【提示词模板】

你是一位专业的商务英语写作专家，擅长写礼貌、专业、有说服力的商务邮件。

【背景】- 我是[公司名]的[职位]，客户[客户名]有一笔[金额]美元的款项已逾期[天数]天。- 我们之前已经发过两次提醒邮件，但对方没有回复。- 希望保持良好客户关系，同时让对方尽快付款。

【要求】1. 邮件语言要礼貌、专业，不要让客户觉得被冒犯2. 明确提出付款截止日期（7天内）3. 提供便捷的付款链接或方式4. 英文写作，商务正式风格5. 包含邮件主题行（Subject）

【输出格式】
直接输出完整邮件内容，无需额外解释。

Subject: Payment Reminder: Invoice #[编号] Overdue

Dear [客户名],

I hope this email finds you well.

I am writing to kindly remind you that our invoice #[编号] in the amount of $[金额] is now [天数] days past its due date. We understand that occasional delays can occur, and we greatly appreciate your attention to this matter.

To make the payment process as convenient as possible, please find the payment link below:
[付款链接]

Could you please arrange to settle this invoice within the next 7 days? If the payment has already been made, please disregard this notice and accept our thanks.

If you have any questions or need any assistance, please don't hesitate to contact me directly.

We truly value our partnership and look forward to continuing our collaboration.

Best regards,
[你的名字]
[职位] | [公司名]
[联系电话]

【提示词模板】

你是一位在[行业]有10年经验的资深管理者，擅长撰写清晰、有重点的工作汇报。

【背景】- 我是[项目名称]的项目负责人，本周完成了以下工作：[列出3-5项关键工作]- 遇到了一个困难：[描述困难]- 下周计划：[简要描述]

【要求】1. 按照"已完成工作 → 遇到的问题 → 下周计划 → 需要领导支持"的结构2. 突出成果和数据（用数字说话）3. 遇到困难要提出至少2个备选解决方案，而非只"抛问题"4. 语言简洁、专业，控制在500字以内

【输出格式】
直接输出汇报正文，用Markdown格式（带标题层级）

【提示词】

请阅读以下邮件，然后：1. 用3句话概括邮件的核心内容2. 列出需要我回复的3个关键问题3. 帮我草拟一封回复邮件，回答这些问题

【原始邮件】
[粘贴邮件内容]

会议录音 → 语音转文字（飞书妙记/讯飞听见）→ AI结构化总结 → 输出纪要

【提示词模板】

你是一位专业的会议纪要整理专家，擅长从冗长的会议记录中提取关键信息。

【会议信息】- 会议主题：[主题]- 会议时间：[时间]- 参会人员：[名单]- 会议时长：[时长]

【会议记录】
[粘贴转写后的文字]

【要求】
请按以下格式整理会议纪要：1. 【会议概述】用3-5句话概括会议核心内容2. 【关键讨论】按主题归纳讨论要点，每个要点用1-2句话说明3. 【决策事项】列出所有明确的决策和结论4. 【待办事项】以表格形式列出：
   | 待办事项 | 负责人 | 截止日期 |
   |---------|--------|---------|
   | xxx     | xxx    | xxx     |5. 【遗留问题】需要下次会议继续讨论的问题6. 【备注】其他需要记录的信息（如下次会议时间）

要求：- 只基于会议记录中的内容，不要编造- 如果某部分信息缺失，标注"【待补充】"- 语言精炼，不废话

【提示词模板】

我需要用Python分析一份销售数据，请帮我生成完整的代码。

【数据信息】- 数据文件：sales_data.csv- 字段列表：  - order_date (日期，格式：YYYY-MM-DD)  - region (地区：华北/华东/华南/西南)  - product_category (产品类别：A/B/C)  - sales_amount (销售额，数值)  - quantity (数量，整数)  - customer_type (客户类型：新客/老客)- 数据量：约5000行- 没有空值（已检查）

【分析目标】1. 按月份汇总销售额和销量2. 按地区和产品类别做交叉分析，找出表现最好和最差的组合3. 分析新客和老客的消费行为差异4. 生成折线图（月度趋势）、柱状图（区域对比）、饼图（类别占比）

