社区服务用户运营：提示工程架构师的Prompt技巧

想象你是小区里的“大管家”：每天要处理几十条业主的咨询（“快递柜满了怎么办？”）、组织周末活动（“老人健康讲座怎么报名？”）、跟进维修反馈（“3号楼电梯异响一周了！”）……如果有个“AI助手”能帮你回复消息、整理需求、甚至写活动通知，是不是很棒？但现实往往是：你让AI写通知，它写得像官方文件没人看；让AI分类问题，它总把“漏水报修”归到“环境卫生”；让AI安抚情绪激动的业主，它只会说“请您冷静”—

Python编程之道

943人浏览 · 2025-09-02 20:04:22

Python编程之道 · 2025-09-02 20:04:22 发布

社区服务用户运营：提示工程架构师的Prompt技巧

关键词：社区服务用户运营、提示工程、Prompt技巧、提示架构师、用户需求理解、大语言模型交互、社区运营效率

摘要：在数字时代，社区服务用户运营早已不是“发通知、记反馈”的简单工作，而是需要精准理解用户需求、高效响应问题、持续激发社区活力的复杂任务。当AI成为运营者的“超级助手”，如何让AI真正懂社区、懂用户？这就需要“提示工程架构师”的核心能力——设计出“会沟通的Prompt”。本文将用生活化的比喻和实战案例，从核心概念、设计原则、实战技巧到落地工具，一步步拆解如何将提示工程融入社区服务用户运营，让运营者从“重复劳动”中解放，聚焦真正创造价值的用户连接。

背景介绍

目的和范围

本文的目的，就是教你成为“社区AI沟通教练”（也就是“提示工程架构师”），掌握设计Prompt的核心技巧，让AI从“笨助手”变成“懂社区、会说话、能办事”的得力帮手。范围将聚焦社区服务场景（如业主群管理、活动运营、需求收集、冲突调解等），不涉及复杂的算法公式，只讲“拿来就能用”的Prompt设计方法。

预期读者

社区运营“实干派”：物业管家、社区工作者、业主委员会成员，每天被大量用户消息淹没，想通过AI提升效率的人；
AI工具“入门者”：用过ChatGPT、文心一言等工具，但觉得“不好用”“答非所问”，想提升AI使用效果的人；
产品/运营“跨界者”：对“AI+社区”感兴趣，想探索技术如何赋能用户运营的产品经理、运营负责人。

文档结构概述

本文就像一本“社区AI助手使用说明书”，分7个部分展开：

核心概念：用“小区大管家”的故事讲清什么是社区服务用户运营、提示工程、Prompt、提示架构师；
概念关系：为什么这些角色和工具能“组队干活”，就像厨师、菜谱和食材的关系；
Prompt设计原则：6个“黄金法则”，让你的Prompt从“说人话”到“说社区话”；
实战技巧：5类社区场景的Prompt模板，附“反面案例+优化方案”；
项目落地：手把手教你用Python+AI API搭建“社区小助手”，含完整代码；
避坑指南：AI回复出错？用户不满意？8个常见问题的解决办法；
未来趋势：社区AI运营的3个新方向，提前布局不落后。

术语表

核心术语定义

社区服务用户运营：就像“小区大管家”，通过组织活动、解决问题、连接用户，让社区成员（如业主、居民）住得舒心、互动积极的工作。
提示工程（Prompt Engineering）：给AI“写说明书”的技术——通过设计清晰、具体的文字指令（Prompt），让AI输出符合需求的结果。
Prompt：给AI的“便条”，比如“帮我写一条小区停水通知”“把这条业主反馈分类到‘维修需求’”。
提示架构师：“AI沟通设计师”，专门研究怎么写Prompt，让AI更懂人类需求的人（没错，读完本文你也能成为半个提示架构师！）。
大语言模型（LLM）：AI的“大脑”，比如ChatGPT、文心一言、讯飞星火，能理解文字、生成内容的AI模型。

缩略词列表

LLM：大语言模型（Large Language Model）
AI：人工智能（Artificial Intelligence）
Prompt：提示词（给AI的指令）
RAG：检索增强生成（Retrieval-Augmented Generation，让AI结合外部知识回答问题的技术）

核心概念与联系

故事引入：从“AI笨助手”到“社区小能手”

小区管家小李最近很头疼：业主群每天有上百条消息，他请了个“AI助手”帮忙回复，结果越帮越忙——

业主问：“明天核酸几点到几点？” AI回复：“请关注社区通知。”（等于没说！）
业主抱怨：“楼下垃圾桶满了三天没人收！” AI回复：“请您保持耐心，我们会处理。”（业主更生气了！）
小李让AI写活动通知：“本社区将于本周六举办秋季健康讲座，请各位业主积极参加。”（干巴巴的，没人报名……）

