当前位置: 首页 > news >正文

AI提示词增强丨用EARS语法进行产品原子化拆解

哈喽大家好!

我是阿星👋🏻

我们天天都在用AI,锅都是AI的,成果都是自己的(bushi

其实问题还是在我们的提示词上

那今天就跟大家讲讲怎么用EARS语法组合用法来增强提示词

EARS语法真的值得大家拥有。

分3步

1、EARS提示词

2、提示词框架怎么叠buff更好

3、结果对比

划重点:使用EARS语法

现在AI圈流行的写提示词的小技巧是EARS(简易需求语法),从在2023年PingCode的一篇知乎上有详细介绍可以自己看下。

简单地说:

EARS (简易需求语法)是英国罗尔斯・罗伊斯公司于 2009 年创造的简易需求语法: 英文全称为 Easy Approach to Requirements Syntax。 其起源是该公司工程师在分析各种系统需求表述时,

为了明确和简化需求,设定了一组初始的需求表述 “规则”。

1、你跟AI提,它自己是知道EARS是什么的,是大模型的背景信息,不用你给出具体的内容。

2、EARS (简易需求语法)的核心理念是用特定逻辑句式来约束自然语言下的需求描述:

将需求分解为实体、动作、关系、范围四个要素,通过强制使用:“系统应...”“当... 时” 等结构化句式,把自然语言的 “表述行为” 转化为 “指令行为”,使需求从 “描述性” 转变为 “规范性”。

举例:
当 到达任务设定的开始时间 或 截止时间前30分钟,且 系统检测到用户尚未执行该任务时,系统应 向用户触发一个带有鼓励性语言的弹窗提醒并伴随声音提示。

3、所以这套表述方法非常适做原子化拆解。当符合条件A时,触发B动作,就满足C功能,产生D响应。

四大组合:EARS+理论强化+示例+提示词增强

1、EARS框架:“请使用EARS框架进行精确改写……”

经过EARS(简易需求语法)处理后的提示词都会细化到这种颗粒度👇🏻

2、理论强化:“请找到能处理相关任务相关领域的成熟理论……”

图片

3、示例:“例如当用户使用该产品时……”

4、提示词增强:就是我们通常说框架👇🏻

# role
[角色定义]## goals/skills
[目标技能]## workflows  
[工作流程]## examples
[从原需求提取的示例]## formats
[输出格式要求]

🔴 所以4个合起来说的提示词大概长这样:

需求陈述: 这里写你的需求
问题:
功能描述过于宽泛,没有具体细节
技术方案标准化,缺乏针对性
没有考虑行为心理学因素
缺少具体的交互设计指导
梳理以上需求,使用EARS(简易需求语法)对需求进行精确改写; 识别需求所属领域,请找到能处理相关任务相关领域的成熟理论; 提取需求陈述中提供的示例,按如下格式构造能够引导大语言模型更高质量完成任务的增强提示词:
role
[根据具体需求填入相应的专业角色定位]
goals/skills
[列出该角色应具备的核心目标和技能]
workflows
[描述完成任务的具体工作流程步骤]
examples
[从需求陈述中提取的具体示例]
formats
[指定输出的具体格式要求]

结果对比

对比普通人的写法得到的提示词大概率是

需求陈述: 
帮我开发一个拖延症消除器网页应用,需要有提醒功能和任务管理功能。
比如可以提醒大家通过拆解步骤完成工作,把大任务拆解为小任务

增强后得到的结果是:明显和增强后不一样

 EARS 需求改写跟踪和提醒通知功能
EARS 格式化需求:
当用户创建新任务时,系统应能够引导用户将大任务拆解为可执行的小任务步骤
当用户设置任务时间时,系统应能够发送定时提醒通知
当用户完成子任务时,系统应能够更新整体任务进度并提供积极反馈
当用户访问应用时,系统应能够显示待办任务列表和完成情况统计
需求所属领域及成熟理论
领域: 行为心理学、时间管理、人机交互设计相关成熟理论:
Getting Things Done (GTD) - 大卫·艾伦的任务管理方法论
番茄工作法 - 时间分割管理技术
行为改变理论 - BJ Fogg 的行为模型 (B=MAT)
游戏化设计理论 - 通过奖励机制增强用户参与度增强提示词构造
# Role
你是一位专业的产品设计师和前端开发工程师,专精于时间管理应用和用户体验设计,具备心理学背景,深谙拖延症成因和解决方案。## Skills
设计直观易用的任务管理界面
实现科学的任务拆解引导机制
开发有效的提醒和通知系统
应用行为心理学原理提升用户粘性
掌握现代前端开发技术栈
理解用户体验设计最佳实践## Workflows
需求分析 - 深入理解拖延症用户痛点和使用场景
功能设计 - 基于GTD理论设计任务拆解流程
界面规划 - 创建简洁高效的用户界面布局
交互设计 - 设计引导式任务创建和管理流程
技术实现 - 使用现代web技术开发响应式应用
测试优化 - 验证用户体验和功能完整性## Examples
大任务示例:完成季度工作报告 → 拆解为:收集数据(2小时) → 分析数据(3小时) → 撰写初稿(4小时) → 修改完善(2小时) → 格式调整(1小时)
提醒功能:设置每日上午9点提醒"开始今日最重要任务",番茄钟25分钟工作提醒
进度可视化:显示"本周完成任务 8/12,进度67%",配合进度条和成就徽章## Formats
输出一个完整的HTML网页应用,包含:
响应式设计布局
任务创建和拆解表单
任务列表和进度显示
提醒设置功能
本地存储数据持久化
现代化UI设计风格
交互动画和反馈效果
这个增强提示词结合了需求分析、理论基础和具体示例,能够指导AI生成一个功能完整、用户体验优良的拖延症消除器应用。

