不配规则时，模型默认输出一段流畅但缺乏执行性的段落；配上规则后，它自动使用了 Markdown 表格，把行动项责任人、截止时间单列出来，还额外补充了格式统一和术语一致的处理。肉眼可见的差异，不是模型变聪明了，而是规则把“默认值”调对了。

这里还想提一个测试技巧：配置好规则后，先用一个你过去翻过车的任务重跑一遍，看它有没有把过去的问题全部规避掉。比如过去它周报里喜欢编数据，配上“禁止编造数据，不确定标需核实”后，这个毛病基本就消失了。规则落地的效果，不是看它说得有多漂亮，而是看它能不能封住你已知的那些坑。

4.4 哪些 Skill 值得优先建

我建议按照你自己的工作流去定优先级，但如果你不知道从何下手，以我周围同事的反馈看，会议纪要、周报生成、邮件拟稿、竞品分析这四个 Skill 建完后使用率最高。因为它们都属于“高频、结构化、可复用”的任务，恰好是 Skill 最能发力的类型。相反的，“头脑风暴”“闲聊”这类任务就不适合建 Skill，因为它的价值恰恰在于不可预期的发散。

另外，提醒一个坑：别一次建太多 Skill。我见过有人第一天建了 20 个 Skill，结果每个都不精，最后全废了。我的建议是先建 2-3 个，用一周，边用边改，稳定之后再扩大。好 Skill 不是在配置时完成的，而是在使用中打磨出来的。

5. 常见问题与排查技巧实录

5.1 明明确写了，模型就是不听

遇到模型不按提示词输出，我第一个检查的不是模型，而是自己是否真的把约束写清楚了。很多“不听”其实是“没懂”。比如你说“摘要一下”，模型默认可以输出任意长度，你改成“用 5 个要点概括，每点不超过 50 字”，它就很难跑偏。如果格式还是不对，把格式约束移到提示词末尾，再给一个格式化示例，成功率会大增。

另一个常见原因是提示词过于冗长，关键指令被淹没。我会把最重要的一句话单独放在提示词开头，用“第一优先”这类字眼标注优先级。比如“以下是最重要的要求：待办部分必须标注负责人和截止时间。其余你自行发挥。”这样模型的注意力分配会更明确。

5.2 上下文太长导致答案跑偏

办公场景经常要贴很长的材料，但上下文一长，模型容易忽略中段信息，或者被无关细节带偏。遇到这种情况，我会先把材料切块，分批次提问。比如一篇 6000 字的会议记录，先分段总结，再让模型汇总。虽然多花一两轮对话，但准确率明显提升。

还有一个技巧：主动提示模型“请忽略材料中的xx部分，只关注xx部分”。这相当于给它划了重点，能显著降低无关信息的干扰。我自己做长文档分析时，一定会先让模型列出材料结构清单，再逐章提取，这样比一次性输出完整分析要稳定得多。

5.3 输出被截断，内容不完整

长文档生成经常遇到输出被截断的问题，尤其是一次性让它写一个很长的方案时。这不是模型能力问题，而是上下文输出长度上限在起作用。我的处理方法：把大任务拆成多个子任务，先让它生成大纲，再按大纲逐节扩充。虽然操作上多几步，但每段质量都在线。

如果你希望单次输出更完整，可以在提示词里加“如果内容较长，请优先完成主体结构，再用简短要点补充剩余部分”，这样即使截断，也能拿到一个可用的骨架。注意别一次塞太多子任务，一个提示词里塞 5 个以上输出要求，质量一定下降。

5.4 提示词的安全与防泄露

提示词里经常含有业务敏感信息，这一点很多人在日常使用中容易忽视。我自己的习惯是：真实数据先脱敏，客户名、金额、内部代号一律替换后再处理。全局规则里同时加一条“不要输出我没让你输出的内容，不要在回答中重复展示原始敏感信息”。这样既保护了数据，也在流程上降低了泄露风险。

另外，社区里流行的提示词不要盲目照抄，特别是来源不明的“万能指令”，里面可能嵌入了诱导模型做危险行为的隐藏指令。我只从自己亲自验证过的来源取用提示词，或者在本地环境先测试一遍，确认没有异常再放进正式工作流。养成这个习惯后，能避开绝大多数安全坑。

5.5 验证模型逻辑一致性的小测试

最后分享一个我常用的验证方法：给模型出一个跨域常识题。比如社区里流传的“一只鹈鹕骑着自行车过马路”，看起来是个无厘头问题，但它非常能检验模型在信息交叉时的逻辑一致性。我会拿这类问题先测一轮，看看 WorkBuddy 的推理是否稳定，再决定是否放心把复杂任务交给它。你也可以在配好 Skill 之后用类似方式验证它对业务上下文的理解程度，测一个和业务强相关但带点歪门邪道的问题，如果它能识别出隐含边界，这个 Skill 基本就靠谱了。

这类测试题不在数量多，而在于覆盖推理、边界判断、约束遵守三个维度。跑一轮只需几分钟，却能提前暴露出后期一大堆质量问题，这笔投入非常划算。

用一条规则收尾的实操体会

说回到 100 例本身，我个人在实际使用中最大的体会是：不要把每一条都当“标准答案”，而是当“起始模板”。所有提示词都要再过一遍你自己的手，改掉语气、补上背景、删掉不适用的部分。你真正需要的也许只是其中 20 条，但这 100 条的意义在于，它让你看到提示词能做到的范围，从而知道接下来该往哪个方向优化。

最后再分享一个小技巧：把你这周实际做过的所有“需要动笔输出”的事情记一份流水账，周末对照这份清单，看看哪些重复性的输出可以做成模板。用不了多久，你就会拥有属于自己的一套 WorkBuddy 常用提示词，那才是真正值钱的东西。