提示词模板：把研究任务讲清楚

一份好的任务说明书，能让 AI 少翻车、你少返工

提示本页你会得到什么

一套可直接复制套用的提示词：任务说明书的六要素、每次对话开头的「背景卡片」，以及三个常见场景模板。每个代码框右上角都有复制按钮，点一下即可粘贴给 OpenCode 或网页版 AI。

1 任务说明书的六要素

无论用对话式 AI 还是执行型 Agent，一份好的任务说明都应包含六个要素：

  1. 目标：一句话说清要得到什么结果。
  2. 输入：数据文件、说明文档、已有代码的路径。
  3. 输出：结果以什么形式交付（脚本、report.md、图表），放哪个文件夹。
  4. 修改边界：不许动的东西（如原始数据 data/ 不得修改）、不许删的文件。
  5. 风格要求：中文注释、相对路径、变量命名规范等。
  6. 验收标准：怎样才算做对了（如「回归表能对上样本量」「图能重画出来」）。

两条通用纪律，写进说明书能显著减少翻车：

  • 先计划、后修改：复杂任务的第一条指令永远是「先阅读项目结构并列出计划，不要动手改」。
  • 小步修改、逐项检查：一次只改少量文件，改完核对结果，再进行下一步。

2 通用「背景卡片」

每次开新对话时，先粘这一段，避免 AI 忘记你的环境和数据结构：

【项目背景】请记住以下信息，本次对话的所有代码都基于它。
- 项目：<一句话描述>
- 环境：Python（pandas、numpy、matplotlib、statsmodels）；如缺包用 pip 安装
- 数据：data/ 下有 <文件名与列说明>
- 规范：相对路径、中文注释、原始数据不得修改、结果只写入 outputs/
- 当前进度：<已完成什么，正在做什么>
接下来请帮我：…… <本次具体任务> ……

3 场景模板一：数据检查与回归

适合「一批数据 + 一个分析目标」的常规任务（本站案例用的就是它的骨架）：

# 任务：数据检查与回归分析

## 目标
基于 data/ 下的数据，完成数据检查并跑出基准回归，输出可复现的脚本与结果说明。

## 输入
- data/*.csv：原始数据（切勿修改）
- README.md：变量口径与分析要求

## 输出
- outputs/check.py：数据检查脚本
- outputs/analysis.py：回归与作图脚本
- outputs/report.md：结果说明，指出看哪一行、哪个系数

## 处理要求
- 数据检查：行列数、数据类型、缺失值、描述统计
- 回归：<写清被解释变量、核心解释变量、是否取对数、控制变量、用什么模型>
- 路径一律相对路径；不要写死绝对路径

## 修改方式
- 先阅读数据与 README，列出清洗与建模计划，等我确认后再执行
- 改完逐个文件说明改了什么

4 场景模板二：把报错交给 AI 排查

跑代码报错时，别自己硬猜，把报错原文交给 AI：

我在运行下面这段代码时报错了，请帮我定位原因并给出修好的代码。
- 我的环境：Python 3.12（Anaconda 虚拟环境），Windows
- 我运行的命令 / 代码：<粘贴命令或代码>
- 完整报错信息：<从第一行到最后一行，原样粘贴>
请先说清报错的根本原因，再给出修改后的完整代码，并说明改了哪里。

5 场景模板三：生成图表并整理结果

请基于 outputs/ 里已有的分析结果，做两件事：
1. 画一张 <描述图的类型、横纵轴、分组/着色>，保存到 outputs/<文件名>.png，
   要求：坐标轴有中文/英文标签、图例清晰、分辨率适合放进文档。
2. 把这张图的解读补进 outputs/report.md，用一两句话说清图说明了什么。
不要修改已有的数据和分析脚本。

更完整的任务说明书示例，见案例项目里的 README.md（实操案例）。把这些模板换成你自己的数据和研究问题，就能直接用在真实项目里。