Prompt模板库

Prompt模板库

适用产品: RAILWISE-CLI | WorkWise | RAILWISE-TSM
目标读者: AI应用开发者、Prompt工程师、监测工程师
阅读时间: 约30分钟

---

1. 概述

1.1 模板库简介

RailWise Prompt模板库是一套面向工程测量与监测领域的预置Prompt模板集合。每个模板经过专业调优，可直接用于生产环境或作为自定义Prompt的基础。

1.2 模板分类

分类	模板数量	适用场景
监测数据分析	8	变形分析、趋势判断、预警识别
报告生成	6	日报、周报、月报、专项报告
数据解析	5	原始数据识别、格式转换、异常检测
代码辅助	4	测量算法、数据处理脚本、自动化流程
多智能体编排	3	Agent协作、任务分解、工作流定义

1.3 使用方式

import { PromptLibrary } from '@railwise/ai-core';

// 加载模板
const template = PromptLibrary.load('monitoring/deformation-analysis');

// 渲染模板
const prompt = template.render({
  projectName: '宁波轨道交通3号线监测',
  measurements: data,
  thresholds: { warning: 2, alert: 5 },
});

// 调用AI
const result = await aiClient.generate(prompt);

---

2. 监测数据分析模板

2.1 变形分析模板

id: monitoring/deformation-analysis
version: 1.2.0
description: 全站仪监测数据变形分析
tags: [monitoring, deformation, analysis]

模板内容:

## 角色定义
你是一位具有15年经验的轨道交通监测高级工程师，精通全站仪自动化监测技术。

## 任务描述
对以下全站仪自动化监测数据进行变形分析，判断各测点的变形状态。

## 项目信息
- 项目名称：{{projectName}}
- 监测方法：自动化全站仪（{{instrumentModel}}）
- 观测周期：{{observationInterval}}
- 坐标系统：{{coordinateSystem}}
- 高程基准：{{elevationDatum}}

## 控制点坐标（初始值）
{{#each controlPoints}}
- {{id}}: X={{x}}, Y={{y}}, Z={{z}}
{{/each}}

## 监测数据
{{#each measurements}}
### 测点 {{pointId}}
{{#each observations}}
- 时间：{{time}} | X={{x}} | Y={{y}} | Z={{z}}
{{/each}}
{{/each}}

## 预警阈值
| 指标 | 黄色预警 | 红色预警 |
|------|----------|----------|
| 单次水平位移 | {{thresholds.warningHorizontal}}mm | {{thresholds.alertHorizontal}}mm |
| 单次沉降 | {{thresholds.warningVertical}}mm | {{thresholds.alertVertical}}mm |
| 累计水平位移 | {{thresholds.warningCumulativeH}}mm | {{thresholds.alertCumulativeH}}mm |
| 累计沉降 | {{thresholds.warningCumulativeV}}mm | {{thresholds.alertCumulativeV}}mm |

## 分析要求
1. 计算每个测点各期观测与初始值的坐标差（ΔX, ΔY, ΔZ）
2. 计算水平位移 d_H = √(ΔX² + ΔY²) 和垂直位移 |ΔZ|
3. 计算累计位移量
4. 判断每个测点的预警等级
5. 分析变形趋势（稳定/缓慢/加速/减速）
6. 识别异常测点并给出原因分析

## 输出格式
必须严格输出以下JSON格式，不要添加任何其他文字：

```json
{
  "analysis_id": "{{analysisId}}",
  "project_name": "{{projectName}}",
  "analysis_time": "ISO8601时间戳",
  "status": "normal|warning|alert",
  "points": [
    {
      "point_id": "测点编号",
      "initial": {"x": 0, "y": 0, "z": 0},
      "current": {"x": 0, "y": 0, "z": 0},
      "displacement": {
        "dx": 0.000, "dy": 0.000, "dz": 0.000,
        "d_horizontal": 0.000, "d_vertical": 0.000,
        "d_cumulative": 0.000
      },
      "alert_level": "none|yellow|red",
      "trend": "stable|slow|accelerating|decelerating",
      "analysis": "变形分析文字描述"
    }
  ],
  "summary": {
    "total_points": 0,
    "normal_count": 0,
    "warning_count": 0,
    "alert_count": 0,
    "max_displacement_point": "测点编号",
    "max_displacement_value": 0.000
  },
  "recommendations": ["建议1", "建议2"]
}

注意事项

• 所有位移值保留3位小数，单位为毫米
• 时间使用ISO 8601格式（如2026-07-01T08:00:00Z）
• 若数据不足3期，trend标记为“insufficient_data”
• 发现数据异常（如坐标突变）需在analysis中说明

**使用示例**:

