有道云AISTAR法则提示词如何提升效率

用STAR法则写有道云AI提示词能直接提升输出精准度和复用率：S锁定真实业务场景，T明确成果形态，A框定推理路径，R设定可验证结果标准。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

用STAR法则写有道云AI提示词，能直接提升输出精准度和复用率——它强制把模糊需求拆解成可执行的情境锚点、任务边界、行动颗粒度和结果验证标准，避免AI在空泛描述里自由发挥。

第一步：用Situation锁定真实业务场景

在提示词开头写明具体时间、团队、系统和当前状态，例如：“我们是电商中台技术组，正在推进618大促前的订单履约链路压测，当前卡在库存扣减服务响应超时（P99达2.4s）”。

【缺具体情境，AI会默认套用“高并发场景”通用模板，漏掉你手头真实的Redis连接池耗尽问题】

第二步：用Task明确AI必须交付的成果形态

直接定义输出格式和硬性约束： ① 输出必须是一份可直接发给运维同事的《压测问题速查表》； ② 表格含三列：现象→根因→验证方式； ③ 每行不超过20字，禁用“可能”“建议”等模糊词； ④ 所有根因必须指向具体配置项或代码路径（如“application.yml第37行timeout设置为500ms”）。

这一步操作起来很简单，但必须写清楚——AI不会主动猜你要表格还是段落，也不会自动过滤“可能由网络抖动引起”这类无效归因。

第三步：用Action框定AI的推理路径

方法一：强制分步推导 “请按以下顺序分析：先比对压测前后JVM GC日志差异 → 再检查库存服务线程堆栈阻塞点 → 最后定位到DB连接池maxActive参数是否低于并发请求峰值。”

方法二：注入真实数据锚点 “本次压测QPS为12,800，库存服务部署在k8s集群node-05～08，JDK版本为17.0.2+8-Debian，MySQL主库版本8.0.33。”

不提供这些锚点，AI大概率输出“检查GC日志”这种教科书式动作，而你真正需要的是“grep ‘Full GC’ catalina.out | wc -l > 500 → 触发OOM Killer”这种可执行指令。

第四步：用Result设定结果验收标准

在提示词末尾加一句：“输出内容需满足：任意一条‘验证方式’栏的操作，能在5分钟内复现对应现象。若无法做到，说明根因错误，需重新推导。”

【这是关键卡点】没有这条指令，AI会输出一堆理论上成立但无法现场验证的归因，比如“数据库索引失效”，而你实际要的是“执行EXPLAIN ANALYZE SELECT * FROM stock WHERE sku_id=‘S1001’ → 发现未命中idx_sku_status复合索引”。