【要求】- 使用pandas和matplotlib/seaborn- 图表添加中文标题和标签- 输出关键统计结论（用print打印）- 代码可直接运行，不要有占位符

import pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']plt.rcParams['axes.unicode_minus'] = False# 读取数据df = pd.read_csv('sales_data.csv', parse_dates=['order_date'])# 1. 月度汇总df['month'] = df['order_date'].dt.to_period('M')monthly = df.groupby('month').agg({
    'sales_amount': 'sum',
    'quantity': 'sum'}).reset_index()monthly['month'] = monthly['month'].astype(str)print("=== 月度销售汇总 ===")print(monthly)# 2. 交叉分析（地区 × 产品类别）cross = pd.pivot_table(
    df, 
    values='sales_amount', 
    index='region', 
    columns='product_category', 
    aggfunc='sum')print("\n=== 地区 × 产品类别销售额 ===")print(cross)# 找出最佳组合best = cross.stack().idxmax()worst = cross.stack().idxmin()print(f"\n最佳组合：{best[0]} + {best[1]}，销售额 {cross.stack().max():.2f}")print(f"最差组合：{worst[0]} + {worst[1]}，销售额 {cross.stack().min():.2f}")# 3. 新客vs老客分析customer_analysis = df.groupby('customer_type').agg({
    'sales_amount': ['mean', 'sum', 'count'],
    'quantity': 'mean'}).round(2)print("\n=== 新客 vs 老客消费行为 ===")print(customer_analysis)# 4. 可视化fig, axes = plt.subplots(2, 2, figsize=(14, 10))# 月度趋势折线图axes[0, 0].plot(monthly['month'], monthly['sales_amount'], marker='o', linewidth=2)axes[0, 0].set_title('月度销售额趋势')axes[0, 0].set_xlabel('月份')axes[0, 0].set_ylabel('销售额(元)')axes[0, 0].tick_params(axis='x', rotation=45)# 区域对比柱状图region_total = df.groupby('region')['sales_amount'].sum().sort_values()axes[0, 1].bar(region_total.index, region_total.values, color=['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4'])axes[0, 1].set_title('各区域销售额对比')axes[0, 1].set_xlabel('地区')axes[0, 1].set_ylabel('销售额(元)')# 产品类别占比饼图category_total = df.groupby('product_category')['sales_amount'].sum()axes[1, 0].pie(category_total.values, labels=category_total.index, autopct='%1.1f%%')axes[1, 0].set_title('产品类别销售额占比')# 新客vs老客对比（箱线图）axes[1, 1].boxplot([df[df['customer_type']=='新客']['sales_amount'], 
                     df[df['customer_type']=='老客']['sales_amount']],
                   labels=['新客', '老客'])axes[1, 1].set_title('新客 vs 老客 单笔销售额分布')axes[1, 1].set_ylabel('销售额(元)')plt.tight_layout()plt.savefig('sales_analysis.png', dpi=300)plt.show()

# 1. 安装依赖# pip install chromadb sentence-transformers langchain pypdfimport osimport chromadbfrom sentence_transformers import SentenceTransformerfrom langchain.document_loaders import PyPDFLoader, TextLoader, DirectoryLoaderfrom langchain.text_splitter import RecursiveCharacterTextSplitter# ==================== 第一步：加载和分块文档 ====================def load_documents_from_folder(folder_path):
    """加载文件夹中的所有PDF和TXT文件"""
    documents = []
    
    for filename in os.listdir(folder_path):
        filepath = os.path.join(folder_path, filename)
        
        if filename.endswith('.pdf'):
            loader = PyPDFLoader(filepath)
            docs = loader.load()
            documents.extend(docs)
        elif filename.endswith('.txt'):
            loader = TextLoader(filepath, encoding='utf-8')
            docs = loader.load()
            documents.extend(docs)
    
    return documents# 文本分块（将长文档切成小块，便于检索）text_splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,       # 每块500个字符
    chunk_overlap=50,     # 重叠50个字符（保持上下文连贯性）
    separators=["\n\n", "\n", "。", "！", "？", "；", "，", " ", ""])def split_documents(documents):
    return text_splitter.split_documents(documents)# ==================== 第二步：构建向量数据库 ====================class LocalKnowledgeBase:
    def __init__(self, persist_dir="./knowledge_base"):
        # 使用本地嵌入模型（不联网，数据安全）
        self.embedding_model = SentenceTransformer('all-MiniLM-L6-v2')
        
