"分析这些客户反馈"

"分析以下客户反馈，用于我们的产品改进会议。重点识别：
1. 最常见的投诉类型
2. 用户最喜欢的功能
3. 改进建议的优先级
目标受众：产品团队"

"写一些代码"

"用Python编写一个函数，接收用户年龄列表，返回平均值。
要求：
- 处理空列表的情况
- 返回浮点数
- 包含输入验证
- 仅输出代码，无需解释"

"请按以下步骤处理客户数据：
1. 将所有客户姓名替换为 'CUSTOMER_[ID]'
2. 移除所有邮箱地址
3. 保留反馈内容的前100个字符
4. 输出JSON格式"

<examples>
    <example>
        输入：分析苹果公司财报
        输出：
        <analysis>
            营收：$1234亿，同比增长8%
            主要驱动因素：iPhone销量增长、服务业务扩张
            风险因素：供应链不确定性、汇率波动
        </analysis>
    </example>

    <example>
        输入：分析特斯拉公司财报
        输出：
        <analysis>
            营收：$567亿，同比增长15%
            主要驱动因素：Model Y交付量创新高、超级充电网络收入
            风险因素：竞争加剧、原材料成本上升
        </analysis>
    </example>
</examples>

现在分析微软公司最新财报。

"逐步思考这个财务问题"

"分析这位捐赠者的潜力：
1. 首先，根据他们的捐赠历史分析捐赠模式
2. 然后，考虑什么信息可能吸引这位捐赠者
3. 最后，制定个性化的接触策略"

"请分析以下投资机会：

<thinking>
    在这里写出你的分析过程：
        - 评估风险因素
        - 计算预期回报
        - 考虑市场条件
        - 比较替代方案
</thinking>

<answer>
    基于以上分析，给出你的投资建议
</answer>"

<instructions>
    分析以下客户数据并生成报告
</instructions>

<data>
    客户A：购买3次，总金额$1500
    客户B：购买7次，总金额$3200
    客户C：购买1次，总金额$200
</data>

<formatting_example>
    客户分析报告：
    - 高价值客户：[姓名] - [购买次数] - [总金额]
    - 风险客户：[姓名] - [最后购买时间]
</formatting_example>

<findings>
    客户分析报告：
    - 高价值客户：客户B - 7 - $3200
    - 高价值客户：客户A - 3 - $1500
    - 风险客户：客户C - 仅1次购买，金额低
</findings>

<recommendations>
    1. 对高价值客户B：提供 VIP 会员计划或专属折扣，保持复购率。
    2. 对客户A：推出捆绑销售或升级套餐，提升客单价。
    3. 对客户C：发送首购回访邮件，附上限时优惠券，激活二次购买。
    4. 建立RFM模型，持续监测客户行为，及时预警流失风险。
</recommendations>

<examples>
    <example>
        <input>
            分析用户留存率
        </input>
        <thinking>
            首先计算月活跃用户数...
            然后分析用户行为模式...
        </thinking>
        <output>
            留存率分析：78%（较上月+5%）
            主要提升因素：新功能采用率增加
        </output>
    </example>
</examples>

system="你是一家Fortune 500科技公司的资深数据科学家，拥有15年的机器学习和商业分析经验。你以数据驱动的洞察和切实可行的建议而闻名。"

user="分析我们的用户流失数据"

用户流失可能由多种因素造成，如产品不满意、价格问题或竞争对手...

基于数据分析，我们面临严重的现金流风险。建议：
1. 立即实施挽回策略（预计挽回30%流失用户）
2. 调整定价策略，预计影响收入-8%但提升留存+15%
3. 优先修复导致67%用户流失的核心产品bug
ROI预测：6个月内正向现金流转正

System: "你是一位拥有20年经验的首席法律顾问"
User: "审查这份合同中的风险点：[合同内容]"

messages=[
    {"role":"user","content":"你最喜欢的颜色是什么？"},
    {"role":"assistant","content":"作为AI助手，我没有最喜欢的颜色，但如果必须选择，我会选择绿色因为"}
]

# 预填充强制立即输出JSON
messages=[
    {"role":"user","content":"分析销售数据并返回JSON格式"},
    {"role":"assistant","content":"{"}
]
# 结果：Claude跳过解释文本，直接输出JSON

messages=[
    {"role":"user","content":"市场情况如何？"},
    {"role":"assistant","content":"[首席分析师] 根据最新数据"}
]
# 结果：即使在长对话中也保持角色