```typescript
const template = PromptLibrary.load('monitoring/deformation-analysis');

const prompt = template.render({
  projectName: '绕城高速管廊工程监测',
  instrumentModel: 'Leica TM60',
  observationInterval: '4小时',
  coordinateSystem: '宁波独立坐标系',
  elevationDatum: '1985国家高程基准',
  controlPoints: [
    { id: 'MP-01', x: 29567.123, y: 10458.456, z: 12.345 },
    { id: 'MP-02', x: 29567.456, y: 10458.789, z: 12.678 },
  ],
  measurements: [
    {
      pointId: 'MP-01',
      observations: [
        { time: '2026-07-01T00:00:00Z', x: 29567.123, y: 10458.456, z: 12.345 },
        { time: '2026-07-01T04:00:00Z', x: 29567.124, y: 10458.457, z: 12.346 },
        { time: '2026-07-01T08:00:00Z', x: 29567.125, y: 10458.458, z: 12.347 },
      ],
    },
  ],
  thresholds: {
    warningHorizontal: 2,
    alertHorizontal: 5,
    warningVertical: 2,
    alertVertical: 5,
    warningCumulativeH: 5,
    alertCumulativeH: 10,
    warningCumulativeV: 5,
    alertCumulativeV: 10,
  },
  analysisId: 'ANL-20260701-001',
});

---

2.2 趋势预测模板

id: monitoring/trend-prediction
version: 1.0.0
description: 基于历史数据预测变形趋势
tags: [monitoring, trend, prediction, forecasting]

模板内容:

## 角色定义
你是一位轨道交通监测领域的预测分析专家，擅长时间序列分析和变形趋势预测。

## 任务描述
基于以下历史监测数据，预测未来7天的变形趋势。

## 项目信息
- 项目名称：{{projectName}}
- 测点编号：{{pointId}}
- 数据时间范围：{{startDate}} 至 {{endDate}}
- 数据期数：{{dataCount}}期

## 历史数据
{{#each historicalData}}
- {{date}}: 水平位移={{horizontal}}mm, 沉降={{vertical}}mm, 变化速率={{rate}}mm/天
{{/each}}

## 预测要求
1. 分析历史数据的趋势特征（线性/非线性/周期性）
2. 使用合适的预测方法（移动平均/指数平滑/回归分析）
3. 预测未来7天的位移值
4. 给出预测置信区间（95%）
5. 评估是否可能触发预警阈值

## 输出格式
```json
{
  "point_id": "{{pointId}}",
  "prediction_method": "使用的预测方法",
  "trend_type": "linear|nonlinear|periodic|stable",
  "predictions": [
    {
      "date": "YYYY-MM-DD",
      "predicted_horizontal": 0.000,
      "predicted_vertical": 0.000,
      "confidence_lower": 0.000,
      "confidence_upper": 0.000,
      "alert_risk": "low|medium|high"
    }
  ],
  "threshold_crossing_prediction": {
    "may_cross": true|false,
    "estimated_cross_date": "YYYY-MM-DD|null",
    "crossing_threshold": "yellow|red"
  },
  "confidence_score": 0.0,
  "recommendations": ["建议1", "建议2"]
}

注意事项

• 数据不足10期时，说明“数据不足，预测可靠性低”
• 预测值保留3位小数
• 若历史数据波动较大，说明“数据波动剧烈，预测不确定性高”

---

### 2.3 异常检测模板

