Emotion Prompting
Emotion Prompting（Li et al., 2023a）的核心做法是：在提示词中加入“对人类有心理意义/情绪动机”的句子（如“这对我的职业很重要”“请认真一点”“我很焦虑，需要你严谨检查”），以提高模型在某些任务上的专注度、遵循度、输出质量。它属于一种“软约束/动机暗示”的提示技巧：不改变任务本身，但通过更强的语境暗示让模型更倾向于给出更认真、更完整的答案。
注意：这不是让模型真的“有情绪”，而是利用语言模式让输出更符合“认真负责”的文本分布。效果并非对所有任务都稳定，且可能带来冗长或过度自信。
1) 适用场景
常见有效场景（经验上更容易看到提升）：
- 开放式生成：写作、润色、摘要、营销文案、邮件等，希望更自然、更有感染力或更严谨。
- 需要强遵循/更仔细的任务：检查清单、代码审阅、推理题的步骤完整性（但不能保证推理必然正确）。
- 高风险沟通：向客户解释方案、写事故复盘、合规措辞，希望更谨慎、带免责声明、结构更清晰。
不太适合/要谨慎：
- 高度结构化的抽取/分类：例如只要输出 JSON/标签；情绪语句可能引入多余文本。
- 已用强约束系统提示词/工具链的场景：收益可能很小，反而变啰嗦。
2) 常用写法模板（可复制）
模板 A：责任/重要性（最常见）
任务：{任务描述}
背景：这对我非常重要，关系到{职业/考试/客户交付/安全}。
要求：请你非常仔细、不要省略关键步骤；如果不确定请明确说明并给出验证方法。
输出格式：{格式要求}
模板 B：压力/紧迫感（适度使用）
我现在时间很紧，但这件事会影响重大决定。请优先给出最可靠的答案与可执行步骤，并标注风险点。
模板 C：同理心/用户情绪（用于对话与安抚）
我有点焦虑/沮丧，希望你语气温和、一步一步带我做，并在每一步告诉我“为什么这样做”。
3) 应用场景例子（对比展示）
例子 1：代码排障（让输出更“检查清单化”、更谨慎）
普通 Prompt：
我这段 Python 代码跑得很慢，帮我优化。
Emotion Prompting 版本：
我这段 Python 代码跑得很慢，帮我优化。
这会影响我明天的线上发布，对我的工作非常重要。请你像资深性能工程师一样非常仔细：
- 先指出最可能的性能瓶颈（按优先级排序）
- 给出可量化的优化方案（怎么 profile、要看哪些指标）
- 给出修改示例，并说明可能的副作用/风险
如果信息不足，请先列出你需要我补充的 3 个关键点。
你通常会看到：回答更结构化、更强调“先 profile 再优化”、更愿意提示风险。
例子 2：写给客户的方案说明（减少随意、增加稳重措辞）
普通 Prompt：
帮我写一封邮件，向客户解释我们为什么延期。
Emotion Prompting 版本：
帮我写一封邮件，向客户解释我们为什么延期。
这封邮件会直接影响客户是否续约，对我们团队非常关键。请务必专业、克制、可信：
- 先承担责任并致歉（不甩锅）
- 清晰说明原因（不过度暴露内部混乱）
- 给出新时间表与补偿方案
- 结尾提出下一步沟通安排
语气：真诚、稳重，不要夸张承诺。
字数：180-220 中文。
例子 3：论文摘要润色（更认真、少“口水话”）
普通 Prompt：
帮我润色这段摘要。
Emotion Prompting 版本：
帮我润色这段论文摘要。
这篇论文要投顶会，对我的博士毕业非常重要。请你非常严谨：
- 不改变事实与贡献点
- 用学术英语的常见表达提升清晰度
- 删除模糊词（如 very, significant）并替换为可验证表述
- 给出“修改后版本 + 逐条修改理由（要点式）”
4) 使用注意事项（避免翻车）
- 不要用“威胁式”语言（如“否则你会怎样”）——容易让输出变得奇怪或不稳定。
- 避免让情绪句子和结构化输出冲突：如果你需要 JSON，就把情绪句子放在“约束说明”里，并再次强调“只输出 JSON”。
- 防止冗长：加一句“尽量简洁，不要重复同义句”。
- 别把它当“保证正确”的方法：它更多影响表达方式、覆盖面和谨慎程度，而不是数学意义上的正确性。
如果你告诉我你主要做的任务类型（比如：写作、代码、RAG 问答、客服、数据分析），我可以给你一套“Emotion Prompting + 结构化输出/检查清单/自检”的组合模板，并给出一组对比用例来验证是否真的提升。