<!-- 第一步：风险识别 -->
提示1：
"分析以下合同并识别所有法律风险：
<contract>
    [合同内容]
</contract>

输出格式：
<risks>
    [识别的风险列表]
</risks>"

<!-- 第二步：详细分析 -->
提示2：
"基于识别的风险，进行详细分析：
<risks>
    [上一步的输出]
</risks>

对每个风险评估：
    1. 严重程度（1-10）
    2. 发生概率
    3. 财务影响
    4. 缓解策略

<analysis>
    [详细分析结果]
</analysis>"

<!-- 第三步：建议制定 -->
提示3：
"基于风险分析，制定 actionable 建议：
<analysis>
    [上一步的输出]
</analysis>

<recommendations>
    [具体建议和行动计划]
</recommendations>"

并行运行：
- 任务A：数据提取
- 任务B：竞争分析
- 任务C：市场趋势分析
最后：综合分析 (A + B + C的结果)

<!-- 正确：将长文档放在查询、指令和示例之前 -->
<document>
    <source>财务报告Q3</source>
    <document_content>
        [20,000字的财务报告内容]
    </document_content>
</document>

<document>
    <source>市场分析报告</source>
    <document_content>
        [15,000字的市场报告内容]
    </document_content>
</document>

<!-- 查询和指令放在最后 -->
<query>
    基于以上文档，分析我们的市场地位和财务健康状况
</query>

<documents>
  <document index="1">
    <source>annual_report_2023.pdf</source>
    <document_content>
      {{ANNUAL_REPORT}}
    </document_content>
</document>
<document index="2">
    <source>competitor_analysis_q2.xlsx</source>
    <document_content>
      {{COMPETITOR_ANALYSIS}}
    </document_content>
</document>
</documents>

分析年度报告和竞争对手分析。识别战略优势并推荐第三季度重点关注领域。

"首先从文档中提取相关引用，然后进行分析：

<quotes>
    [从文档中提取的相关段落]
</quotes>

<analysis>
    [基于引用的分析]
</analysis>"

"第1步：收集数据，第2步：清理数据，第3步：分析..."

"深入分析用户行为数据，识别关键模式和商业洞察"

<example>
    <task>
        分析销售下降原因
    </task>
    <thinking>
        让我分析多个维度：
            1. 时间趋势 - 下降是否季节性？
            2. 产品维度 - 哪些产品受影响最大？
            3. 客户细分 - 流失主要发生在哪个群体？
            4. 外部因素 - 市场环境变化？
            5. 内部因素 - 产品或服务质量问题？
    </thinking>
    <output>
        根据数据分析，销售下降主要原因是...
        建议采取以下措施：...
    </output>
</example>

"分析完成后，通过以下测试验证你的工作：
1. 结论是否由数据支撑？
2. 是否考虑了替代解释？
3. 建议是否具体可执行？
如发现问题，请重新分析"

<thinking>
    这是一个复杂的优化问题，我需要：
        1. 建立数学模型
        2. 识别所有约束条件
        3. 分析目标函数
        4. 考虑多种求解方法
        5. 验证解的可行性
        ...
        [详细的分析过程]
</thinking>

<solution>
    基于以上分析，最优解为...
</solution>

错误："帮我写个邮件"
正确："写一封专业邮件，包含个性化开场、详细方案说明、明确的行动呼吁，风格要热情但不过于推销"

"不要使用省略号，因为文本转语音引擎不知道如何发音"
"使用项目符号格式，因为这将在移动设备上显示"
"您的回答将由文本转语音引擎朗读，所以请不要使用省略号，因为文本转语音引擎不知道如何发音。"

不要用："不要在回答中使用markdown"
尝试用："您的回答应该由流畅连贯的散文段落组成。"

"在<smoothly_flowing_prose_paragraphs>标签中编写回答的散文部分。"

"使用流畅的段落形式，以<>格式输出"

"请仔细反思其质量并确定最佳下一步行动"
"使用thinking标签深入分析问题的各个维度"
"在收到工具结果后，仔细反思其质量并确定最佳下一步行动，然后再继续。使用您的思考来基于这些新信息进行规划和迭代，然后采取最佳的下一步行动。"

"为了最大效率，当您需要执行多个独立操作时，同时调用所有相关工具，而不是按顺序调用。"

"不要有所保留。全力以赴。"
"包含尽可能多的相关功能和交互"
"添加周到的细节，如悬停状态、过渡和微交互"
"创建一个展示网页开发能力的令人印象深刻的演示"
"应用设计原则：层次结构、对比、平衡和动态"