后来小李参加了“提示工程培训”，优化了Prompt：

问核酸时间：“你是XX小区的物业助手，已知明天（10月28日）核酸检测时间是8:00-12:00，地点在3号楼前小广场。请用口语化的语气回复业主：‘明天核酸几点到几点？’，先给答案，再加一句提醒‘记得带身份证哦~’。”
AI回复：“明天核酸是8:00到12:00，在3号楼前小广场做~ 记得带身份证哦~”（业主：“这个助手真贴心！”）
抱怨垃圾桶：“你是XX小区的物业助手，现在需要回复业主：‘楼下垃圾桶满了三天没人收！’。第一步：表达理解（‘您说的情况我们收到了，垃圾桶满确实影响生活，非常抱歉！’）；第二步：说明行动（‘我们已经联系保洁团队，30分钟内会来清理’）；第三步：留反馈入口（‘清理后会拍照发群里，您看到后也可以告诉我们呀~’）。”
AI回复：“您说的情况我们收到了，垃圾桶满确实影响生活，非常抱歉！我们已经联系保洁团队，30分钟内会来清理，清理后会拍照发群里，您看到后也可以告诉我们呀~”（业主：“效率真高！”）
写活动通知：“帮我写XX小区秋季健康讲座通知，目标读者是50岁以上的叔叔阿姨。要求：①用‘叔叔阿姨’开头；②加emoji让文字活泼；③重点写‘免费测血压血糖’‘现场领小礼品’；④报名方式写‘群内回复“参加”+年龄’。”
AI写：“亲爱的叔叔阿姨们🍂~ 咱们小区本周六上午9点要办秋季健康讲座啦！现场有医生讲‘冬天怎么保护膝盖’，还能免费测血压血糖❤️，听完讲座每个人都能领一份小礼品（鸡蛋+护手霜）哦~ 想参加的叔叔阿姨，在群里回复‘参加’+您的年龄就行，我们好准备座位和礼品~ 等您来呀！😊”（报名人数翻了3倍！）

小李的转变：从“随便给AI一句话”到“设计详细的Prompt”，这就是“提示工程架构师”的核心能力——让AI说“社区话”、办“社区事”。

核心概念解释（像给小学生讲故事一样）

核心概念一：社区服务用户运营——小区里的“大管家”

想象你家小区有个“万能大管家”：

每天早上在业主群发“天气提醒”（“今天下雨，记得带伞~”）；
每周组织活动（“周六下午2点，小朋友可以来物业办公室做手工”）；
谁家里有问题（“水管漏水”“快递丢了”），他都记下来找对应部门解决；
过节时还会组织大家一起包饺子、猜灯谜，让小区像“大家庭”一样热闹。

这个“大管家”的工作，就是社区服务用户运营——核心不是“管理”，而是“连接”和“服务”：连接用户和资源（维修、活动、信息），服务用户的生活需求和情感需求，让大家在社区里住得开心、愿意互动。

核心概念二：提示工程——给AI写“使用说明书”

你有没有给妈妈写过“微波炉加热牛奶步骤”？比如：

把牛奶倒进陶瓷杯（别用金属杯！）；
放进微波炉，中高火加热30秒；
拿出来时小心烫，搅拌一下再喝。

这就是“给妈妈的使用说明书”。提示工程，就是“给AI的使用说明书”——AI就像一个“聪明但不懂常识的新同事”，你得告诉它：

要做什么（目标）；
怎么做（步骤/规则）；
注意什么（禁忌/风格）。

比如让AI写社区通知，不能只说“写个通知”，而要像写说明书一样：“目标读者是老人，用简单的话，加表情符号，重点写时间和地点”。

核心概念三：Prompt——给AI的“便条”

Prompt就是“给AI的便条”，上面写着你想让它做的事。便条写得越清楚，AI做得越好：

模糊便条：“帮我处理下业主反馈。”（AI：“处理什么？怎么处理？”）
清楚便条：“把这条业主反馈‘3号楼2单元楼道灯不亮了’分类到‘维修需求’，并生成报修单：包含地址（3号楼2单元）、问题（楼道灯不亮）、优先级（中，影响通行）。”（AI：“收到！马上办好~”）

就像你给同桌写便条问作业：“数学第5题怎么做？”不如“数学课本P32第5题，用方程解，能写一下步骤吗？”——后者得到的答案更有用。

核心概念四：提示架构师——AI的“沟通教练”