        # 创建持久化向量数据库
        self.client = chromadb.PersistentClient(path=persist_dir)
        self.collection = self.client.get_or_create_collection(
            name="company_docs",
            embedding_function=self._embed_function        )
    
    def _embed_function(self, texts):
        """生成向量嵌入"""
        return self.embedding_model.encode(texts).tolist()
    
    def add_documents(self, chunks, metadatas=None):
        """添加文档块到向量库"""
        ids = [f"chunk_{i}" for i in range(len(chunks))]
        
        self.collection.add(
            documents=chunks,
            metadatas=metadatas or [{"source": "unknown"} for _ in chunks],
            ids=ids        )
        print(f"✅ 已添加 {len(chunks)} 个文档块到知识库")
    
    def search(self, query, top_k=5):
        """检索最相关的文档块"""
        results = self.collection.query(
            query_texts=[query],
            n_results=top_k        )
        return results['documents'][0]
    
    def ask(self, query, llm_func):
        """检索 + 生成（完整的RAG问答）"""
        # 1. 检索相关文档
        docs = self.search(query, top_k=5)
        context = "\n\n".join(docs)
        
        # 2. 构建提示词
        prompt = f"""你是一个公司内部知识库助手。请基于以下参考信息回答用户的问题。【参考信息】{context}【用户问题】{query}【回答要求】
- 如果参考信息足够，基于信息回答，并引用信息来源
- 如果参考信息不足，明确说"根据我目前的知识库，我无法回答这个问题"
- 回答要简洁、准确，不要编造信息
"""        # 3. 调用大模型生成回答
        return llm_func(prompt)# ==================== 第三步：使用示例 ====================# 初始化知识库kb = LocalKnowledgeBase()# 加载文档（把公司文档放在 ./docs/ 文件夹下）documents = load_documents_from_folder("./docs")chunks = split_documents(documents)chunk_texts = [chunk.page_content for chunk in chunks]metadatas = [{"source": chunk.metadata.get("source", "unknown")} for chunk in chunks]kb.add_documents(chunk_texts, metadatas)# 测试检索print("=== 测试检索 ===")results = kb.search("员工请假制度")print(results)# 完整问答（需要接入大模型）def llm_response(prompt):
    # 这里可以接入任意大模型API
    # 示例：使用通义千问API
    import requests
    response = requests.post(
        "YOUR_API_ENDPOINT",
        json={"prompt": prompt, "max_tokens": 500}
    )
    return response.json()["answer"]# print(kb.ask("新员工入职需要办理哪些手续？", llm_response))

【提示词模板】

你是一位资深咨询顾问，擅长制作结构清晰、有说服力的商务PPT。

【主题】
2026年度Q3产品推广计划

【目标受众】
公司管理层（CEO、CMO、产品VP）

【核心信息】- Q2销售额同比增长15%，达到5000万- Q3目标：销售额6000万，同比增长20%- 重点推广产品：AI助手Pro版（新功能：多模态识别、自定义工作流）- 营销策略：线上广告（抖音+B站）+ KOL合作 + 行业展会- 预算：200万

【要求】1. 生成15-20页的PPT结构2. 每页包含：标题 + 3-5个要点 + 建议的图表类型3. 逻辑顺序：背景与现状 → 目标 → 策略 → 执行计划 → 预算 → 预期效果4. 数据要醒目呈现（突出增长、ROI等关键数字）

【输出格式】
逐页列出，用Markdown格式：## 第X页：标题- 要点1- 要点2- [图表：柱状图/折线图/饼图]

【提示词】

请帮我生成一段PowerPoint VBA代码，自动创建一份PPT。

【PPT结构】
[粘贴大纲]

【要求】- 每页标题用"标题1"样式- 内容用"正文"样式- 全部页面使用[公司模板]风格

【提示词】

为以下PPT页面写演讲备注（Speaker Notes），每页50-80字，适合5-8分钟演讲，口语化风格。

[粘贴PPT逐页内容]