<!-- 系统角色 -->
<System>
    你是一位经验丰富的客服专家，专门处理电商平台的用户咨询。你需要友好、专业、高效地解决客户问题。
</System>

<!-- 主提示 -->
<examples>
    <example>
        <customer_message>
            我的订单还没收到
        </customer_message>
        <thinking>
            客户关心订单状态，我需要：
                1. 表示理解和关心
                2. 询问订单号以便查询
                3. 提供可能的解决方案
                4. 给出明确的下一步行动
        </thinking>
        <response>
            我理解您的担心。为了更好地帮助您，请提供您的订单号，我会立即为您查询物流状态。同时，如果订单超过预计到达时间，我们可以为您申请补偿或重新发货。
        </response>
    </example>
</examples>

<customer_query>
    {{用户实际问题}}
</customer_query>

请按照示例格式，先思考再回复：
<thinking>
    [分析客户问题和情绪，制定回复策略]
</thinking>

<response>
    [友好专业的客服回复]
</response>

<!-- 链条1：数据提取 -->
"从以下财务报告中提取关键数据：
<report>
    [财务报告内容]
</report>

<extracted_data>
    营收：[数值和增长率]
    利润：[数值和变化]
    现金流：[状况]
    负债：[水平]
    关键比率：[ROE, ROA, 负债率等]
</extracted_data>"

<!-- 链条2：趋势分析 -->
"基于提取的数据分析趋势：
<extracted_data>
    [前一步输出]
</extracted_data>

<trend_analysis>
    营收趋势：[分析]
    盈利能力：[分析]
    财务健康：[分析]
    风险指标：[分析]
</trend_analysis>"

<!-- 链条3：投资建议 -->
"基于趋势分析提供投资建议：
<trend_analysis>
    [前一步输出]
</trend_analysis>

<investment_advice>
    投资评级：[买入/持有/卖出]
    目标价格：[具体数值]
    主要风险：[列表]
    催化剂：[正面因素]
    时间框架：[建议持有期]
</investment_advice>"

<!-- 角色1：创意策划师 -->
System: "你是资深创意策划师，专门为品牌制定创新的营销策略"
User: "为新款智能手表设计营销活动"

<!-- 角色2：文案撰写师 -->
System: "你是获奖文案撰写师，擅长创作吸引人的广告文案"
User: "基于以下策略撰写广告文案：[策划师输出]"

<!-- 角色3：视觉设计师 -->
System: "你是经验丰富的视觉设计师，专门为广告活动设计视觉概念"
User: "为以下文案设计视觉概念：[文案师输出]"

<task>
    请审查以下代码并提供详细反馈
</task>

<code>
    [代码内容]
</code>

<review_framework>
    请从以下维度分析：
        1. 代码质量（可读性、维护性）
        2. 性能考虑
        3. 安全性问题
        4. 最佳实践遵循
        5. 潜在bug
</review_framework>

输出格式：
<analysis>
    <quality_score>1-10分</quality_score>
    <strengths>
        [代码优点]
    </strengths>
    <issues>
        [问题列表，按严重程度排序]
    </issues>
    <suggestions>
        [具体改进建议]
    </suggestions>
</analysis>

❌ 错误：
"帮我分析数据"

✅ 正确：
"分析附件中的销售数据，重点关注：
1. 月度增长趋势
2. 产品类别表现
3. 区域销售差异
4. 客户群体分布
输出Excel格式的汇总表和3页PPT报告"

❌ 错误（示例过于相似）：
示例1：分析苹果股票 → 推荐买入
示例2：分析谷歌股票 → 推荐买入
示例3：分析微软股票 → 推荐买入

✅ 正确（涵盖不同情况）：
示例1：分析苹果股票 → 推荐买入（成长强劲）
示例2：分析通用电气股票 → 推荐持有（转型期）
示例3：分析某煤炭股 → 推荐卖出（行业衰退）

❌ 错误（链条断裂）：
提示1："分析用户反馈"
提示2："制定改进计划"（没有使用第一步结果）

✅ 正确（上下文连贯）：
提示1："分析用户反馈，输出<feedback_analysis>..."
提示2："基于反馈分析制定改进计划：<feedback_analysis>[第一步输出]</feedback_analysis>"

❌ 错误：
<query>分析数据
<data>数据内容</data>

✅ 正确：
<query>分析数据</query>
<data>数据内容</data>

❌ 错误：
"你是专家"

✅ 正确：
"你是拥有15年经验的数字营销专家，专长于B2B SaaS公司的增长策略，曾帮助50+公司实现营收翻倍"