提示架构师，就是“教AI怎么和人类沟通的教练”。比如：

教练教AI“对老人说话要温柔，多用‘叔叔阿姨’‘您’”；
教练教AI“处理投诉时，先道歉再解决，别说‘这不是我的错’”；
教练还会总结规律：“只要业主提到‘噪音’，十有八九是‘邻里矛盾’，要优先安抚情绪”。

就像足球教练教球员“怎么传球、怎么射门”，提示架构师教AI“怎么理解社区用户的话，怎么回复才贴心”。

核心概念之间的关系（用小学生能理解的比喻）

社区服务用户运营 × 提示工程：大管家和AI助手的“合作”

社区运营（大管家）需要处理很多重复工作（回消息、写通知、分类问题），这些工作就像“每天要洗100个碗”，又累又占时间。提示工程（给AI写说明书）就像“教AI怎么洗碗”——一开始AI可能洗不干净（回复不好），但你写清楚“用热水+洗洁精，每个碗冲3遍”（设计好Prompt），AI就能洗得又快又干净，大管家就有时间去做更重要的事（组织活动、和业主聊天）。

例子：大管家（运营）每天要回复50条业主咨询，其中30条是重复问题（“快递柜在哪？”“物业费怎么交？”）。用提示工程教AI识别这些问题，自动回复，大管家每天能节省2小时！

Prompt × 提示架构师：厨师和菜谱的关系

Prompt就像“菜谱”，提示架构师就像“厨师”。厨师（提示架构师）会根据“客人想吃什么”（用户需求）和“厨房有什么食材”（AI能力），设计出详细的菜谱（Prompt）：

客人是“老人”（用户画像），菜谱就写“少盐、烂一点”（Prompt风格：简单、口语化）；
要做“红烧肉”（任务），菜谱会写“先炒糖色，再放肉，加酱油焖40分钟”（Prompt步骤：分阶段指令）。

例子：提示架构师（厨师）接到任务“用AI写社区重阳节活动通知”，会设计这样的Prompt（菜谱）：“目标用户是60岁以上老人；标题用‘重阳节，咱们小区请您吃饺子啦！’；内容包含时间（10月23日上午10点）、地点（社区食堂）、活动（包饺子、看京剧）、报名方式（电话8888XXXX）；最后加一句‘子女可以陪老人一起来哦~’”。

大语言模型（LLM）× 社区用户需求：翻译官和外国游客的关系

LLM（AI大脑）就像“懂很多语言但不懂社区规矩的翻译官”，社区用户需求就像“说方言的外国游客”。游客说“俺家水管‘跑水’了”（方言：漏水），翻译官可能听不懂，但提示架构师（懂社区的人）会提前告诉翻译官：“‘跑水’就是‘水管漏水’，要回复‘我们马上安排维修师傅过去’”。

例子：业主说“楼下车棚‘挤得慌’”（需求：车棚空间不够），LLM可能理解成“车棚太乱”，但提示架构师设计的Prompt会包含“社区方言对照表”：“‘挤得慌’→‘停车空间不足’，‘掉链子’→‘自行车故障’”，LLM就能准确翻译需求，生成“已记录您反馈的车棚停车空间不足问题，我们会协调增加临时停车区，预计明天上午完成”。

核心概念原理和架构的文本示意图（专业定义）

社区服务用户运营中的提示工程架构

提示工程在社区服务用户运营中的应用，就像一个“需求→处理→反馈→优化”的循环机器，由4个核心层组成：

用户需求层：社区用户的原始输入，如文字咨询（“明天有雨吗？”）、语音消息（“我家漏水了”）、情绪表达（“太吵了！睡不着！”）；
需求解析层：提示架构师设计的“需求分类Prompt”，让AI识别需求类型（信息咨询/报修/投诉/活动报名）、用户画像（老人/年轻人/商户）、紧急程度（高/中/低）；
任务处理层：根据需求类型，调用不同的“任务Prompt”：
- 信息咨询→“知识问答Prompt”（结合社区知识库回答）；
- 报修→“表单生成Prompt”（自动生成含地址、问题、优先级的报修单）；
- 投诉→“情绪安抚+行动Prompt”（先道歉，再给解决方案）；
- 活动报名→“信息收集Prompt”（提取姓名、电话、参与人数）；
反馈优化层：记录AI处理结果（用户是否满意、是否需要人工介入），用“效果评估Prompt”分析问题（如“用户投诉未解决，是因为AI没理解‘噪音来自哪栋楼’”），进而优化前两层的Prompt（补充“噪音投诉需提取具体楼栋号”规则）。