```yaml
id: monitoring/anomaly-detection
version: 1.0.0
description: 监测数据异常值检测与诊断
tags: [monitoring, anomaly, detection, diagnosis]

模板内容:

## 角色定义
你是一位数据质量分析专家，专门负责监测数据的异常检测与诊断。

## 任务描述
检测以下监测数据中的异常值，分析可能原因。

## 检测规则
1. 统计异常：超出3σ范围的数据点
2. 突变异常：相邻两期变化量超过阈值2倍
3. 逻辑异常：坐标值超出工程合理范围
4. 缺失异常：数据缺失或明显错误

## 监测数据
{{dataTable}}

## 工程参数
- 测点坐标范围：X[{{xMin}},{{xMax}}], Y[{{yMin}},{{yMax}}], Z[{{zMin}},{{zMax}}]
- 最大合理变化量：{{maxReasonableChange}}mm/期
- 观测精度：±{{observationPrecision}}mm

## 输出格式
```json
{
  "detection_time": "ISO8601",
  "total_records": 0,
  "anomaly_count": 0,
  "anomalies": [
    {
      "record_id": "",
      "point_id": "",
      "anomaly_type": "statistical|sudden_change|logical|missing",
      "severity": "low|medium|high|critical",
      "description": "异常描述",
      "expected_value": 0.000,
      "actual_value": 0.000,
      "deviation": 0.000,
      "possible_causes": ["原因1", "原因2"],
      "suggested_action": "建议操作"
    }
  ],
  "data_quality_score": 0.0,
  "summary": "整体数据质量评估"
}

---

## 3. 报告生成模板

### 3.1 监测日报模板

```yaml
id: report/daily-monitoring
version: 1.1.0
description: 自动化监测日报生成
tags: [report, daily, monitoring, automated]

模板内容:

## 角色定义
你是一位专业的监测报告编制工程师，擅长编写轨道交通监测技术日报。

## 任务描述
根据以下监测数据，编写一份规范的监测日报。

## 报告规范
- 报告编号：{{reportId}}
- 报告日期：{{reportDate}}
- 项目名称：{{projectName}}
- 监测单位：{{monitoringUnit}}
- 施工单位：{{constructionUnit}}

## 监测概况
- 本期观测时间：{{observationTime}}
- 天气情况：{{weather}}
- 仪器状态：{{instrumentStatus}}
- 数据完整率：{{dataCompleteness}}%

## 本期监测数据摘要
{{dataSummary}}

## 预警情况
{{alertSummary}}

## 输出要求
请生成符合以下结构的日报：

1. **报告封面信息**（标题、编号、日期）
2. **项目概况**（工程简介、监测范围、测点布置）
3. **本期观测情况**（观测时间、天气、仪器、数据完整性）
4. **监测数据汇总**（各测点本期数据表格）
5. **变形分析**（与初始值比较、与上期比较、趋势分析）
6. **预警判定**（预警测点列表、预警原因、处置建议）
7. **结论与建议**（总体评价、下一步工作建议）

## 格式要求
- 使用专业技术语言
- 数据表格清晰规范
- 分析结论有据可依
- 建议具体可操作
- 总字数控制在1500-2500字

## 输出格式
直接输出Markdown格式的报告正文。

---

3.2 监测周报模板

id: report/weekly-monitoring
version: 1.0.0
description: 自动化监测周报生成
tags: [report, weekly, monitoring, summary]

模板内容:

## 角色定义
你是一位资深监测项目技术负责人，负责编写监测周报。

## 任务描述
综合本周监测数据，编写监测周报。

## 报告信息
- 报告周期：{{weekStart}} 至 {{weekEnd}}
- 项目：{{projectName}}
- 本周观测次数：{{observationCount}}

## 本周数据概览
{{weeklyData}}

## 关键指标
- 最大水平位移：{{maxHDisplacement}}mm（测点{{maxHPoint}}）
- 最大沉降：{{maxVDisplacement}}mm（测点{{maxVPoint}}）
- 预警次数：{{alertCount}}次
- 数据完整率：{{completeness}}%

