C - 情境提供：为模型补充关键信息

在 P.I.C.A. 框架中，如果说角色（P）是专家，指令（I）是任务，那么情境（C）就是完成任务所需的所有背景信息、地图和工具。缺乏情境，即使是最顶级的专家也无法在真空中工作。为 AI 提供充足、准确的情境，是消除歧义、设定边界、确保输出符合我们特定需求的决定性一步。

1. 为什么情境至关重要？

让我们来看一个指令清晰但缺乏情境的例子：

缺乏情境的指令： “你是一位 Python 专家，请写一个函数来验证用户输入的密码强度。”

这个指令本身是明确的，但它遗漏了最关键的信息：“密码强度”的标准是什么？AI 只能根据通用标准进行猜测，比如它可能会默认一个“8位以上，包含字母和数字”的规则。但这很可能不符合你所在项目的具体要求。

现在，让我们为它补充上关键的情境：

补充情境后的指令： “你是一位 Python 专家，请写一个函数来验证用户输入的密码强度。
密码强度规则如下：
最小长度为 12 位。
必须包含至少一个大写字母 (A-Z)。
必须包含至少一个数字 (0-9)。
必须包含至少一个特殊字符（例如 !@#$%^&*）。
函数应返回一个布尔值：如果密码符合所有规则，则返回 True，否则返回 False。”

通过提供一组明确的业务规则作为情境，我们完全消除了 AI 的猜测空间。它现在可以编写一个完全符合我们需求的、精确的验证函数。情境，就是连接通用智能与特定任务之间的桥梁。

2. 情境的类型与提供方法

情境可以分为多种类型，在提示词中，我们通常将它们结构化地提供给 AI。

2.1. 约束条件 (Constraints)

约束条件是为任务划定明确的边界和限制，告诉 AI 什么“不能做”或“必须遵守”。

定义: 明确任务的限制和边界。
示例:
- 技术约束:
  “你是一位 Go 语言专家，请实现一个并发安全的计数器。
  约束条件:
  - 必须使用 sync/atomic 包来实现，禁止使用 sync.Mutex。”
- 业务规则:
  “你是一位电商营销专家，请为我们的夏季促销活动写一封邮件。
  业务规则:
  - 所有正价商品一律 8 折。
  - VIP 会员在 8 折基础上再享 9 折优惠。
  - 促销活动时间仅限本周末。”

2.2. 外部知识 (External Knowledge)

外部知识是指 AI 的通用训练数据中可能不包含或已经过时的特定信息，例如内部文档、会议记录、API 规范、特定的法律条文等。手动将这些信息提供给 AI，是解决特定领域问题的关键。

定义: 提供 AI 可能不知道或无法实时获取的特定信息。

示例: 假设你需要 AI 帮你调用一个内部 API，你可以直接将 API 文档作为情境提供给它。

“你是一位熟悉 OpenAPI 规范的开发者。根据以下 OpenAPI 3.0 规范，为获取用户信息的 /users/{id} 端点生成一个 Python 客户端调用函数。

API 规范:

yaml

paths:
  /users/{id}:
    get:
      summary: Get user by user ID
      parameters:
        - name: id
          in: path
          required: true
          schema:
            type: string
      responses:
        '200':
          description: successful operation
          content:
            application/json:
              schema:
                type: object
                properties:
                  id: 
                    type: string
                  name:
                    type: string
                  email:
                    type: string

”

这种提供外部知识的方式，是“检索增强生成 (Retrieval-Augmented Generation, RAG)”这一高级技术的简化手动版。RAG 的本质就是自动地检索相关信息并将其注入到提示词的情境中。

2.3. 示例数据 (Example Data)

当任务涉及数据格式的转换或理解时，提供具体的输入/输出示例数据是最高效的情境。

定义: 提供输入/输出的格式示例，帮助 AI 理解数据结构。

示例: 你需要将一个 JSON 对象转换为 XML 格式。

“你是一个数据格式转换专家。请将我提供的 JSON 对象转换为 XML 格式。
这是一个输入 JSON 的示例：
json
{
  "user": {
    "name": "John Doe",
    "email": "john.doe@example.com",
    "roles": [
      "admin",
      "editor"
    ]
  }
}
请将其转换为以下格式的 XML：
xml
<user>
  <name>John Doe</name>
  <email>john.doe@example.com</email>
  <roles>
    <role>admin</role>
    <role>editor</role>
  </roles>
<user>
现在，请转换以下 JSON 对象： ...”

3. 边界与失败案例

情境不足: 这是最常见的失败原因。如果你让 AI 调用一个需要 API 密钥的接口，但没有在情境中提供密钥或获取密钥的方法，任务必然失败。
情境过载/无关情境: 指令并非越长越好。在提示词中塞入大量与核心任务无关的信息，可能会分散 AI 的“注意力”，导致它忽略关键指令，甚至产生基于无关信息的“幻觉”。情境信息应该做到相关且简洁。

4. 总结与练习

提供情境的核心是换位思考：“如果我是执行这个任务的专家，我还需要知道些什么才能开始工作？”

情境检查清单

[ ] 业务规则: 是否有必须遵守的特定规则？（例如，折扣、权限、命名规范）
[ ] 技术约束: 是否有技术栈、库版本、代码风格等限制？
[ ] 外部知识: 是否有 AI 不知道的内部文档、API 规范或专业知识需要提供？
[ ] 数据格式: 是否需要提供输入或输出的数据结构示例？
[ ] 边界条件: 是否有需要特别处理的边缘情况？（例如，空值、错误处理）

练习

任务: “你是一位资深前端开发者，请优化我们公司官网的首页。”

这个提示虽然有角色和指令，但几乎完全没有情境。请根据本章所学，列出至少 5 个你认为完成此任务所必需的关键情境信息。

在 GitHub 上编辑此页

C - 情境提供：为模型补充关键信息 ​

1. 为什么情境至关重要？ ​

2. 情境的类型与提供方法 ​

2.1. 约束条件 (Constraints) ​

2.2. 外部知识 (External Knowledge) ​

2.3. 示例数据 (Example Data) ​

3. 边界与失败案例 ​

4. 总结与练习 ​

情境检查清单 ​

练习 ​