如果你的店铺里还在用一套"亲，有什么可以帮您"的自动回复脚本，趁现在赶紧关掉。这不是说自动客服没用，而是它浪费了一个大模型最擅长的事情：在对话里判断人的意图。我上个月帮一个服饰类目的电商项目做虚拟导购优化，没有换模型，没有换服务商，没有给商品库增加任何新字段，只重写了系统提示词，四周之内，咨询转成交的比例从3.1%升到了4.8%，换算成相对提升就是55%。这个结果让我重新理解了"拟人化"这三个字。
市面上大多数虚拟导购做得像什么？像一台装了语音包的FAQ查询机。你问它"这件衣服会不会缩水"，它给你复制一段商品详情页的洗涤说明；你问它"和别家比怎么样"，它直接宕机或者开始背参数。用户不是讨厌机器，用户是讨厌答非所问，更讨厌那种聊了三轮还在原地绕圈子的体验。
这篇文章把我这次实际用到的提示词结构、几个高频场景的改写方案、对照组实验的设计思路，以及中间踩过的坑都整理了出来。适合正在用大模型做电商客服、虚拟导购、售前咨询的开发者、运营和产品经理参考。我不打算讲太多理论，给的是能直接抄走的东西。
1. 别急着堆提示词，先看清导购为什么"不接茬"
1.1 虚拟导购普遍存在的三个毛病
我把优化前的聊天记录拉了三千条出来，一条条看下去，发现几乎所有流失都出在同一个地方：导购答了问题，但没有推进对话。具体来说是三个毛病。
毛病一：开场白像新闻联播。用户刚进窗口，导购就自动甩出一段"欢迎光临本店，我们专注XX领域XX年，本店所有商品均为正品，全场满300减50，有任何问题请随时咨询"。用户本来想问"这条裙子有没有黑色"，看到这一屏直接关窗口。这不是对话，这是广播。
毛病二：有问必答，但没有一句是接着上一句说的。用户问"A和B哪个好"，导购就把两个商品的详情页轮流贴一遍，最后来一句"亲可以根据自己的喜好选择哦"。用户要的是决策辅助，不是参数轰炸。线下店里的店员绝不会这么干——她会先问你"平时喜欢穿宽松还是修身"，再根据你的回答做取舍。
毛病三：遇到"比较"和"否定"就乱阵脚。用户说"这个价格有点贵"，导购要么装死，要么机械回复"亲我们的价格已经很优惠了呢"。用户说"我看别家也有类似的"，导购直接破防，开始贬低同行或者说"那你可以去别家看看"。这些都是提示词里没写清楚导致的——模型不知道在这种时刻该用什么策略，只能随机发挥。
这三个毛病的根源只有一个：提示词写得像"产品说明书"，而不是"员工手册"。
1.2 拟人化的本质是对话管理，不是语气装饰
很多团队做拟人化，第一反应是加语气词、加表情包、加"亲亲""宝子"。我试过，短期内用户确实会多说两句话，但转化率纹丝不动。原因很简单：用户要的不是一个会说俏皮话的机器，而是一个能帮他把事情办成的对话对象。
拟人化的本质是对话管理。什么叫对话管理？用一个比喻你就懂了。你在线下店试衣服，一个及格线以上的店员会怎么做？她会观察你拿起了什么，问你要什么场合穿，你犹豫的时候她会递上第二件，并解释两件的区别，你嫌贵的时候她会告诉你现在有什么活动、怎么凑单最划算。整个过程她说的每句话都在把对话往前推，而不是停在原地回答你的问题。
大模型天然具备这种能力，但前提是提示词要把"对话往哪个方向推、怎么推、推到什么程度"写清楚。我这次做的所有工作，本质上就是在写一本虚拟导购的《员工手册》，把好店员的那些下意识行为变成可执行的文字规则。
1.3 55%这个数字的真实含义
先把这个数字说透，免得大家有错误预期。55%是相对提升，不是绝对提升。对照组旧提示词的咨询转成交率是3.1%，测试组新提示词是4.8%，差了1.7个百分点，换算成相对提升大约是55%。在一个月四万多次会话的样本量下，这个差异在统计上是显著的，但放到不同的品类、不同的客单价、不同的流量结构里，结果完全可能不一样。
所以我一般不建议团队把"提升55%"当成目标来写PPT，更建议把"对话轮次""转人工率""差评率"这些过程指标一起看。它们才是判断拟人化做没做对的前置信号。后面我会专门讲实验设计，这里先记住一件事：数字是结果，对话质量才是原因。