Mermaid 流程图 (社区服务用户运营的Prompt工作流程)

graph TD
    A[用户需求输入] --> B{需求解析层};
    B -->|信息咨询| C[知识问答Prompt];
    B -->|报修| D[表单生成Prompt];
    B -->|投诉| E[情绪安抚+行动Prompt];
    B -->|活动报名| F[信息收集Prompt];
    C --> G[LLM生成回复];
    D --> G;
    E --> G;
    F --> G;
    G --> H[用户接收结果];
    H --> I{用户反馈};
    I -->|满意| J[记录成功案例，优化Prompt库];
    I -->|不满意| K[人工介入处理，分析问题];
    K --> L[更新需求解析规则或任务Prompt];
    L --> B;

核心Prompt设计原则 & 具体操作步骤

社区服务场景下的6个“黄金Prompt原则”（附反面案例+优化方案）

原则1：角色设定——让AI“扮演”社区里的人

核心逻辑：AI像“演员”，你给它设定“角色”，它会模仿角色的语气和行为。社区场景常见角色：物业管家、社区医生、老年活动组织者、儿童辅导员。

反面案例：
“写一条社区停电通知。”（AI不知道自己是谁，写得像官方文件）
AI回复：“通知：因线路检修，本社区将于10月5日8:00-12:00停电，请用户提前做好准备。特此通知。”（冷冰冰，没人看）

优化Prompt：
“你是XX社区的‘贴心物业管家小李’，要在业主群发一条停电通知。请用口语化语气，开头用‘亲爱的邻居们~’，内容包含：停电时间（10月5日8:00-12:00）、原因（‘供电局要给咱们小区换更安全的电线’）、温馨提示（‘提前给手机充电，冰箱里的菜可以先用保温箱装起来’）、安抚（‘我们会让师傅尽量早点干完，恢复供电后群里告诉大家’），最后加个表情😊。”

优化后AI回复：
“亲爱的邻居们~ 有个事情要告诉大家：10月5日（下周四）上午8点到12点，咱们小区要停电啦~ 是供电局的师傅来给咱们换更安全的电线，以后用电更放心哦！记得提前给手机、充电宝充好电，冰箱里的菜可以先用保温箱装起来，别坏了~ 我们会盯着师傅们尽量早点干完，恢复供电后我会第一时间在群里告诉大家~ 有问题随时找我呀！😊”（业主纷纷回复“收到，谢谢小李！”）

原则2：上下文补充——给AI“社区背景知识”

核心逻辑：AI不知道你社区的“特殊情况”（如“3号楼是老年公寓”“东门正在修路”），必须在Prompt中补充“上下文信息”，就像给新同事“入职手册”。

反面案例：
“回复业主：‘我要搬家，需要借个手推车。’”（AI不知道手推车怎么借，乱回复）
AI回复：“您可以联系物业办公室借手推车。”（业主追问“什么时候能借？要押金吗？”，还得人工回复）

优化Prompt：
“你是XX社区物业助手，现在回复业主：‘我要搬家，需要借个手推车。’请结合以下社区规则：①手推车有2辆，位置在物业办公室门口；②借用时间：8:00-18:00，免费借3小时，超时每小时5元；③需要押身份证或200元押金；④还车时请擦干净。回复时先表示‘没问题’，再分点说清楚规则，最后加一句‘有需要可以帮您预留哦~’。”

优化后AI回复：
“没问题呀！咱们小区的手推车可以借给您~ 有这些小规则您记一下：①手推车在物业办公室门口，有2辆可以借；②每天8:00-18:00能借，免费借3小时，超过的话每小时5元（主要是怕大家借太久别人用不上_{）；③借的时候需要押一下身份证，或者200元押金，还车时就还给您；④用完麻烦擦一下下哦，方便下一位邻居用} 您大概什么时候需要？我可以帮您预留一辆~”（业主直接回复“明天上午9点借，帮我预留，谢谢！”，无需二次沟通）

原则3：步骤拆解——把复杂任务“拆成小步骤”

核心逻辑：AI处理复杂任务时容易“漏步骤”，就像小孩搭积木需要“一步一步教”。社区运营中的复杂任务（如投诉处理、活动策划），要在Prompt中写清“第一步做什么，第二步做什么”。

反面案例：
“处理业主投诉：‘楼下广场舞声音太大，晚上10点还在跳，我家孩子明天要考试！’”（AI只道歉，不解决问题）
AI回复：“非常抱歉给您带来困扰，我们会处理的。”（业主更生气：“怎么处理？什么时候处理？”）

