可以将其视为特定于情况的万能块。例如，在分析客户支持电话时，你的动态上下文可能包括： 评审会议中讨论的要点 你的团队确定的具体挑战 通话期间收到的任何客户反馈 与讨论相关的当前业务目标 随着你随着时间的推移在提示库中记录和保存成功的动态上下文块，你将开发出一组可适用于类似情况的变量。
构建块 5：角色定义 你分配给 AI 工具的角色会显著影响其输出。许多与角色相关的提示失败了，因为它们没有明确定义 AI 在处理你的请求中的角色。 “这不仅仅是说‘成为专家’，”Munsell 提醒道。
“你需要指定。即使是关于同一主题，化学工程师的 阿联酋 whatsapp 数据 写作方式与营销策略师的写作方式也会大不相同。” 要非常清楚你的团队需要的角色，以及你希望 AI 在每个角色范围内如何表现。
例如： 你是一名数据分析师 你是一名客户服务分析师 你是一名世界级的文案 将每个角色保存到你的提示库中。关于提示冲突如果你向人工智能提供了过多关于你要求它承担的角色的细节，那么在模块 5 和模块 6 之间可能会出现提示冲突，这意味着角色可能会取代任何风格提示。
例如，如果你告诉人工智能扮演一名化学工程师并用友好的声音写作，人工智能就会很吃力，输出的结果可能听起来很冷冰冰的，而不是温暖友好的。如果你难以获得所需的输出，请缩减你的角色指令。模块 6：风格和语音校准在这里，你和你的团队将发现可扩展提示的真正威力。
你们可以开发特定参数来控制人工智能输出中的所有内容，从语气到句子长度，而不是每个人都输入自己版本的模糊指令，例如“让它变得专业化”。Munsell 制定了一条排除规则，为 AI 提供一份公司不希望在其内容中看到的单词和短语列表，例如“delve”和“skyrocket”等单词或“我希望这封电子邮件能找到您”等短语。