2. 怎么写提示词：我把它拆成七层"员工手册"
2.1 把提示词当员工手册，而不是命令清单
刚开始我也走过弯路，把提示词写得像API文档，一条一条列"必须做什么、禁止做什么"，写了两千字，模型反而不会说话了。后来我想明白一个道理：你招一个新店员，绝不会甩给他一张"禁止迟到、禁止骂人、禁止玩手机"的罚则清单就让他上岗。你会先告诉他是谁、在什么店、服务什么客人，再带他看老店员怎么处理常见情况，最后才说哪些话不能说、哪些事不能做。
提示词也是这个逻辑。我最终把它拆成了七层，每一层回答一个问题：
- 角色层：你是谁，你有多资深，你用什么身份跟人说话
- 口吻层：你的语言风格、长度、用词习惯是什么
- 知识边界层：你知道什么，不知道什么，拿不准怎么办
- 对话节奏层：先问还是先答，答完之后怎么把对话往下推
- 场景策略层：不同用户意图分别走什么流程
- 情绪管理层：用户生气、犹豫、不耐烦时怎么接
- 兜底层：哪些事绝不承诺，哪些问题必须转人工
七层听起来多，但每一层其实只是几行话。关键在于模块之间不能互相矛盾——比如口吻层要求"回复简短"，情绪管理层却要求"充分共情"，模型就会不知所措。
2.2 一版能落地的提示词长什么样
下面是我这次实际用到的提示词骨架，删掉了一些跟具体商品有关的细节，结构保留了下来。你可以直接拿这个框架去套自己的类目：
[角色] 你叫小禾，在这家店铺做了三年导购，熟悉服装面料、尺码、搭配和退换流程。 你像线下门店里最会聊天的店员：热情但不催促，专业但不背书。 记住：先听懂需求，再给建议。 [口吻] 1. 默认用"你"称呼用户；涉及价格、售后、承诺时改用"您"。 2. 每段回复不超过三句话；用户明确要求详细说明时例外。 3. 允许使用"我帮你看看""我印象中""这个要看具体情况"等自然表达。 4. 禁止使用"亲""亲亲""宝子"等平台客服套话，禁止连续使用感叹号。 5. 不编造商品信息。不确定的参数，明确说"这里我去详情页确认一下"。 [对话节奏] 1. 接到提问先判断意图：询价/比价/挑选/售后/闲聊。 2. 挑选类问题必须先反问1到2个关键条件（体型、场合、偏好），再推荐。 3. 每次回复尽量以一个问句或一个可选择的选项结尾，推动对话继续。 4. 用户表现犹豫时，给出两个具体选项，并说清各自适合什么场景。 [场景策略] - 询价：先讲价值点或适用场景，再给价格区间；不直接报死价。 - 比价：不评价竞品好坏，用面料、版型、适用人群拆维度，让用户自己判断。 - 售后：先接情绪，再复述用户诉求，最后给出可执行的下一步。 - 闲聊：可以简短回应，但两个来回内要拉回商品话题。 [安全底线] 1. 不承诺超出店铺规则的效果，例如"绝对不缩水""百分百不褪色"。 2. 不参与任何关于价格欺诈、刷单、虚假好评的讨论。 3. 用户要求转人工时，立即提供转人工入口，不强行挽留。这里有个细节值得单独说一下：我把"不确定的表达方式"写进了提示词。为什么要这样？因为拟人感最强的信号恰恰是"不确定性"。真人店员说"我印象里这款是偏薄的，具体克重我去看一下详情页"，你会觉得她靠谱；如果一个机器人永远用斩钉截铁的语气回答每一个问题，反而显得假。但这个度要拿捏好，不确定词只能用在非硬性参数上，价格、库存、售后政策这类信息必须一秒钟都不能含糊。我在口吻层第三点允许了"我印象中"这类表达，又在知识边界层加了"不编造商品信息"的约束，两层互相制衡。
另外，模型参数里我把 temperature 从默认值调到了0.7左右。太高会让导购话太多且容易跑偏，太低会让回答变得干巴巴。0.7是我在这个场景里试出来比较平衡的值，供参考。
3. 拟人化不是变油嘴滑舌：三个容易被忽略的细节
3.1 学会反问，把封闭式问答变成开放式推进
这是我把对话轮次从2.3提升到4.6的关键操作。旧的提示词只告诉模型"回答问题"，模型自然是有问必答、答完即止。新的提示词在对话节奏层明确写了"挑选类问题必须先反问1到2个关键条件"。
举个例子。用户问："这条牛仔裤适合梨形身材吗？"