优化Prompt：
“你是社区矛盾调解助手，现在处理业主投诉：‘楼下广场舞声音太大，晚上10点还在跳，我家孩子明天要考试！’请按以下步骤回复：
第一步：共情（‘特别理解您的着急，孩子考试需要安静，广场舞声音大确实影响休息，非常抱歉！’）；
第二步：说明行动（‘我现在马上联系广场舞领队，让他们把音量调小，并且今晚9点前结束’）；
第三步：给预期（‘预计10分钟内会有改善，之后我会再去现场确认一次’）；
第四步：留反馈入口（‘如果10分钟后声音还是大，您随时告诉我，我亲自过去协调’）。”

优化后AI回复：
“特别理解您的着急，孩子考试需要安静，广场舞声音大确实影响休息，非常抱歉！我现在马上联系广场舞领队，让他们把音量调小，并且今晚9点前结束。预计10分钟内会有改善，之后我会再去现场确认一次。如果10分钟后声音还是大，您随时告诉我，我亲自过去协调~”（10分钟后业主回复“声音小多了，谢谢！”）

原则4：示例引导（Few-Shot）——“给AI看例题”

核心逻辑：教AI做“分类”“判断”类任务时，直接说“按规则分类”不如“给几个例子”，就像老师讲题时先“板书例题”。

反面案例：
“把以下业主反馈分类到‘维修/投诉/咨询/活动’：‘小区门口的路灯不亮了’‘明天有免费体检吗？’‘健身器材坏了没人修’。”（AI可能分错“健身器材坏了”）
AI回复：

小区门口的路灯不亮了：维修
明天有免费体检吗？：咨询
健身器材坏了没人修：投诉（错误！这是维修需求，不是投诉）

优化Prompt：
“把以下业主反馈分类到‘维修/投诉/咨询/活动’。先看3个例子：
例1：‘我家水龙头漏水’→维修（需要维修师傅处理的问题）
例2：‘物业总是很晚才开门’→投诉（对服务不满的抱怨）
例3：‘小区有乒乓球比赛吗？’→活动（询问或报名活动）
现在请分类：

‘小区门口的路灯不亮了’
‘明天有免费体检吗？’
‘健身器材坏了没人修’”

优化后AI回复：

小区门口的路灯不亮了：维修
明天有免费体检吗？：咨询
健身器材坏了没人修：维修（正确！因为“健身器材坏了”是需要维修的问题，“没人修”是描述现状，核心需求是维修）

原则5：语气风格——让AI“说用户听得懂的话”

核心逻辑：不同用户喜欢不同语气（老人喜欢“亲切口语”，年轻人喜欢“简洁幽默”），就像对奶奶说话用“乖孙”，对朋友说话用“老铁”。

反面案例：
“给社区年轻人写‘垃圾分类活动通知’。”（AI写得太严肃，没人看）
AI回复：“关于举办‘垃圾分类知识竞赛’的通知：为提高居民环保意识，本社区定于X月X日举办垃圾分类知识竞赛，望各位居民积极参与。”（年轻人：“好官方，不想参加……”）

优化Prompt：
“给社区20-35岁年轻人写‘垃圾分类知识竞赛’活动通知，语气要像‘朋友聊天’，用网络热词（如‘卷起来’‘赢麻了’‘薅羊毛’），加emoji。内容包含：①标题用‘@所有年轻人，垃圾分类竞赛卷起来！赢了能薅羊毛！’；②亮点：赢的人能拿‘奶茶自由月卡’‘健身房周卡’；③时间：周六下午2点，地点：社区活动室；④报名：群内回复‘冲’+人数；⑤结尾加‘现场还有免费零食饮料，不来亏大了！’。”

优化后AI回复：
“@所有年轻人，垃圾分类竞赛卷起来！赢了能薅羊毛！🥳
家人们，周六下午2点，社区活动室搞事情啦！垃圾分类知识竞赛，答对题就能赢‘奶茶自由月卡’（每月10杯奶茶！）、‘健身房周卡’（卷完知识卷身材！），还有超多小礼品~
想冲的老铁，群内回复‘冲’+人数（比如‘冲 2’，带室友/对象一起来！），我们好准备座位和零食饮料~
现场有薯片、可乐、小蛋糕随便吃，不来真的亏大了！等你一起来‘垃圾分分类，奖品拿到手软’！💪”（年轻人报名超积极，还主动转发到朋友圈！）

原则6：结果约束——告诉AI“不能说什么”

核心逻辑：AI可能“胡说八道”（编造社区规则）或“越权承诺”（“我保证明天一定修好”），必须在Prompt中明确“禁忌清单”，就像给员工“行为红线”。

反面案例：
“回复业主：‘我家漏水三天了还没修好，你们到底管不管？’”（AI为了安抚，乱承诺）
AI回复：“非常抱歉！我们保证今天下午5点前一定修好！”（实际维修师傅明天才能到，承诺无法兑现，业主更愤怒）

