分析场景提示词
数据分析
趋势分析
使用场景：分析数据趋势和模式
提示词模板：
请分析以下数据的趋势：
[数据描述或数据]
分析要求：
1. 识别主要趋势
2. 找出异常值
3. 分析原因
4. 预测未来趋势
5. 提供可视化建议
请按以下格式输出：
## 趋势概述
## 主要发现
## 异常分析
## 原因分析
## 未来预测
## 可视化建议示例输入：
请分析以下数据的趋势：
某公司2023年月度销售额（万元）：
1月：120
2月：115
3月：130
4月：145
5月：150
6月：165
7月：160
8月：175
9月：190
10月：185
11月：200
12月：220
分析要求：
1. 识别主要趋势
2. 找出异常值
3. 分析原因
4. 预测未来趋势
5. 提供可视化建议
请按以下格式输出：
## 趋势概述
## 主要发现
## 异常分析
## 原因分析
## 未来预测
## 可视化建议示例输出：
## 趋势概述
2023年公司销售额整体呈上升趋势，从1月的120万元增长到12月的220万元，全年增长83.3%。增长趋势相对稳定，但有季节性波动。
## 主要发现
1. **整体增长强劲**
- 年均增长率约5.2%
- Q1到Q4增长明显
- 下半年增长加速
2. **季节性模式**
- Q1（1-3月）：相对平稳
- Q2（4-6月）：开始加速
- Q3（7-9月）：持续增长
- Q4（10-12月）：达到峰值
3. **关键转折点**
- 4月开始明显增长（+12.1%）
- 9月达到190万元新高
- 12月创全年最高220万元
## 异常分析
1. **2月小幅下降**
- 从1月120降至2月115（-4.2%）
- 可能原因：春节假期影响
2. **7月小幅回落**
- 从6月165降至7月160（-3.0%）
- 可能原因：季节性调整或市场波动
## 原因分析
1. **市场扩张**
- 新产品线推出
- 市场份额增加
- 客户基础扩大
2. **季节性因素**
- Q4通常是销售旺季
- 年底促销活动
- 预算周期影响
3. **运营优化**
- 供应链改善
- 营销策略优化
- 销售团队扩张
## 未来预测
基于当前趋势，预测2024年：
1. **保守预测**
- 年增长率：15-20%
- 年销售额：250-260万元
2. **乐观预测**
- 年增长率：25-30%
- 年销售额：270-285万元
3. **关键假设**
- 市场环境稳定
- 无重大竞争变化
- 持续投入营销
## 可视化建议
1. **趋势线图**
- X轴：月份
- Y轴：销售额
- 添加趋势线
2. **季节性分解图**
- 展示趋势、季节性、残差
3. **同比增长图**
- 对比2022年同期数据
- 突出增长模式
4. **预测区间图**
- 展示预测范围
- 标注置信区间注意事项：
- 提供完整的数据背景
- 说明数据的时间范围
- 考虑外部因素影响
- 验证预测的合理性
变体建议：
- 要求对比多组数据
- 询问特定影响因素
- 要求添加数据清洗建议
对比分析
使用场景：比较不同选项或方案
提示词模板：
请对比分析以下[选项/方案]：
[选项1描述]
[选项2描述]
[选项3描述]
对比维度：
1. [维度1]
2. [维度2]
3. [维度3]
请提供：
1. 对比表格
2. 优缺点分析
3. 适用场景
4. 推荐建议示例输入：
请对比分析以下三种云服务提供商：
AWS：
- 市场份额：32%
- 主要优势：服务全面、成熟稳定
- 价格：中等偏高
- 学习曲线：陡峭
Azure：
- 市场份额：23%
- 主要优势：企业集成好
- 价格：中等
- 学习曲线：中等
Google Cloud：
- 市场份额：10%
- 主要优势：AI/ML能力强
- 价格：灵活
- 学习曲线：平缓
对比维度：
1. 成本
2. 功能
3. 易用性
4. 生态系统
请提供：
1. 对比表格
2. 优缺点分析
3. 适用场景
4. 推荐建议示例输出：
## 对比表格
| 维度 | AWS | Azure | Google Cloud |
|------|-----|-------|--------------|
| 成本 | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 功能 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 易用性 | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 生态系统 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
## 优缺点分析
### AWS
**优点**：
- 服务最全面，几乎涵盖所有云服务
- 成熟稳定，可靠性高
- 庞大的社区和生态系统
- 丰富的文档和教程
**缺点**：
- 价格相对较高
- 界面复杂，学习曲线陡峭
- 定价模型复杂
**适用场景**：
- 大型企业
- 需要全面服务的项目
- 对稳定性要求高的场景
### Azure
**优点**：
- 与Microsoft产品集成好
- 企业级支持强大
- 混合云解决方案优秀
- 定价相对透明
**缺点**：
- 某些服务不如AWS成熟
- 生态系统略小
- 文档质量参差不齐
**适用场景**：
- 使用Microsoft技术栈的企业
- 需要混合云解决方案
- 企业级应用
### Google Cloud
**优点**：
- AI/ML能力最强
- 定价灵活，性价比高
- 界面友好，易于使用
- Kubernetes原生支持
**缺点**：
- 市场份额较小
- 某些企业级功能不足
- 生态系统相对较小
**适用场景**：
- AI/ML项目
- Kubernetes应用