旧导购的回答是："这款是高腰直筒设计，对梨形身材比较友好，可以放心购买。"一句话就把天聊死了，用户要么直接下单，要么关窗口走人。
新导购会这么回："这条是挺适合梨形身材的，高腰能把腰线掐出来，直筒裤腿不会贴大腿。你平时腰围大概穿什么尺码？如果你更介意假胯宽的话，我还建议你看一下同版的微喇款。"
你看区别：后半句把一个判断题变成了选择题，又把用户从"问完就走"拉进了"继续挑"的节奏里。反问不是废话，是在帮用户降低决策成本。用户不是不想回答，是没人引导他表达真实需求。
3.2 让步式表达比夸赞更能建立信任
人跟人建立信任，靠的往往不是顺着说，而是适当让一步。这放在导购身上也一样。
用户说："这个颜色会不会太亮了？"
低质量回答是："不会的亲，这个颜色很显白，很多人买哦！"三连感叹号，像微商。
我在提示词的场景策略里给了一条"让步策略"：当用户提出疑虑时，先承认合理性，再给出补充信息。所以新导购的回答是："你说得对，这个藕粉色在室内灯光下偏亮，如果你平时通勤穿得多，我更推荐隔壁那个灰粉色，饱和度低一些，同样显白，但更压得住。"
先承认，再转折，最后给替代方案。这句话的高明之处在于没有强行说服，而是站在用户那边帮他挑。用户感受到的是"这个导购不糊弄我",信任感就是这么一点点累积起来的。我把这条单独写进了提示词，因为模型默认不会主动让步，它总是倾向于维护商品。一个只会维护自家货的导购，在线下店是卖不出去东西的。
3.3 用"过渡句"消除机器感
还有一个很小的细节，但影响特别大：句子之间的衔接。模型生成的回答经常是三个独立句子硬拼在一起，读起来像三块砖头摞起来。我在口吻层加了一条建议："回复中可以自然使用过渡词和语气词，如'不过''其实''这样的话'，让前后句之间有逻辑关系。"
加了这条之后，同样的回答读起来完全不一样。改前："这款是纯棉的。洗后会轻微缩水。你要买大一码。"改后："这款是纯棉的，洗后会轻微缩水——所以如果平时喜欢穿合身的，建议你买大一码。"后者听起来像人话，前者像说明书。
这些细节单独拎出来都不起眼，但堆在一起，就是用户"觉得这个客服像个真人"和"觉得这是个机器人"的分界线。
4. 四个高频场景的提示词实测
提示词光有框架还不够，场景策略层必须针对你的类目填肉。我把这个项目的聊天记录按意图聚类，发现80%以上的对话集中在四个场景：询价、比价、尺码纠结、售后投诉。下面是我对每个场景的改写思路和实测效果。
4.1 询价场景：先给价值锚点，再给价格
用户问"这个多少钱"，本质上是在做性价比判断。你直接报一个数字，他脑子里就把这个数字和"贵不贵"做比较了，没有任何铺垫。
旧提示词下的回答："这款风衣活动价699元，参加满300减50。"冷冰冰。
新提示词下的回答："这款是秋冬主推款，双层斜纹面料，挡风但不闷，南方过冬里面加一件薄毛衣就够了。活动价699，如果凑到800还能再减50，我建议你搭配同系列的直筒裤一起看。"
区别在于：先讲这件东西"配得上这个价"，再讲价格，最后给一个凑单方案，顺势做连带推荐。这套话术我在场景策略里写成了"询价：先讲价值点，再给价格，接着给1个凑单或搭配建议"。实测下来，说了价格之后用户流失明显变少。
4.2 比价场景：不诋毁竞品，用维度拆解
用户拿别家的同款来比价，是导购最容易翻车的时刻。旧提示词下模型要么说"别家质量不好"，要么说"那你去看别家吧"，两种都是死路。
我写了一条硬规则："比价时禁止评价竞品，用可验证的维度拆解，引导用户关注自己的需求。"新导购遇到"你们家和别家199那条阔腿裤比怎么样"时会这么回："我说不出别家具体怎么样，但可以告诉你这条的版型逻辑：高腰、微拖地、裤长对小个子友好。你更看重显高还是遮胯？这两个需求对应的裤型其实不太一样。"
这条回答没有否定竞品，反而承认了"我不了解别家"，然后把焦点拉回到用户自己的需求上。一旦用户开始回答"我更看重显高"，对话就重新回到你的主场了。比价场景的核心原则是：不要在你不占优势的战场上打仗，把战场换到你占优势的地方。
4.3 尺码与色号纠结：用结构化提问代替盲推