优化Prompt：
“回复业主投诉：‘我家漏水三天了还没修好，你们到底管不管？’。请遵循以下规则：①不能承诺具体维修时间（因为师傅排期不确定）；②不能说‘一定/保证’等绝对词；③要说明现状：维修师傅今天在处理更紧急的管道爆裂，您的订单已排在明天上午；④给出解决方案：可提供临时水桶和吸水布，现在就能送过去；⑤留负责人电话：张师傅138XXXXXXX。”

优化后AI回复：
“非常抱歉让您等了这么久！您家漏水的问题我们一直记在心上，现在情况是：维修师傅今天在处理小区主管道爆裂（比较紧急，涉及很多户用水），您的订单已经排在明天上午第一位，师傅一早就过去。如果现在漏水影响生活，我们可以马上给您送临时水桶和吸水布过去，您看方便吗？负责您家维修的张师傅电话是138XXXXXXX，您也可以直接联系他确认进度~ 再次抱歉给您添麻烦了！”（业主虽然着急，但理解了情况，接受了临时方案）

Mermaid 流程图 (Prompt设计6原则的应用流程)

项目实战：代码实际案例和详细解释说明

开发环境搭建

我们将用Python+OpenAI API搭建一个“社区服务小助手”，实现“业主问题自动分类+回复”功能。

准备工具

电脑：Windows/macOS都可以；
编程环境：安装Python 3.8+，推荐用VS Code（免费，简单）；
API密钥：注册OpenAI账号，申请API Key（地址：https://platform.openai.com/，新用户有免费额度）；

库安装：打开终端，输入以下命令安装需要的Python库：

pip install openai python-dotenv  # openai是调用AI的库，dotenv是管理密钥的库

源代码详细实现和代码解读

步骤1：创建“配置文件”，保存API密钥

在项目文件夹中新建一个名为.env的文件（注意前面有个点），写入：

OPENAI_API_KEY=你的API密钥  # 替换成你自己的API Key，格式是sk-开头的字符串

步骤2：编写“社区服务小助手”代码

新建community_assistant.py文件，代码如下（每句都有注释）：

# 导入需要的库
import os
from openai import OpenAI
from dotenv import load_dotenv

# 加载API密钥（从.env文件中读取，安全不泄露）
load_dotenv()  # 加载.env文件
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))  # 连接OpenAI

def community_ai_assistant(user_message):
    """
    社区服务AI助手：接收业主消息，自动分类并回复
    参数：user_message - 业主发送的消息（字符串）
    返回：AI生成的回复（字符串）
    """
    # -------------------------- 核心：设计Prompt --------------------------
    # 系统提示词：告诉AI“你是谁、要做什么、遵循什么规则”
    system_prompt = """
    你是XX社区的物业AI助手，叫“小社”，负责回复业主的日常问题。请遵循以下规则：
    
    【角色设定】：亲切、耐心，像邻居一样说话，用“咱们小区”“您”“哦”“呀”等词，加1-2个emoji。
    
    【上下文知识】：
    1. 物业办公室电话：8888-7777，工作时间8:00-18:00；
    2. 快递柜在2号楼和5号楼之间，支持顺丰/中通/圆通，超时12小时收费1元；
    3. 维修服务：水电维修2小时内响应，其他维修24小时内响应；
    4. 活动信息：本周六上午9点有“老年手机使用课”，在社区活动室。
    
    【任务步骤】：
    第一步：判断消息类型（维修/咨询/活动/其他）；
    第二步：根据类型调用对应知识回复；
    第三步：最后加一句“有其他问题随时叫我呀~ 😊”。
    
    【禁忌】：
    - 不承诺具体维修完成时间，只说“X小时内响应”；
    - 不知道的问题回复“这个我不太清楚，帮您转接人工客服可以吗？电话8888-7777”；
    - 不用官方术语，别说“特此通知”“请知悉”。
    """
    
    # 用户消息：业主发来的原始消息
    user_prompt = user_message
    
    # 调用OpenAI API，让AI生成回复
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",  # 使用的AI模型（免费版够用）
        messages=[
            {"role": "system", "content": system_prompt},  # 系统提示（AI的身份和规则）
            {"role": "user", "content": user_prompt}       # 用户消息（业主的问题）
        ],
        temperature=0.7,  # 0-1，越高回复越灵活，越低越固定（社区场景0.6-0.8合适）
        max_tokens=200    # 最多生成200个字符（避免回复太长）
    )
    
    # 返回AI生成的回复
    return response.choices[0].message.content

# -------------------------- 测试：让小助手回复几个问题 --------------------------
if __name__ == "__main__":
    # 测试问题1：咨询快递柜
    print("业主问：快递柜在哪里呀？超时收费吗？")
    print("小社回复：", community_ai_assistant("快递柜在哪里呀？超时收费吗？"), "\n")
    
