Amazon Rufus 是一款客户端应用：亚马逊购物应用中的 AI 购物助手。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我购物前提问」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

我想买【品类】，预算【金额】，主要用途是【用途】。请列出我需要关注的 5 个参数，并说明每个参数怎么选；商品推荐请附上可核对的商品页面。

变化（示意）：输出结构稳定，可以直接按「参数解释清晰可核对」检查。

对比二：一次做完 vs 分步完成

改之前：把「店铺经营问答」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

根据这些数据回答：上周转化率变化的可能原因有哪些？请区分数据能证明的和需要进一步验证的。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「没有绝对化承诺」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

补充练习

商品描述生成

输入：商品参数表和卖点。

根据参数表生成商品标题和描述：标题包含核心品类词，描述分为卖点、规格、使用说明三段，参数表中没有的功能不要写。

检查点：描述没有超出参数表。

合规清单

适用情况：手头有一项业务流程时。

针对这项流程列出需要关注的合规检查点，每项注明依据类型（法规 / 行业标准 / 内部制度）以及需要向谁确认。

验收标准：注明了确认对象。

常见问题：从业者担心责任问题

明确 AI 只做草稿与检索，签字与判断由专业人员负责。

常见问题：输出引用了不存在的条款或文献

只接受能追溯到原文的引用，逐条核对。

常见问题：客户误以为是专业意见

在输出中加入明确提示，并由专业人员审核后再发出。

概念补充：免责声明

说明 AI 输出仅供参考、不构成专业意见的提示。

概念补充：数据驻留

数据存储在指定地区，满足行业或地区监管要求。

适合人群：客服人员

客服人员可以用 Rufus 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

适合人群：销售

销售可以用 Rufus 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

适合人群：电商运营

电商运营可以用 Rufus 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。

写在最后

涉及个人信息、商业机密或受监管数据时，先确认 Amazon Rufus 的数据处理条款，再决定能否使用。

文中提示词和示例仅作示意，实际效果取决于你的材料和 Rufus 当前版本，重要内容请人工核对后再使用。

延伸阅读