先定义角色说明书再提问

跟 AI 说话最常见的错误，是上来就说"帮我分析一下"。这句话得到的东西看起来很像答案，但你拿不进业务。

"帮我分析一下"为什么没用

举个真实的例子。你说"帮我分析一下这个竞品"，AI 会回你：标题清晰、图片专业、价格有竞争力、Review 表现不错、卖点表达比较完整。

这些话没错。你也确实知道这些。但你没法拿它做任何动作。

你真正想问的是完全不同的三件事。它靠什么起量。这个价格是常态定价还是阶段性促销。它的 Review 承不承受得住我用同样的预算去冲。

这三件才是经营问题。而 AI 不知道你在问这三件，它听到的是"分析竞品"。

换个说法：先给它一份角色说明书

两种问法的结果对比

在提问之前，先用一段话固定它的身份、目标、约束。听起来麻烦，实际上比来回追问省时间。

以 Listing 优化为例，正确的开头是这样的：

你是一个专注户外露营品类的亚马逊 Listing 优化专家。你的目标是写出点击率高、转化率强的 Listing。你必须遵守：标题不超过 75 字符，Search Terms 不重复前台已出现的词，不得出现绝对化用语，五点必须包含至少一个使用场景描述。

然后再给材料：产品参数、目标人群、竞品链接、核心卖点。

两者的差别很具体。前者得到的是"这个 Listing 标题可以更突出便携性"这种正确的废话。后者得到的是"标题前 40 字符内必须出现品类词和核心属性，因为搜索结果页只展示这一段"这种能直接执行的东西。

三段式结构：让它先分步，别让它一步到位

还有一条经验：复杂任务拆成两步，比一步到位准确率高很多。

比如处理差评，不要说"帮我回复这条差评"，要说两步：

第一步，"判断这条差评属于哪一类：产品缺陷、预期落差、使用问题、物流问题、情绪发泄。输出类型和判断依据，引用原句。"

第二步，"基于上述分类，生成一条公开回复。要求：不超过 80 个单词；先致歉再给方案；不提改评；不承诺平台政策之外的补偿。"

分两步的原因是第一步可以检查。分类如果错了，第二步生成的一定错，你会花时间在一段漂亮但方向完全错的回复上。

分类错了，回复一定错。这句话看起来废话，但大部分人就是跳过了分类直接生成。

建模板，不建提示词

真正用起来，你会发现每次都要重新写角色说明书很累。正确做法是建模板库。

同一个岗位准备三到五套模板，每套里再放两三个变体。用的时候改几个具体值——把"用了三天"换成实际天数，把"尺寸不符"换成买家说的具体问题。

模板的价值不在于快，在于保证下限。你状态好的时候写的回复可能更机智，但你不可能每天都状态好。模板保证最差情况也能及格。

最后一道：人工过一遍

模板生成完必须人看一眼，重点检查三件事：

有没有说错产品型号。有没有承诺做不到的补偿——AI 特别爱写"我们会为您妥善处理"这种模糊但实际上没人负责的话。读起来像不像人话。

第三条最容易被跳过，也最容易出事。买家看到十条一模一样的模板回复，第二次差评比第一次杀伤力大得多。

判断标准很简单

用一段时间之后，只需要看一件事：做这个任务的时候，你会不会先在心里过一遍"我是谁、我要什么、不能做什么"。

会，那它就该有角色说明书。不会，说明这个任务本来就不需要 AI，你自己动手更快。