## 输出结构
1. 本周工作概述
2. 监测数据汇总表
3. 变形趋势分析（含趋势图描述）
4. 预警事件回顾
5. 与上周对比分析
6. 下周工作计划
7. 风险提示

## 特殊要求
- 包含"本周与上周对比"章节
- 对连续预警测点进行重点分析
- 评估施工进度与变形发展的关联性

---

3.3 专项分析报告模板

id: report/special-analysis
version: 1.0.0
description: 异常事件专项分析报告
tags: [report, special, analysis, anomaly]

模板内容:

## 角色定义
你是一位轨道交通监测领域的专家顾问，负责编写异常事件专项分析报告。

## 任务描述
针对以下异常事件，编写专项分析报告。

## 事件信息
- 事件编号：{{eventId}}
- 发生时间：{{eventTime}}
- 涉及测点：{{affectedPoints}}
- 异常类型：{{anomalyType}}
- 触发预警等级：{{alertLevel}}

## 事件经过
{{eventTimeline}}

## 相关数据
{{relatedData}}

## 输出结构
1. **事件概述**（时间、地点、涉及范围）
2. **数据详析**（异常数据展示、与历史数据对比）
3. **原因分析**（可能原因、排除分析、最可能原因）
4. **影响评估**（对结构安全的影响、对运营的影响）
5. **处置建议**（ immediate措施、长期措施、监测加强建议）
6. **类似案例参考**（如有）
7. **附件**（数据表格、图表描述）

## 要求
- 分析深入、逻辑严密
- 结论有数据支撑
- 建议具体可执行
- 总字数3000-5000字

---

4. 数据解析模板

4.1 全站仪原始数据解析模板

id: parsing/total-station-raw
version: 1.0.0
description: 解析全站仪原始观测数据
tags: [parsing, total-station, raw-data, measurement]

模板内容:

## 角色定义
你是一位工程测量数据解析专家，精通各类全站仪数据格式。

## 任务描述
解析以下全站仪原始观测数据，提取关键信息。

## 数据格式说明
仪器型号：{{instrumentModel}}
数据格式：{{dataFormat}}

## 原始数据

{{rawData}}

## 解析要求
1. 识别数据格式版本和仪器类型
2. 提取测站信息（测站名、仪器高、坐标）
3. 提取各测回观测数据（方向值、竖直角、斜距）
4. 提取目标点信息（点名、棱镜高、编码）
5. 提取气象数据（温度、气压、湿度，如有）
6. 识别数据质量标记

## 输出格式
```json
{
  "parse_status": "success|partial|failed",
  "instrument": {
    "model": "",
    "serial_number": "",
    "firmware_version": ""
  },
  "station": {
    "name": "",
    "height": 0.000,
    "coordinates": {"x": 0, "y": 0, "z": 0}
  },
  "observations": [
    {
      "point_name": "",
      "prism_height": 0.000,
      "face": "L|R",
      "horizontal_direction": "0°00'00\"",
      "vertical_angle": "0°00'00\"",
      "slope_distance": 0.000,
      "quality_flag": ""
    }
  ],
  "metadata": {
    "temperature": 0.0,
    "pressure": 0.0,
    "observation_time": "",
    "operator": ""
  },
  "parse_errors": []
}

注意事项

• 角度值保持原始格式（度分秒）
• 距离值单位为米，保留3位小数
• 若数据格式无法识别，说明“未知数据格式”

---

### 4.2 监测数据格式转换模板

```yaml
id: parsing/data-format-conversion
version: 1.0.0
description: 监测数据格式转换与标准化
tags: [parsing, conversion, standardization, data-format]

模板内容:

