💡 5 要素详解：
1️⃣ 角色（Role）："你是一名资深文案" — 设定 AI 身份
2️⃣ 任务（Task）："为新款蓝牙耳机写产品介绍" — 明确要做什么
3️⃣ 边界（Constraint）："200 字以内，不要涉及竞品对比" — 限制范围
4️⃣ 格式（Format）："包含 emoji，分 3 段" — 指定输出形式
5️⃣ 示例（Example）："参考苹果官网文案风格" — 给出参考标准

✅ 个人日程 — 可以记录自己重要的日程，提醒你

✅ 习惯打卡 — 创建你学习AI的习惯，提醒你打卡

✅ 打卡分享 — 分享你的学习感受，让更多的人看到你的优先

□ 角色：我有没有设定 AI 的身份？（如"你是一名资深文案"）
□ 任务：我有没有明确要做什么？（如"写产品介绍"）
□ 边界：我有没有限制范围？（如"200 字以内"）
□ 格式：我有没有指定输出形式？（如"分 3 段，包含 emoji"）
□ 示例：我有没有给出参考？（如"参考苹果官网风格"）

import dashscope  # 导入通义千问 SDK

# 设置 API Key（替换成你自己的）
dashscope.api_key = "sk-你的 API Key"

def test_prompt(prompt, max_retries=3):
    """测试单个 Prompt，带重试机制"""
    for i in range(max_retries):  # 重试循环：网络波动时自动重试
        try:
            response = dashscope.Generation.call(
                model="qwen-turbo",      # 使用 qwen-turbo 模型
                prompt=prompt,           # 传入 Prompt
                temperature=0.7,         # 创造性：0.7 平衡模式
                max_tokens=300,          # 最大输出 300 token
                timeout=30               # 超时 30 秒，避免卡死
            )
            return response.output.text  # 返回 AI 回答
        except Exception as e:
            if i == max_retries - 1:
                return f"❌ 调用失败：{str(e)}"
            continue

# === 案例 1：产品文案写作 ===
bad_1 = "写一篇产品文案"  # ❌ 坏 Prompt：没有角色、没有要求
good_1 = """你是一名资深电商文案，有 5 年经验。  # ✅ 角色
任务：为新款降噪蓝牙耳机写产品介绍。      # ✅ 任务
要求：
- 突出降噪、续航、舒适 3 个卖点        # ✅ 边界
- 语气年轻活泼，适合 25-35 岁职场人
- 200 字以内，包含 emoji              # ✅ 格式"""

# === 案例 2：客服回答 ===
bad_2 = "回答用户问题"  # ❌ 坏 Prompt：太模糊
good_2 = """你是一名专业客服，有 3 年经验。     # ✅ 角色
任务：回答用户的退货问题。            # ✅ 任务
要求：
- 语气友好、专业、有耐心
- 先共情，再给解决方案             # ✅ 边界
- 不超过 100 字
- 适当使用 emoji                   # ✅ 格式"""

# === 案例 3：邮件写作 ===
bad_3 = "写一封邮件"  # ❌ 坏 Prompt：没有收件人、没有目的
good_3 = """你是一名商务助理。               # ✅ 角色
任务：给客户写一封催款邮件。          # ✅ 任务
要求：
- 语气礼貌但坚定
- 包含：欠款金额、逾期天数、付款链接  # ✅ 边界
- 分 3 段：问候 + 提醒 + 感谢         # ✅ 格式
- 不超过 150 字"""

# === 案例 4：代码生成 ===
bad_4 = "写个 Python 函数"  # ❌ 坏 Prompt：没有功能说明
good_4 = """你是一名资深 Python 工程师。       # ✅ 角色
任务：写一个函数，计算列表的平均值。    # ✅ 任务
要求：
- 输入：数字列表
- 输出：浮点数平均值
- 处理空列表情况，返回 0           # ✅ 边界
- 添加类型注解和文档字符串
- 包含 3 个测试用例                 # ✅ 格式"""

# === 案例 5：数据分析 ===
bad_5 = "分析这个数据"  # ❌ 坏 Prompt：没有分析维度
good_5 = """你是一名数据分析师。               # ✅ 角色
任务：分析销售数据，找出趋势。        # ✅ 任务
要求：
- 分析维度：时间、地区、产品类别
- 输出：3 个关键发现 + 2 条建议     # ✅ 边界
- 用数据支撑结论
- 分点列出，每点不超过 50 字        # ✅ 格式"""

# === 运行测试 ===
if __name__ == "__main__":
    print("=" * 60)
    print("📊 10 组 Prompt 对比测试")
    print("=" * 60)
    
    test_cases = [
        ("产品文案", bad_1, good_1),
        ("客服回答", bad_2, good_2),
        ("邮件写作", bad_3, good_3),
        ("代码生成", bad_4, good_4),
        ("数据分析", bad_5, good_5),
    ]
    
    for name, bad, good in test_cases:
        print(f"\n{'='*60}")
        print(f"【{name}】")
        print(f"{'='*60}")
        print(f"\n❌ 坏 Prompt：{bad[:50]}...")
        print(f"输出：{test_prompt(bad)}")
        print(f"\n✅ 好 Prompt：{good[:50]}...")
        print(f"输出：{test_prompt(good)}")

💡 代码说明：
• 第 1-2 行：导入库 + 设置 API Key
• 第 4-17 行：测试函数（带重试机制，避免网络波动）
• 第 20-67 行：定义 5 组对比 Prompt（坏 vs 好）
• 第 70-85 行：批量运行测试并打印结果
关键特性：重试机制、超时设置、错误处理

💡 建议：任何任务前，先加"你是一名 XX 专家"

💡 建议：用具体数字，不要用"短"、"简洁"这种模糊词

💡 建议：花 30 秒检查 5 要素，避免返工浪费钱