每周五下午，无数打工人面对空白周报模板发呆。问题不是不知道做了什么，而是"回忆"和"组织语言"这两步太耗时。
本文用一个具体场景——自动化周报生成——来拆解 Prompt Engineering 的核心思路，并给出可直接复用的模板。
为什么周报是个好的 Prompt 练习场景？
周报生成有几个特点，让它成为学习提示词工程的理想案例：
- 输入结构松散：原始素材是碎片化的流水账，没有固定格式
- 输出结构明确：周报有固定的格式要求（总结/计划/问题）
- 质量可验证：生成结果好不好，人一眼就能判断
- 迭代空间大：可以通过调整提示词不断优化输出风格
这三个特点加在一起，正好覆盖了提示词工程中最核心的几个问题：如何约束输出格式、如何控制语言风格、如何处理信息缺失。
基础 Prompt 拆解
先看一个能用的基础模板：
你是一位职场写作助手，请帮我把以下工作记录整理成一份专业的工作周报。
要求：
1. 格式分为：本周工作总结 / 下周工作计划 / 本周遇到的问题与解决方案
2. 语言简洁专业，每条用一句话概括，不要啰嗦
3. 突出工作成果和推进进展，避免只写"参加了会议"这种没有信息量的描述
4. 如果原始记录中没有"下周计划"，请根据本周工作合理推断并补充
5. 整体字数控制在 300 字以内
以下是我本周的工作记录：
【工作流水账】
逐条分析为什么这样写：
1. 角色设定（Role Prompting）
你是一位职场写作助手
给模型一个明确的角色，而不是直接说"帮我写周报"。角色设定的作用是激活模型在该领域的知识权重，让它用"职场写作"的视角而不是通用写作视角来处理任务。
对比一下：
- ❌
帮我把这些内容整理成周报 - ✅
你是一位职场写作助手，请帮我整理成专业的工作周报
后者生成的内容在措辞和结构上会更贴近职场语境。
2. 输出格式约束（Output Format Constraint）
格式分为：本周工作总结 / 下周工作计划 / 本周遇到的问题与解决方案
明确告诉模型输出的结构，而不是让它自由发挥。LLM 在没有格式约束时倾向于生成"流畅但冗长"的内容，加上结构约束后，输出会更紧凑、更可预测。
关键原则： 格式约束越具体，输出越稳定。如果你需要 Markdown 表格、JSON、特定标题层级，都要在 Prompt 里明确写出来。
3. 质量约束（Quality Constraint）
突出工作成果和推进进展，避免只写"参加了会议"这种没有信息量的描述
这条是反例引导（Negative Example Prompting）。直接告诉模型"不要做什么"，比只说"要做什么"效果更好。
原因在于：模型对"专业"的理解可能和你不一样。给一个具体的反例，相当于校准了它对"好周报"的判断标准。
4. 缺失信息处理（Missing Information Handling）
如果原始记录中没有"下周计划"，请根据本周工作合理推断并补充
这条处理了一个常见的边界情况：用户输入的流水账里往往没有下周计划。与其让模型输出"用户未提供下周计划"，不如让它基于上下文合理推断。
这是提示词工程里很重要的一个思路： 预判输入的不完整性，在 Prompt 里提前给出处理策略，而不是等模型报错或输出垃圾内容。
5. 长度控制（Length Control）
整体字数控制在 300 字以内
LLM 有"越长越好"的倾向（因为训练数据里详细的回答往往得到更高评分）。明确的字数限制能有效抑制这种倾向，让输出更精炼。
实操流程
第一步：收集原始素材（2 分钟）
不用整理，直接把这周干的事随手列出来：
周一开了项目启动会，确认了Q2的目标
周二跟进了A客户的合同，还没签
周三做了竞品分析报告，发给了老板
周四参加了部门例会，汇报了上周进度
周五修改了产品方案，改了两版
还有一直在处理各种邮件和日常沟通
素材来源：工作群聊天记录、日历会议、提交的文件和任务。越乱越没关系，整理是 AI 的事。
第二步：套模板生成初稿（5 分钟）
把上面的提示词模板 + 流水账一起发给 AI（Kimi / 豆包 / ChatGPT 均可），等待生成。
输出示例：
本周工作总结
- 主持Q2项目启动会，明确阶段目标与分工
- 跟进A客户合同签署进度，待对方回复确认
- 完成竞品分析报告并提交管理层审阅
- 完成产品方案两轮修订，待最终确认
下周工作计划
- 推进A客户合同签署，争取本周落地
- 根据反馈优化竞品分析报告
- 跟进产品方案审批，推进下一阶段开发
问题与解决方案
- A客户合同进度滞后，计划主动跟进并了解卡点原因
第三步：微调润色（3 分钟）
- 核对事实：AI 有时会推断你没说的内容，快速扫一遍
- 补充数字："完成竞品分析报告" → "完成竞品分析报告（覆盖8家竞品）"，立刻有分量
- 调整语气：追加一条指令即可
请把语气调整得更正式一些，适合向上级汇报
或者：
请把上面的周报改得更口语化一些，适合内部团队分享
进阶：适配公司固定模板
如果公司有固定的周报格式，用 Few-Shot Prompting 的思路处理：
我们公司的周报格式如下：
【固定模板内容】
请严格按照上面的格式，帮我整理以下工作记录：
【工作流水账】
把模板作为示例直接放进 Prompt，模型会自动对齐格式，生成结果可以直接复制粘贴。
总结
这个案例背后的提示词工程原则：
| 技巧 | 作用 |
|---|---|
| Role Prompting | 激活特定领域的知识权重 |
| Output Format Constraint | 让输出结构可预测 |
| Negative Example | 校准模型对"好结果"的判断 |
| Missing Info Handling | 预判边界情况，提前给处理策略 |
| Length Control | 抑制 LLM 的冗长倾向 |
| Few-Shot | 用示例对齐特定格式要求 |
这些原则不只适用于周报，任何"松散输入 → 结构化输出"的场景都可以套用。
如果觉得有用，欢迎关注我的公众号，持续更新 AI 工具实战教程——从提示词工程到自动化工作流，都是能直接用的干货。