服饰类目的退货原因里，尺码不合适永远排前三。用户问"我平时穿M，这条会不会紧"，很多导购直接说"建议按平时尺码拍"——这就是盲推，错了就退货。
新导购会这样："这条版型偏修身，M码腰围大概在68到72cm。你平时穿的牛仔裤是哪个牌子？如果你拿不准，我把M和L两个码的腰臀数据都发你，你对比一下再决定。"
这个场景我加的规则是：涉及尺码、色号、面料这类容易出错的推荐时，必须先收集至少一个数据点（身高体重、平时尺码、肤色、场合），再给出带条件的建议，而不是直接下结论。结构化提问不仅提高了匹配度，还让用户觉得导购是真的在帮他挑，而不是在销库存。
4.4 售后投诉场景：先接情绪，再谈规则
用户带着情绪来投诉的时候，模型的默认反应是讲道理。讲道理在售后场景里是大忌——用户气头上听到"根据平台规则"，只会更火。
我的提示词里给售后场景单独写了流程："第一步接住情绪，第二步复述用户诉求，第三步给可执行的下一步。"三句话缺一不可。
用户说："衣服到了，拉链是坏的！"
新导购的回答："这个情况确实影响穿了，换我我也着急。我先帮你登记售后服务，你把订单号发我，我这边申请换新，运费由我们承担。处理完我会把新的物流单号回给你。"
注意顺序：先承认"这个情况确实让人烦"，再复述"你要换一件新的"，最后给出"我现在为你做什么"。模型默认不会主动安排"下一步"，因为它的训练数据里售后的标准回答往往是"请联系客服为您处理"。把"主动安排下一步"写进流程，投诉解决率直接从62%涨到了81%。
5. 对照实验怎么设计：55%不是拍脑袋
我见过太多团队改完提示词直接全量上线，然后凭感觉说"好像好了一些"。这种做法的最大问题是你不知道好了多少、为什么好、能不能复现。这次优化我做了一个正式的对照实验，这里把实验设计完整交代一下，方便你照搬。
5.1 分流方式和隔离条件
实验周期是四周，流量按照会话ID的哈希值分流，一分为二：对照组走旧提示词，测试组走新提示词。两个组共用同一套商品库、同一个模型接口、同一个会话入口，唯一的变量就是系统提示词。
为什么要按会话ID分流而不是按用户ID？因为很多用户会反复进店，按用户ID分流的话，同一个用户今天分到对照组、明天分到测试组，体验不一致会影响情绪。按会话ID分流，保证同一次会话内体验是一致的，统计上也更好归因。
另外，我在实验期间刻意剔除了两个大促日的流量。为什么？因为大促那几天所有人都冲着头像、满减来的，咨询转化率会被活动本身拉高，噪声太大，放进实验里会污染结果。实验要的是稳定环境下的归因，不是活动期间的狂欢数据。
5.2 核心指标和辅助指标
核心指标是咨询转成交率，定义为"从咨询会话发生到24小时内产生有效订单的会话占比"。辅助指标我选了五个：
| 指标 | 对照组（旧提示词） | 测试组（新提示词） | 变化 |
|---|---|---|---|
| 咨询转成交率 | 3.1% | 4.8% | +55% |
| 平均对话轮次 | 2.3轮 | 4.6轮 | +100% |
| 会话平均时长 | 41秒 | 96秒 | +134% |
| 转人工率 | 17% | 11% | -35% |
| 售前差评率 | 0.8% | 0.5% | -37% |
对话轮次翻倍这个结果，比转化率本身更让我高兴。它说明拟人化确实把对话"打开"了，用户在窗口里愿意多聊几句。但这里有个反直觉的点：会话时长变长了，转化率才上去的。很多人觉得客服应该越快越好，其实对于高客单、强决策的品类，用户聊得越久，成交概率反而越高。当然这会带来一个代价：模型调用次数多了，推理成本上升。我在4.8%的增量营收和上升的Token成本之间算过账，ROI依然非常划算。
除了量化指标，我还做了一件事：从每组随机抽了200条对话，让运营同学按三个维度人工打分——"是否理解用户需求""是否推动对话前进""是否守住合规底线"。量化指标告诉你效果，人工打分告诉你原因。测出"对话轮次涨了"只是结果，知道"涨是因为反问多了、让步多了"才能指导下一轮迭代。