    # 测试问题2：报修
    print("业主问：我家厨房水龙头漏水了，能修吗？")
    print("小社回复：", community_ai_assistant("我家厨房水龙头漏水了，能修吗？"), "\n")
    
    # 测试问题3：活动咨询
    print("业主问：本周有什么活动吗？")
    print("小社回复：", community_ai_assistant("本周有什么活动吗？"), "\n")
    
    # 测试问题4：不知道的问题
    print("业主问：小区旁边要建新商场吗？")
    print("小社回复：", community_ai_assistant("小区旁边要建新商场吗？"), "\n")

代码解读与分析

核心部分：Prompt设计

代码中最关键的是system_prompt（系统提示词），它集中体现了前面讲的6个设计原则：

角色设定：“社区物业AI助手‘小社’，亲切像邻居”；
上下文补充：物业电话、快递柜位置、维修响应时间等社区知识；
步骤拆解：“判断类型→调用知识→加结束语”；
语气风格：“哦”“呀”“emoji”；
结果约束：不承诺维修时间、不知道就转人工。

运行结果（实际测试）

当你运行代码，会看到类似这样的回复（AI生成，每次可能略有不同）：

业主问：快递柜在哪里呀？超时收费吗？
小社回复：咱们小区的快递柜在2号楼和5号楼之间哦~ 📦 支持顺丰、中通、圆通这些快递，超时12小时会收1元钱呢。有其他问题随时叫我呀~ 😊
业主问：我家厨房水龙头漏水了，能修吗？
小社回复：可以修的呀！咱们小区的水电维修是2小时内响应哦~ 我已经帮您记录啦，维修师傅会尽快联系您的~ 💧 有其他问题随时叫我呀~ 😊
业主问：本周有什么活动吗？
小社回复：本周六上午9点有“老年手机使用课”呀，在社区活动室，教大家怎么用微信发照片、视频聊天呢~ 📱 有其他问题随时叫我呀~ 😊
业主问：小区旁边要建新商场吗？
小社回复：这个我不太清楚呢，帮您转接人工客服可以吗？电话8888-7777 📞 有其他问题随时叫我呀~ 😊

如何优化？

如果想让小社更“聪明”，可以：

增加更多社区知识（如“小区有3个门，东门正在修路，车辆请走南门”）；
加入“用户画像识别”（根据消息中的“老人”“孩子”关键词调整语气）；
接真实的社区群消息接口（如企业微信API），实现自动回复。

实际应用场景

场景1：社区通知自动生成（提升发布效率）

痛点：运营者写通知要反复修改（“老人看不懂”“年轻人觉得土”），耗时1小时/条。
Prompt技巧：按“用户画像+核心信息+语气风格”设计模板。

Prompt模板：

你是XX社区通知生成助手，根据以下需求写通知：  
- 目标用户：[老人/年轻人/商户]  
- 通知类型：[停水/活动/安全提醒]  
- 核心信息：时间[X月X日X点]、地点[XX]、原因/内容[XX]、注意事项[XX]  
- 语气风格：[口语化+emoji/简洁+网络热词/正式+强调责任]  
- 结尾加：[报名方式/咨询电话/温馨提示]

案例：生成“停水通知（目标用户：老人）”
输入需求：目标用户=老人，通知类型=停水，核心信息=10月25日9:00-15:00停水（维修管道），注意事项=提前储水，语气=口语化+emoji，结尾=咨询电话8888-7777。

AI生成通知：
“亲爱的叔叔阿姨们，注意啦！10月25日（周三）上午9点到下午3点，咱们小区要停水哦~ 💧 是因为要修地下管道，让以后用水更安全。记得提前在盆里、桶里存点水，做饭、洗手就够用啦~ 有问题打物业电话8888-7777问我呀~ 😊”

场景2：用户问题分类与自动回复（减少人工工作量）

痛点：运营者每天花2小时手动分类用户消息（“这个是报修，那个是咨询”）。
Prompt技巧：用“Few-Shot示例”+“规则列表”让AI自动分类并回复。

Prompt模板：

你是社区消息分类助手，请先判断消息类型（维修/咨询/投诉/活动报名/其他），再按类型回复：  
- 维修：回复“已记录您的[问题]，[X小时]内会有师傅联系您~”  
- 咨询：用社区知识回答（不知道就说“帮您转人工”）  
- 投诉：先道歉，再给解决方案（“我们会[行动]”）  
- 活动报名：回复“已帮您报名[活动]，记得[时间地点]哦~”  