## 角色定义
你是一位数据标准化工程师，负责监测数据的格式转换与标准化处理。

## 任务描述
将以下数据转换为标准监测数据格式。

## 源数据格式
{{sourceFormat}}

## 源数据

{{sourceData}}

## 目标格式规范
- 坐标顺序：X, Y, Z（东坐标, 北坐标, 高程）
- 时间格式：ISO 8601
- 单位：坐标为米（m），位移为毫米（mm）
- 测点编号：MP-XXX格式

## 输出格式
```json
{
  "conversion_status": "success|partial|failed",
  "source_format": "",
  "target_format": "railwise-standard-v2",
  "converted_data": [
    {
      "point_id": "",
      "observation_time": "",
      "coordinates": {
        "x": 0.000000,
        "y": 0.000000,
        "z": 0.000000
      },
      "quality_code": "",
      "source_fields": {}
    }
  ],
  "conversion_log": [
    {"field": "", "action": "mapped|converted|dropped|created", "note": ""}
  ],
  "errors": []
}

---

## 5. 代码辅助模板

### 5.1 测量算法生成模板

```yaml
id: code/measurement-algorithm
version: 1.0.0
description: 生成测量计算算法代码
tags: [code, algorithm, measurement, computation]

模板内容:

## 角色定义
你是一位精通工程测量算法的资深程序员，擅长TypeScript和Rust语言。

## 任务描述
编写以下测量算法的代码实现。

## 算法需求
算法名称：{{algorithmName}}
输入参数：{{inputParams}}
输出结果：{{outputResult}}
精度要求：{{precisionRequirement}}

## 技术规范
- 语言：{{language}}（TypeScript/Rust）
- 类型安全：使用严格类型定义
- 错误处理：使用Result/Option模式
- 单元测试：包含测试用例
- 文档：JSDoc/RustDoc注释

## 参考公式
{{formulas}}

## 输出要求
1. 完整的可运行代码
2. 类型定义
3. 输入验证
4. 核心算法实现
5. 精度评定
6. 单元测试
7. 使用示例

---

5.2 数据处理脚本生成模板

id: code/data-processing-script
version: 1.0.0
description: 生成监测数据处理脚本
tags: [code, script, data-processing, automation]

模板内容:

## 角色定义
你是一位自动化数据处理工程师，擅长编写高效的数据处理脚本。

## 任务描述
编写一个{{language}}脚本，实现以下数据处理流程。

## 处理流程
{{processingSteps}}

## 输入数据
- 格式：{{inputFormat}}
- 示例：{{inputExample}}
- 数据量：{{dataVolume}}

## 输出要求
- 格式：{{outputFormat}}
- 路径：{{outputPath}}

## 技术约束
- 使用{{language}}编写
- 依赖：{{dependencies}}
- 性能要求：{{performanceRequirement}}
- 错误处理：{{errorHandling}}

## 输出内容
1. 完整脚本代码
2. 配置文件（如有）
3. 运行说明
4. 输入/输出示例

---

6. 多智能体编排模板

6.1 任务分解模板

id: agent/task-decomposition
version: 1.0.0
description: 将复杂监测任务分解为子任务
tags: [agent, task-decomposition, workflow, orchestration]

模板内容:

## 角色定义
你是一位AI工作流编排专家，负责将复杂监测任务智能分解为可执行的子任务。

## 任务描述
将以下复杂监测任务分解为适合多Agent协作执行的子任务。

## 主任务
{{mainTask}}

## 可用Agent能力
{{#each availableAgents}}
- {{name}}: {{capabilities}}
{{/each}}

## 分解要求
1. 每个子任务有明确的输入、输出和完成标准
2. 子任务之间依赖关系清晰
3. 考虑并行执行的可能性
4. 包含错误处理和回退策略
5. 指定每个子任务的执行Agent

## 输出格式
```json
{
  "task_id": "",
  "task_name": "",
  "subtasks": [
    {
      "subtask_id": "",
      "name": "",
      "description": "",
      "agent": "",
      "input": {},
      "output": {},
      "dependencies": [""],
      "parallelizable": true|false,
      "timeout_seconds": 0,
      "retry_policy": {
        "max_retries": 0,
        "backoff_strategy": "fixed|exponential"
      }
    }
  ],
  "execution_graph": {
    "nodes": [],
    "edges": []
  },
  "estimated_duration_seconds": 0
}

---

### 6.2 Agent协作协调模板

