角色与规则约束提示词

这套方法在解决什么问题

把分析任务从模糊的“分析一下这家公司”变成可检查的约束集合。模型默认输出常常带有通用模板和自由发挥；通过显式声明角色与少量关键规则，可以减少模型在关键口径上的偏离。

操作要点

1. 指定分析角色。 例如在 SRC-CAREER-003 中，作者指定财务分析、审计、估值等方向，而不是只写“分析一下这家公司”。在求职场景下应改为“为岗位面试准备公司事实简报”，避免模型把任务写成投资建议。
2. 把关键规则直接嵌入指令。 对数量不多、必须准确执行的公式或口径，直接写进提示词，例如“所有结论标明来源日期；找不到证据就写未知；不要推测未公开业务”。
3. 把约束变成可检查项。 每条规则都对应一个可以人工核对的产出，例如“标明来源日期”对应报告中每个结论的日期标注。
4. 避免角色堆叠。 同时指定过多角色反而会模糊重点；只保留与当前任务真正相关的方向。

适用与不适用

• 适用：公司财务分析、行业研究、面试前公司事实准备、需要稳定口径的结构化产出。
• 不适用：开放式头脑风暴、创意写作、不需要严格口径的内容任务。

与已有方法的关系

• 思路接近 上传材料优先 + 资料未覆盖时显式标记（Upload-first Boundary Declaration）（Efan404 学习工作流），后者强调“上传材料后未覆盖处显式标记”，与本方法互补，可同时使用。
• 与 分阶段反馈改写剧本法（辐射星球 Jeffrey 剧本分阶段）结构思路相近，但用途不同，不应混用。

来源与限制

• 来源：SRC-CAREER-003，作者原话与视频操作流程，SRC-CAREER-003：用 GPT 分析上市公司财报并形成公司研究报告。
• 限制：作者没有披露模型版本与定制方式，无法把分析质量提升归因到具体机制；即便把公式写入提示词，仍可能被模型代入错误，必须人工复核关键数字。