- 初创公司
## 推荐建议
### 选择AWS如果：
- 需要最全面的服务
- 企业级应用
- 对稳定性要求极高
- 有充足的预算
### 选择Azure如果：
- 使用Microsoft技术栈
- 需要混合云
- 企业级支持需求强
- 预算适中
### 选择Google Cloud如果：
- AI/ML项目为主
- 使用Kubernetes
- 预算有限
- 追求易用性注意事项：
- 提供客观的对比
- 考虑不同场景需求
- 说明数据来源
- 提供具体建议
变体建议：
- 要求添加成本计算
- 询问迁移建议
- 要求添加风险评估
文本分析
情感分析
使用场景：分析文本的情感倾向
提示词模板：
请分析以下文本的情感倾向：
[文本内容]
分析要求：
1. 整体情感（正面/负面/中性）
2. 情感强度（1-10分）
3. 关键情感词
4. 情感变化
5. 情感原因
请按以下格式输出：
## 情感概述
## 情感强度
## 关键情感词
## 情感变化
## 情感原因示例输入：
请分析以下文本的情感倾向：
"这款产品真的让我很失望。虽然设计很漂亮，但是功能太少了，而且价格还这么贵。客服态度也不好，问个问题半天不回复。本来很期待，现在后悔买了。"
分析要求：
1. 整体情感（正面/负面/中性）
2. 情感强度（1-10分）
3. 关键情感词
4. 情感变化
5. 情感原因
请按以下格式输出：
## 情感概述
## 情感强度
## 关键情感词
## 情感变化
## 情感原因示例输出：
## 情感概述
整体情感：负面
用户对产品整体非常不满意，虽然承认产品的某些优点（设计），但主要表达的是失望和后悔的情绪。
## 情感强度
情感强度：8/10
情感强度较高，用户使用了强烈的负面词汇（"失望"、"后悔"），表达了明显的不满。
## 关键情感词
负面词：
- 失望
- 功能太少
- 价格贵
- 态度不好
- 后悔
正面词：
- 设计漂亮
- 期待
## 情感变化
情感轨迹：
1. 期待（"本来很期待"）
2. 失望（"让我很失望"）
3. 不满（"功能太少"、"价格贵"、"态度不好"）
4. 后悔（"后悔买了"）
情感从最初的期待转变为失望，最后到后悔，呈现明显的负面趋势。
## 情感原因
1. **功能不足**
- 用户期望的功能没有实现
- "功能太少"直接导致失望
2. **价格不合理**
- 价格与价值不匹配
- "价格还这么贵"加剧负面情绪
3. **服务体验差**
- 客服响应慢
- "态度也不好"影响整体体验
4. **期望与现实差距**
- "本来很期待"表明用户期望高
- 实际体验与期望差距大导致失望
## 建议
针对这类负面反馈，建议：
1. 改进客服响应速度
2. 增加产品功能
3. 优化定价策略
4. 管理用户期望注意事项：
- 考虑文化差异
- 注意语境和语气
- 分析情感变化
- 提供可行的建议
变体建议：
- 要求分析多篇文本
- 询问情感改善建议
- 要求添加情感可视化
主题提取
使用场景：从文本中提取主要主题
提示词模板：
请从以下文本中提取主要主题：
[文本内容]
提取要求：
1. 识别3-5个主要主题
2. 每个主题提供关键词
3. 说明主题的重要性
4. 提供主题之间的关系
请按以下格式输出：
## 主要主题
## 主题详情
## 主题关系示例输入：
请从以下文本中提取主要主题：
"人工智能正在改变各行各业。在医疗领域，AI帮助医生诊断疾病；在金融领域，AI用于风险评估和欺诈检测；在教育领域，AI提供个性化学习。然而，AI也带来挑战，如隐私保护、就业影响和伦理问题。我们需要平衡AI的利弊，制定合适的政策。"
提取要求：
1. 识别3-5个主要主题
2. 每个主题提供关键词
3. 说明主题的重要性
4. 提供主题之间的关系
请按以下格式输出：
## 主要主题
## 主题详情
## 主题关系示例输出：
## 主要主题
1. AI应用
2. 行业影响
3. 挑战与问题
4. 政策与监管
## 主题详情
### 1. AI应用
**关键词**：诊断、风险评估、欺诈检测、个性化学习
**重要性**：这是文本的核心，展示了AI在不同领域的具体应用，是理解AI价值的基础。
### 2. 行业影响
**关键词**：医疗、金融、教育、各行各业
**重要性**：说明AI影响的广度，强调其变革性作用。
### 3. 挑战与问题
**关键词**：隐私保护、就业影响、伦理问题
**重要性**：平衡AI的积极影响，提醒读者关注潜在风险。
### 4. 政策与监管
**关键词**：平衡、利弊、政策
**重要性**：提供解决方案，引导读者思考如何应对AI挑战。
## 主题关系AI应用 ──→ 行业影响 │ ├──→ 挑战与问题 ──→ 政策与监管 │ └──→ (同时带来机遇和挑战)
**关系说明**：
1. **AI应用 → 行业影响**
- AI的具体应用直接导致行业变革
- 不同行业应用程度不同
2. **AI应用 → 挑战与问题**
- AI应用带来便利的同时也产生问题
- 应用越广泛，挑战越明显
3. **挑战与问题 → 政策与监管**
- 问题需要通过政策和监管解决
- 政策旨在平衡AI的利弊
4. **整体关系**
- AI应用是起点
- 行业影响和挑战是并行结果
- 政策监管是应对措施注意事项：
- 提取的主题要全面
- 关键词要准确
- 说明主题重要性
- 清晰展示主题关系
变体建议：
- 要求提取更多主题
- 询问主题的权重
- 要求添加主题可视化
总结
分析场景提示词可以帮助你：
核心场景：
- ✅ 数据分析：趋势分析、对比分析
- ✅ 文本分析：情感分析、主题提取
最佳实践：
- 提供完整的数据或文本
- 明确分析要求和维度
- 要求结构化的输出格式
- 验证分析结果
- 建立自己的分析框架
记住：
- 分析结果需要人工验证
- 考虑多角度分析
- 结合领域知识
- 持续优化分析方法