从你问它答到它主动找你：常驻型 AI 助手的提示词，得按四层结构重写

早上九点，你打开电脑，AI 助手已经在等你汇报工作了：昨天的店铺数据整理好了，三条异常波动标红了，竞品上了两款新品，还有一条客户投诉需要你今天处理。

而你一句话都没问它。

这不是某个科幻设定，是正在发生的产品形态变化：AI 助手从「你问它答」，变成了「它主动找你」。 一批常驻型、主动推送的个人智能体开始出现，它们不再等你开对话框，而是在后台持续运行，按你设定的节奏把结果送到你面前。

这个转变对使用者的影响，比模型能力提升一次还大。因为交互模式变了，提示词的写法就必须跟着变——你过去攒的那些「一次性提问模板」，在这套新模式下大半会失效。

从「提问」到「委托」，差了哪几步

先说清楚两种模式的本质区别。

问答模式里，你提供全部上下文，模型一次性输出结果。提示词的关键是「把问题说清楚」，讲究的是描述精确、约束明确、示例到位。

常驻模式里，你提供的是目标和规则，模型在一段时间内持续观察、判断、执行。提示词的关键变成「把边界划清楚」——什么情况下该动手，什么情况下必须问我，什么情况下什么都别做。

这个差别非常致命。用写问答提示词的思路去配置常驻智能体，最常见的后果就是它要么太安静，一整天不吭声；要么太吵，鸡毛蒜皮都来打扰你。

常驻型提示词的四层结构

经过实践检验，一套能用的常驻智能体配置，应该包含这四层。

第一层：身份与职责边界。 说清楚它是干什么的，同样重要的是说清楚它不干什么。比如「你是我的电商运营助理，只负责数据监控和信息汇总，不得自行修改任何商品信息或价格」。这句「不得」比前面那句「负责」更重要。

第二层：监控清单。 明确列出它要盯的东西。不要用「关注店铺情况」这种模糊表述，要具体到指标、阈值和数据源。比如「每天 9:00 检查昨日 GMV、转化率、退款率，任一指标环比波动超过 15% 立即报告」。

第三层：触发条件与分级。 这是核心。把所有可能的情况分成三档：

• 自动处理：低风险、可逆、有明确规则的操作，比如生成日报、归档邮件
• 通知但不处理：需要你知晓但不紧急的事，比如竞品上新、行业动态
• 紧急打断：可能造成损失的情况，比如库存归零、差评爆发、广告预算异常消耗

第四层：输出格式。 常驻智能体的输出会被你反复扫一眼，格式必须稳定。规定好每条汇报的结构：发生了什么、影响多大、建议怎么办、需要你做什么决定。

一段可以直接改用的配置骨架

下面这段结构你可以按自己的业务替换内容，关键是保留这四层的顺序和颗粒度：

• 身份：你是我的（岗位）助理，负责（具体职责范围）。你不具备的权限包括（列举），遇到这些情况必须停下来问我
• 监控项：每天（时间）检查（指标 A/B/C），数据源是（具体位置）。另外持续关注（事件类型）
• 分级规则：满足（条件一）时直接执行（动作）并记录；满足（条件二）时汇总进日报；满足（条件三）时立即推送并标注紧急
• 汇报格式：每条汇报包含四段——事实描述、影响评估、建议动作、待你决策项。总长度控制在（字数）以内，超过则只报前三重要的
• 沉默规则：没有达到任何触发条件时，不要发送任何消息。宁可漏报，不要噪音

最后那条「沉默规则」特别重要。绝大多数人被常驻智能体劝退，不是因为它没用，而是因为它太吵。

三个高频场景的落地写法

场景一：店铺数据日报。 监控项设为 GMV、转化率、客单价、退款率、广告花费回报率五项；触发条件是任一指标环比波动超 15%，或出现单个商品退款数超过 3 单；汇报格式固定为「异常指标 → 可能原因 → 建议动作」。注意要写「可能原因」而不是「原因」——让它给出推测并标明置信度，不要让它编造确定结论。

场景二：竞品监控。 监控指定竞品的商品页变化、价格调整、新品上架；分级规则里明确「价格调整自动记录，新品上架通知，大幅降价紧急推送」；输出必须带截图或链接，方便你两秒内判断要不要跟。

场景三：内容选题助手。 让它每天扫描指定信息源，按你给出的选题标准打分，只推送评分前三条；写清楚「不推送评分低于阈值的内容」，否则你的收件箱会被平庸选题淹没。

最常见的四个坑

坑一：阈值设得太敏感。 波动 5% 就报警，等于没有报警。先跑一周，统计真实的日常波动幅度，把阈值设在正常波动的两倍以上。

坑二：没有设置沉默规则。 前面说过了，这是劝退头号原因。补上「无触发不发言」，体验立刻改善。

坑三：权限给得太大。 常驻智能体是持续运行的，给它写权限等于把钥匙长期放在别人手里。原则是只读优先，写操作必须经你确认，等跑顺了再逐步放开。

坑四：从不复盘调整。 配置写好后，第一周应该每天花五分钟看一遍它的判断，把误报和漏报的规则改掉。一套好的常驻配置至少要迭代三到四轮才稳定，指望一次写对是不现实的。

一个判断标准：它值不值得常驻

不是所有任务都适合做成常驻智能体。用这三个问题筛：

• 这件事需要持续观察吗？一次性问答能解决的，别做成常驻
• 这件事有明确的触发条件吗？如果你的判断标准是「看情况」，那它判断不了
• 这件事错了代价可控吗？误报会引发重大损失的，先别自动化

三个问题全是「是」，才值得投入时间配置。

和一次性提问相比，成本到底差多少

有人会问：常驻智能体一直在后台跑，是不是比想起来才问一次贵得多？

把账拆开看，结论可能跟直觉相反。

一次性提问的成本是显性的：你问一次，扣一次。但真正的成本藏在人的这边——你要有记得问的意志力，要有把上下文重新组织一遍的时间，要有打开工具、等待回答、再整理进自己系统的动作。一个每天都要看的指标，你坚持手动问两周，第三周大概率就忘了。

常驻智能体的成本是隐性的：它持续运行，持续消耗少量资源。但换来的是不需要你记得。对高频、固定、重复的监控类任务，这个交换极其划算——你省下的不是几分钟，是每天都要做一次决策的那点意志力。

判断标准很简单：这件事你每周要做三次以上吗？ 是，就值得做成常驻；不是，老老实实用问答模式，别为了自动化而自动化。

还有一笔账要算：误报的处理成本。一次误报你要花两分钟去看，一天误报五次就是十分钟，一个月就是五个小时。这就是为什么阈值一定要设得保守——宁可漏掉一个小波动，也不要每天制造五次噪音。 漏报的代价是一次性的，噪音的代价是持续消耗你对这个工具的信任，而信任一旦没了，整套系统就废了。

收尾建议

如果你从没配过常驻智能体，别一上来就搞复杂业务。挑一件最简单、最高频、错了也无所谓的任务开始——比如每天早上汇总行业新闻。跑通一周，摸清它的脾气，再把第二件、第三件加进去。

这个能力真正的价值不在于省时间，而在于把「记得去看」变成了「会来找你」。人的注意力是最稀缺的资源，把监控这件事交出去，你才有精力去做真正需要判断力的事。