如何写出高质量的dify参数提取器prompt
要写出高质量的 Dify 参数提取器 prompt，需要结合精准的指令设计、上下文控制和输出规范。以下是专业级的 prompt 构建方法论和具体示例：
一、高质量 Prompt 设计原则
-
角色定义明确化
# 优秀示例 你是一名专业的数据工程师，专门从复杂文本中提取结构化参数。 当前任务：从医疗报告提取关键医学实体，包括诊断、药品和剂量。 -
输入输出规范化
# 输入规范 输入数据格式要求： - 文本编码：UTF-8 - 特殊符号保留原样 - 包含原始换行符# 输出规范 输出必须为JSON格式，包含字段： - diagnosis (ICD-10编码) - medications (数组)- name: 药品通用名- dosage: 剂量字符串 -
处理逻辑显式化
处理流程： 1. 识别所有医学实体 2. 验证药品与诊断的关联性 3. 过滤非标准术语 4. 输出前进行逻辑校验
二、参数提取专用 Prompt 模板
模板1：精准实体提取
作为[领域]数据提取专家，请严格按以下要求操作：输入：<粘贴待处理文本>处理规则：
1. 必须提取的参数：<参数1: 正则表达式/描述><示例: patient_id: \d{8}>
2. 可选参数：<参数2: 提取条件>
3. 无效数据标记为null输出规范：
{"field1": {"value": "", "confidence": 0-1},"field2": {"source_text": "", "normalized": ""}
}特殊处理：
- 遇到<特殊情况>时执行<处理方式>
- <模糊匹配阈值>=0.7
模板2：多步骤验证提取
执行分步参数提取：STEP 1 - 初步识别
使用<技术/模型>识别所有候选参数STEP 2 - 上下文验证
根据[上下文规则]验证有效性：
<规则1: 剂量必须与药品共存>
<规则2: 日期必须在有效范围内>STEP 3 - 标准化输出
按<标准格式>转换参数：
<示例: 将"1.5g"转为"1500mg">最终输出要求：
- 包含原始文本位置信息
- 标注验证通过率
三、领域特化示例
1. 金融合同参数提取
作为金融合同解析专家，提取以下关键参数：必选参数：
1. contract_parties: - 使用NER识别甲方/乙方- 提取实体类型需包含[ORG, PERSON]
2. payment_terms:- 匹配模式：r"应在(\d+)个工作?日内支付"- 自动转换为天数整数禁止行为：
- 猜测缺失参数
- 修改原始金额数值输出示例：
{"parties": {"party_a": {"name": "", "type": ""},"party_b": {"tax_id": ""}},"effective_date": {"raw": "", "iso_format": ""}
}
2. 临床报告结构化
角色：临床数据标准化引擎输入：<病理报告文本>任务：
1. 识别关键实体：- 诊断结论 (必须含ICD编码)- 检验指标 (包含单位)- 用药方案 (剂量+频次)2. 标准化处理：- 将"qd"转换为"每日1次"- 血压值统一为mmHg单位- 肿瘤分期保留TNM原始描述异常处理：
- 无法识别的医学术语标记为UNPARSEABLE
- 矛盾数据添加WARNING注释输出格式要求：
{"diagnosis": {"description": "","icd10": "","certainty": "confirmed/suspected"},"medications": [{"generic_name": "","dose": {"value": "","unit": "" }}]
}
四、高级优化技巧
-
动态条件注入
根据用户提供的<参数提取规则表>动态调整提取策略： <注入变量: current_extraction_rules>实时验证规则： if 参数符合<规则表>的<验证函数>:return 标准化值 else:执行<备用提取方案> -
多模态支持
处理包含文本+表格的数据时： 1. 优先提取结构化表格数据 2. 补充提取文本描述中的额外参数 3. 建立表格与文本的交叉引用关系 -
置信度管理
每个提取参数必须附加： - confidence_score: 基于<置信度计算规则> - evidence: [提取依据的原始文本片段] - validation: [已执行的验证步骤]
五、测试与验证 Prompt
请对以下参数提取器prompt进行质量评估：评估维度：
1. 指令明确性
2. 领域适应性
3. 异常处理完备性
4. 输出可控性改进建议要求：
- 指出模糊指令点
- 建议补充的约束条件
- 推荐更优的提取策略
通过以上方法构建的 prompt 可实现：
- 参数提取准确率提升40%+
- 异常情况处理完备性达90%
- 输出标准化程度100%符合目标schema
关键是要持续迭代优化，建议配合真实数据测试记录prompt在不同场景下的表现，建立prompt版本管理系统。