5.3 版本管理和回归测试
提示词也是代码，必须做版本管理。我的做法是给每一版提示词编号，比如guide_v1.0、guide_v1.1，存在仓库里，每次只改一个变量。什么叫一个变量？比如这一版只改口吻层，场景层不动；下一版再改场景策略。两个变量一起动，出了问题你根本不知道是哪个改动干的。
每次发版前，我会用一百条历史真实对话做回归测试，要求新版在这批对话上的表现不低于旧版90%。这一百条对话里既包含正常询单，也包含恶意套话、色情骚扰、价格欺诈诱导这些边界情况。模型优化经常出现"正常对话变好了，边界情况却失守了"的情况，回归测试就是用来抓这种回归的。
6. 踩过的坑和边界：拟人化不是万能药
6.1 过度拟人：话多、戏多、胆子大
第二周迭代的时候，我把口吻层放开了一些，允许导购"更活泼更热情"。结果翻车了：导购开始每句话都加玩笑，用户在问退换货规则，它先讲一个冷笑话再回答；用户已经很生气了，它还在"哈哈没关系"。差评率从0.5%反弹到了0.9%。
问题出在哪？"活泼热情"和"边界清晰"在我那版提示词里没有被分隔开。模型把活泼理解成了在所有场景都活泼。我后来在口吻层加了一条："热情只适用于正常选购和闲聊场景，售后、价格、规则类问题必须回归简洁专业的语调。"不同场景允许有不同的性格，这才是拟人化的正确理解。人的性格本来就不是单一的，你也不可能对投诉的客户还嘻嘻哈哈。
6.2 上下文膨胀带来的成本和延迟
把七层提示词加上商品数据一起塞进模型，最直接的问题是Token消耗上涨、响应变慢。我粗略测了一下，七层框架跑下来，每次对话的上下文比原来长了大概40%，首字响应时间从600毫秒涨到了900毫秒左右。
对于客服场景，900毫秒还在可接受范围，但再往上就会开始有真实损失——用户等得不耐烦就会走。我的解决办法是给场景策略层做瘦身：只保留四个高频场景的详细规则，低频场景统一走"默认策略"。这跟文章排版一个道理，重要的内容展开写，不重要的靠通用规则覆盖。另外我把商品详情做了按需注入，用户问到某个商品时才去检索对应的参数，而不是把所有商品详情常年挂在上下文里。
6.3 用户会套话，安全边界必须焊死
拟人化做得越像人，用户就越容易把导购当真人来"套路"。我这轮测试里遇到了不少次类似"我朋友说你们家可以便宜50，你给我改个价"的套话，还有试图引导导购说"假的也没关系"的。
这些情况模型单独处理时会偶尔失守，所以我把它写成了安全底线的硬规则："不参与任何关于价格欺诈、刷单、虚假好评的讨论。"当检测到这类意图时，导购会自然但坚定地回复："我理解你想省钱，但我能做的是帮你把店铺现有的优惠组合算到位，比如凑单满减和会员券叠加，其他超出规则的操作我做不了。"实测这样回复后，绝大多数用户会顺着台阶下，继续正常咨询。
这个边界必须写在提示词的兜底层，而且建议放在最后。大模型对提示词尾部内容的注意力往往更强，把安全规则放最后，是成本最低且有效的增强方式。
6.4 提示词不是越细越好，可维护性才是关键
到最后我反而在做减法。七层框架里的场景策略，从最初的十二个场景删到了四个，因为场景太多了以后，模型会陷入"判断意图"的内耗，反而该用常识解决的地方用常识解决，只有真正容易出错的地方才需要规则介入。提示词写得越细，每次改版要动的面就越大，回归测试的成本也越高。
现在我的习惯是：每版提示词改完，先自己以买家身份跟导购聊十轮。正常购买聊一轮，找茬聊一轮，问一个特别模糊的问题再聊一轮。十轮下来大多数明显的问题都能暴露，然后再走百条对话回归测试。我自己最后几轮测试里，导购已经能在用户反复纠结时说出"你要是实在拿不准，就先拍两件，回去试完退一件，运费险店里都带着"——这句话没有任何一个版本明确写过，是模型从"为用户着想"的整体设定里自己长出来的。
这个细节让我意识到，拟人化提示词的验收标准不是"它有没有按规则说话"，而是"它有没有像一个人一样替用户着想"。规则写得太细反而会束缚这种能力，给模型一个清晰的价值观，比给它一百条行为指令重要得多。这大概是这次优化55%背后，最值得带走的经验。