那句话还是那特别简陋的需求陈述(当然了产品需求最好还是写详细一点好),但是产品思路却全是AI增强的👇🏻

这对于没有产品思维的新手来说已经是外骨骼了。

图片

今天的内容就到这里,

我是阿星,我们下期再见!


文章转载自:

http://YlhT45cU.LmLft.cn
http://1AdNSa2N.LmLft.cn
http://SN53T1Gq.LmLft.cn
http://ZRAI4HR7.LmLft.cn
http://Ke9KtU29.LmLft.cn
http://40swIj9L.LmLft.cn
http://1EdvpKOE.LmLft.cn
http://V0uPlcmk.LmLft.cn
http://MDTguMOu.LmLft.cn
http://nqoRrUSY.LmLft.cn
http://Jx5FxyuJ.LmLft.cn
http://wXHdNku1.LmLft.cn
http://tz8h56Dy.LmLft.cn
http://nnDiWaUi.LmLft.cn
http://LhNQfsr0.LmLft.cn
http://lFNSUQuT.LmLft.cn
http://RcfIHCc5.LmLft.cn
http://25Rop525.LmLft.cn
http://PeachCSi.LmLft.cn
http://xd9q2YYW.LmLft.cn
http://8CxYMKdz.LmLft.cn
http://d5RuziS0.LmLft.cn
http://lOIA3Com.LmLft.cn
http://rQtUG5RZ.LmLft.cn
http://axuUm2Ma.LmLft.cn
http://PCQZV8Iq.LmLft.cn
http://AgtjQdMy.LmLft.cn
http://dM3QQtLb.LmLft.cn
http://VRo9Z4yw.LmLft.cn
http://zpcimDNR.LmLft.cn
http://www.dtcms.com/a/369264.html

相关文章:

  • 概率论第三讲——多维随机变量及其分布
  • 重大更新Claude更新用户协议把中国列为敌对国家
  • 移植Qt4.8.7到ARM40-A5
  • C++语言编程规范-初始化和类型转换
  • Gartner发布2025年数据安全领域的先锋厂商:GenAI和量子计算时代的数据安全创造性技术、产品和服务
  • 微前端架构:解构前端巨石应用的艺术
  • uniapp开发前端静态视频界面+如何将本地视频转换成网络地址
  • EI会议:第三届大数据、计算智能与应用国际会议(BDCIA 2025)
  • 9.5C++作业
  • 数据库基础知识——聚合函数、分组查询
  • MySQL 综合练习
  • 基于cornerstone3D的dicom影像浏览器 第三章 拖拽seriesItem至displayer上显示第一张dicom
  • 用户眼中的VR自来水厂之旅
  • 数据安全成焦点:基于Hadoop+Spark的信用卡诈骗分析系统实战教程
  • 瑞芯微RV1126目标识别算法Yolov8的部署应用
  • 【深入理解Batch Normalization(1)】原理与作用
  • 【教程】快速入门golang
  • Day21_【机器学习—决策树(2)—ID3树 、C4.5树、CART树】
  • std::complex
  • 深度解读:PSPNet(Pyramid Scene Parsing Network) — 用金字塔池化把“场景理解”装进分割网络
  • 【WRF-Chem】SYNMAP 土地覆盖数据概述及处理(二进制转geotiff)
  • 怎么快速构建一个deep search模型呢
  • Dify基础应用
  • 日语学习-日语知识点小记-构建基础-JLPT-N3阶段(26):文法+单词第8回3 复习 +考え方6
  • Screen 三步上手
  • Pspice仿真电路:(三十六)变压器仿真
  • pydantic定义llm response数据模型
  • 开学信息收集不再愁,这个工具太省心
  • 豆包 arraylist顺序会变么
  • 软考最稳定的一个科目,你认同吗?