分析与研究提示
分析与研究提示（Analysis and Research Prompts）是提示工程（Prompt Engineering）中专门用于引导人工智能模型进行信息收集、逻辑分析、模式识别和结论提炼的指令设计方法。与生成类提示不同，这类提示侧重于对现有数据、文本或多源信息进行深度解析，并以结构化方式呈现结果。它在数据分析、市场调研、学术研究、舆情分析等领域都扮演着重要角色。
使用时机通常包括：需要将大量非结构化数据转化为可用信息；需要对信息进行分类、比较或归纳；需要在短时间内获得高质量的洞察结论。常用方法包括明确分析任务、提供上下文数据、指定输出格式以及设定评估标准。
通过学习本教程，你将掌握从基础到进阶的分析与研究提示构建方法，包括：如何拆分复杂任务、如何让模型按照预期格式输出、如何避免常见错误，以及如何迭代优化提示。
在实际工作中，这项技能可帮助你快速完成市场竞争分析、研究报告摘要、学术论文关键要点提取、法律文件风险点识别等任务，大幅提升信息处理与决策效率。
基础示例
prompt请分析以下文本，并提炼出三个最重要的关键信息点，以项目符号列表的形式输出：
“根据最新调查数据显示，2025年上半年新能源汽车销量同比增长22%，主要增长动力来自东南亚和欧洲市场。同时，电池技术的进步使得成本下降了10%，而充电网络的扩展也显著改善了用户体验。”在这个基础示例中，提示分为三个关键部分：
1- 指令部分“请分析以下文本，并提炼出三个最重要的关键信息点”，这是明确的分析任务指令（Analysis Task Instruction），它告诉模型要做的不是摘要全文，而是提取关键信息点，并限制为三个。这种限制可以促使模型聚焦最核心的内容。
2- 输出要求“以项目符号列表的形式输出”，是输出格式约束（Output Format Constraint），确保结果结构化，方便阅读和后续处理。
3- 输入数据部分，即提供的文本样本（Data Input），它是分析的对象，必须包含足够的信息让模型执行任务。
这个提示适用于需要快速从短文本中提炼核心信息的场景，比如会议纪要总结、新闻要点提取、简报准备等。
变体可以包括：
- 改变信息点数量（如提炼五个关键信息点）
- 添加分类要求（如将信息分为“机遇”和“挑战”）
- 加入权重或优先级标注（如为每个信息点加上重要性评分）
实用示例
prompt请对以下市场分析报告进行研究，并完成以下任务：
1- 列出主要市场趋势（Trends）
2- 总结主要竞争对手策略（Competitor Strategies）
3- 提出未来12个月的潜在机会（Opportunities）
请将结果以三列表格形式输出：趋势 | 竞争对手策略 | 潜在机会
报告内容：“2024年全球智能家居市场增长15%，北美和欧洲依然是主要消费市场，但亚洲增长最快。头部企业加大对语音控制与AI助手的研发投入，中小企业则以价格优势争夺市场。未来，随着物联网技术的普及，智能安防、节能系统和个性化家居将成为增长热点。”这个实用示例比基础示例更复杂，包含多任务、多类别信息提取和表格化输出要求。
1- 分析任务被细分为三个明确子任务（趋势、策略、机会），这有助于模型有条理地处理不同维度的信息。
2- 输出要求为“三列表格”，这是典型的结构化信息输出（Structured Output），能直接用于PPT、Excel或数据库导入。
3- 输入数据是一段市场分析报告（Market Analysis Report），其内容涵盖趋势、策略和潜在机会，确保模型有足够信息支撑分析。
这种提示非常适合商业情报分析、行业研究报告制作、投资机会评估等高价值场景。
变体包括：
- 在每个表格单元中添加数据来源或可信度评分
- 将时间维度扩展为短期（6个月）和长期（3年）机会
- 引入比较分析，如对比当前趋势与去年同期的差异
最佳实践与常见错误：
最佳实践：
1- 明确分析目标，避免使用模糊指令，如“分析一下”。
2- 为输出设定结构化格式（如表格、列表），便于后续利用。
3- 提供高质量、信息丰富的输入数据，避免信息不足导致分析失真。
4- 将复杂任务拆分为可管理的子任务，提高输出准确性。
常见错误：
1- 提供信息量不足或不相关的输入数据。
2- 没有指定输出格式，导致结果不易阅读或直接使用。
3- 任务描述过于笼统，模型无法理解具体分析要求。
4- 一次性输入过长内容而未分段，导致模型丢失部分信息。
故障排查建议：
- 如果输出内容不完整，尝试拆分输入内容或逐步提问。
- 如果结果不符合预期，重新审视提示是否明确具体。
- 如果模型出现偏题输出，增加上下文或限制条件。
📊 快速参考
| Technique | Description | Example Use Case |
|---|---|---|
| 关键信息提取 | 从文本中提炼最重要的信息点 | 会议纪要摘要 |
| 多维度分析 | 按多个角度或类别提取信息 | 竞争对手分析 |
| 比较分析 | 对比不同数据或时间段 | 年度市场变化对比 |
| 模式识别 | 从数据中找出重复或潜在模式 | 用户行为分析 |
| 因果分析 | 识别原因与结果的关系 | 销售下降原因研究 |
| 结构化输出 | 以表格或列表方式呈现结果 | 行业趋势报告 |
高级技巧与下一步学习方向：
掌握分析与研究提示后，可以尝试更复杂的应用，例如跨文档分析（Cross-Document Analysis），将多个来源的信息整合并统一分析；预测性分析（Predictive Analysis），利用已有信息推测未来趋势；或情境模拟（Scenario Simulation），让模型基于现有数据推演不同可能情境。
这项技术还可以与其他提示技术结合，如约束提示（Constraint Prompting）限制分析范围，链式提示（Chain of Thought Prompting）引导模型按步骤推理，或者与生成类提示结合，直接基于分析结果生成报告或提案。
建议的下一步学习主题包括：高级数据结构化技巧、模型多轮推理优化、与外部数据源结合分析等。
实践中，持续迭代优化提示，记录成功案例和失败经验，将有助于快速提升分析与研究提示的掌握水平。
🧠 测试您的知识
测试您的知识
通过实际问题测试您对这个主题的理解。
📝 说明
- 仔细阅读每个问题
- 为每个问题选择最佳答案
- 您可以随时重新参加测验
- 您的进度将显示在顶部