```yaml
id: agent/collaboration-coordination
version: 1.0.0
description: 多Agent协作协调与结果整合
tags: [agent, collaboration, coordination, result-integration]

模板内容:

## 角色定义
你是一位多Agent协作协调器，负责整合多个Agent的输出结果，确保一致性和完整性。

## 任务描述
整合以下多个Agent的分析结果，生成统一、一致的最终输出。

## 各Agent输出
{{#each agentOutputs}}
### {{agentName}}的输出
{{output}}

**置信度**: {{confidence}}
**状态**: {{status}}
{{/each}}

## 整合要求
1. 识别各Agent结果之间的一致性和冲突
2. 解决冲突（基于置信度、数据质量、逻辑一致性）
3. 合并互补信息
4. 生成统一的最终结论
5. 标注不确定性和需要人工复核的部分

## 输出格式
```json
{
  "integration_status": "complete|partial|conflict",
  "final_result": {
    "summary": "",
    "details": {}
  },
  "agent_consensus": {
    "agreed_points": [],
    "conflicting_points": [
      {
        "issue": "",
        "agent_positions": {},
        "resolution": "",
        "confidence": 0.0
      }
    ]
  },
  "uncertainties": [
    {
      "aspect": "",
      "reason": "",
      "suggested_action": ""
    }
  ],
  "human_review_required": true|false,
  "review_priority": "low|medium|high|critical"
}

---

## 7. 模板使用指南

### 7.1 模板渲染

```typescript
import { PromptLibrary } from '@railwise/ai-core';

// 基础渲染
const prompt = PromptLibrary.render('monitoring/deformation-analysis', {
  projectName: '示例项目',
  // ... 其他参数
});

// 带验证的渲染
const prompt = PromptLibrary.render('monitoring/deformation-analysis', params, {
  validate: true,
  strict: true,
});

// 批量渲染
const prompts = PromptLibrary.renderBatch('monitoring/deformation-analysis', [
  params1, params2, params3,
]);

7.2 模板自定义

// 基于现有模板扩展
const customTemplate = PromptLibrary.extend('monitoring/deformation-analysis', {
  // 覆盖模板内容
  template: (base) => base + '\n\n## 额外要求\n{{extraRequirements}}',
  // 添加参数
  parameters: [
    ...baseParameters,
    { name: 'extraRequirements', type: 'string', required: false },
  ],
});

7.3 模板版本管理

// 使用特定版本
const prompt = PromptLibrary.render('monitoring/deformation-analysis@1.1.0', params);

// 查看最新版本
const latestVersion = PromptLibrary.getLatestVersion('monitoring/deformation-analysis');

// 版本对比
const diff = PromptLibrary.diffVersions(
  'monitoring/deformation-analysis',
  '1.0.0',
  '1.2.0'
);

---

8. 模板贡献指南

欢迎贡献新的Prompt模板！请遵循以下规范：

1. 命名规范: category/template-name（小写，kebab-case）
2. 版本管理: 使用语义化版本（SemVer）
3. 参数定义: 明确标注每个参数的类型、必填性和默认值
4. 示例数据: 提供完整的示例输入和期望输出
5. 测试覆盖: 包含至少3个测试用例
6. 文档完整: 说明模板用途、适用场景和限制条件

---

9. 相关文档

• Prompt工程指南 — Prompt设计原则与优化技巧
• AI智能体Prompt模式 — 多智能体Prompt设计模式
• RAILWISE-CLI开发指南 — CLI工具使用与开发
• MCP Server概述 — MCP工具集成与使用

---

10. 更新日志

版本	日期	变更内容
1.0.0	2026-07-08	初始版本，包含26个预置模板

---

本文档由RailWise技术团队维护，如有疑问请联系技术支持：support@railwise.cn