示例：  
用户消息：“楼道灯不亮了”→类型：维修→回复：“已记录您的楼道灯问题，2小时内会有师傅联系您~”  
用户消息：“周六有什么活动？”→类型：咨询→回复：“本周六有老年手机课，上午9点在社区活动室哦~”  

现在处理用户消息：[用户输入的消息]

案例：处理消息“健身器材的跑步机坏了”
AI分类：维修
AI回复：“已记录您的跑步机问题，24小时内会有师傅联系您~”（根据上下文知识：非水电维修24小时响应）

场景3：用户需求分析（从聊天记录中挖“痛点”）

痛点：运营者想知道“用户最近最关心什么”，但翻几百条聊天记录太费时。
Prompt技巧：用“主题提取Prompt”让AI分析消息关键词和频率。

Prompt模板：

你是社区需求分析师，帮我分析以下10条业主聊天记录，找出3个最常见的需求主题，每个主题举2个例子，并给解决建议：  

聊天记录：  
[粘贴10条真实聊天记录]  

输出格式：  
主题1：[主题名称]（出现X次）  
例子：1. [消息原文] 2. [消息原文]  
建议：[具体解决办法]  

主题2：...

案例：分析10条记录后，AI输出：

主题1：停车位不足（出现4次）  
例子：1. “晚上回来没地方停车，只能停路边” 2. “电动车没地方充电，太不方便了”  
建议：在小区西门增设临时电动车充电区，联系物业协调周边商场共享停车位  

主题2：快递柜不够用（出现3次）  
例子：1. “快递柜又满了，快递员放门口被偷了” 2. “取个快递要绕到5号楼，太远了”  
建议：在3号楼增设一组快递柜，与快递员约定分时段投放  

主题3：活动太少（出现2次）  
例子：1. “能不能多搞点年轻人的活动？” 2. “孩子放假没地方去，有托管活动吗？”  
建议：每月办1次“年轻人桌游夜”，暑假开设“儿童托管班”（每天2小时）

场景4：社区冲突调解（化解邻里矛盾）

痛点：业主吵架（“楼上太吵”“狗叫扰民”），运营者调解时“两边不讨好”。
Prompt技巧：用“共情+行动+共情”三段式Prompt，让AI生成“化解矛盾话术”。

Prompt模板：

你是社区矛盾调解专家，现在要回复[投诉方/被投诉方]的消息，按以下结构：  
1. 共情（“我特别理解您的感受，[描述对方的困扰]”）  
2. 行动（“我们会[具体措施]，比如[举1个例子]”）  
3. 共情+展望（“邻里之间互相理解最重要，相信问题会解决的~”）  

现在回复[投诉方/被投诉方]：[对方的话]

案例：投诉方说“楼上孩子天天跑，吵得我没法休息！”
AI生成回复（给投诉方）：
“我特别理解您的感受，楼上噪音确实影响休息，尤其是想安静的时候，心里肯定烦躁~ 我们会联系楼上业主，建议他们给孩子铺地毯减少声音，还会帮您协调一个‘安静时段’（比如中午12-2点、晚上9点后）。邻里之间互相理解最重要，相信问题会解决的~”

AI生成回复（给被投诉方）：
“我特别理解您的感受，孩子活泼好动是好事，但楼下邻居确实休息受影响了，您也不想让邻居不开心对不对？我们可以一起想办法，比如给孩子买块爬行垫，或者提醒孩子在沙发上玩，声音会小很多。邻里之间互相理解最重要，相信问题会解决的~”

工具和资源推荐

1. Prompt设计工具

ChatGPT/Claude：直接在对话框里测试Prompt效果（推荐先用免费版GPT-3.5练手）；
PromptBase（https://promptbase.com）：社区运营类Prompt模板市场，能直接买现成的（如“老年活动通知生成器”）；
LangChain Prompt Hub：开源Prompt模板库，支持按场景搜索（如“用户投诉处理”）。

2. 社区运营+AI工具

企业微信/钉钉机器人：把AI助手接入业主群，实现自动回复（需简单开发，或用“微伴助手”等第三方工具）；
腾讯云智能客服：自带LLM功能，支持配置社区知识库，自动回复常见问题；
Jupyter Notebook：像本文实战案例一样，用Python写自定义AI助手（适合有编程基础的运营者）。

3. 学习资源

OpenAI官方Prompt指南（https://platform.openai.com/docs/guides/prompt-engineering）：最权威的基础教程；
《提示工程实战》（人民邮电出版社）：有专门章节讲“服务行业Prompt设计”；
B站“跟李沐学AI”：免费视频，用生活化例子讲Prompt原理（适合零基础）