营销智能体（Agent）交出一堆空泛结果，原因只有一个：指令里没有“停止条件”。“分析一下我们的 SEO”没有终点，所以智能体只能给你一份泛泛的概览；“列出 6 月点击量损失最多的 5 个 URL，以及每个 URL 最可能的原因”有明确终点，所以它会给你一个答案。
下面的内容都由此展开。这 25 条提示词是写给真正能调用工具的智能体的（Search Console、GA4、SERP 数据、爬虫），而不是写给聊天助手的。每一条都写清了范围、约束和输出格式，因为正是这三点，把一个请求变成了智能体能完成、你也能核对的任务。
把方括号里的内容换成你自己的。凡是涉及日期范围的提示词，都要写明确的日期：“上个月”这类相对说法，是导致分析结论言之凿凿却错误的最常见原因之一。
好的 AI 营销智能体提示词长什么样
四个要素，缺一个，质量就会明显下降。
有边界的目标。智能体能判断“已完成”的事情。“找出 X”胜过“研究一下 X”。
范围。哪个媒体资源（property）、哪个栏目、哪段日期、哪个市场。用绝对表述，不用相对表述。
输出格式。按排名列出的 5 项、带指定列名的表格、一段话的结论。不写清楚，智能体就会自己选，而它通常会选大段文字。
证据规则。要求它为每个结论附上背后的数字，没有数据时写“无数据”，而不是估算。仅这一句，就能消除大部分编造。
一般来说，你不应该指定用哪些工具。构建良好的智能体会根据目标自己选择工具；你规定好调用顺序，就把它变成了工作流，等于扔掉了你花钱买的那部分能力。Anthropic 的《Building Effective AI Agents》正是这样划分的：工作流遵循“预定义的代码路径”，而智能体“动态地主导自己的流程和工具使用”。提示词只管结果，路线让它自己定。
诊断流量下滑的提示词
这是价值最高的一类，因为第二步该做什么，确实取决于第一步返回了什么。诊断流量下滑时，关键在于你事先并不知道答案出在展示次数、排名、点击率还是 SERP 版面变化上。所以提示词应该写明你要做出的判断，而不是你要跑哪些检查。
这一部分只有一条铁律：给出绝对日期。“上个月流量下降了”是智能体得出错误结论的头号原因，因为智能体理解的时间边界和你理解的悄悄差了一周，后面每一步对比都会继承这个错误。
[域名] 的自然点击量在 [日期范围 A] 与 [日期范围 B] 之间出现下降。
找出造成损失份额最大的 5 个 URL。
逐一说明原因是展示次数下降、排名下降还是点击率下降，
给出支撑判断的数字，并对你的首要假设进行排序。
如果数据不足以对某个 URL 下结论，请直接说明。对比 [域名] 今年 [月份] 与去年同月的 Search Console 表现。
把品牌词查询和非品牌词查询分开统计。
告诉我两者中哪一个发生了变化、变化幅度多大，以及这一变化是
集中在少数几个 URL 上，还是分散在全站。[着陆页 URL] 的转化率在 [日期 A] 与 [日期 B] 之间从 [X] 降到了 [Y]。
检查流量构成是否发生变化：
来源、媒介、设备、国家以及着陆页版本。
只报告变化超过 10% 的维度，
并给出变化前后的数据。审核 [URL]，列出所有可能影响其排名的技术问题，
按可能的影响大小排序，而不是按严重程度标签排序。
每个问题都说明你观察到了什么、为什么重要，以及如何修复。
排除任何你无法从页面本身验证的内容。[域名] 在 [关键词簇] 上的可见度下降了。判断是竞争对手
拿走了我们失去的排名，还是 SERP 本身发生了变化——
新的搜索功能、不同的搜索意图、不同的结果类型。
展示当前前 10 名结果以及发生了哪些变化。关键词与内容研究提示词
为 [域名] 找出两个季度内有现实可能排上去的关键词机会。
把我们已有排名的关键词与 [竞争对手 1] 和 [竞争对手 2] 进行对比，
过滤掉难度高于 [N] 的词，再把剩下的按搜索意图聚类。
返回一张表格：词簇、示例查询、合计月搜索量、平均难度，
以及我们为什么能拿下它。为主题 [主题] 梳理查询扇出（query fan-out）：列出针对该主题的
详细提示会被拆解成哪些子问题。逐一检查
当前排名前 3 的结果是否直接回答了它。
返回一张表格：子问题、由谁回答、是否存在空白（是/否）。找出 [域名] 上的关键词内耗：过去 3 个月内，
同一查询有不止一个我们的 URL 获得了展示。
逐一列出相关 URL、展示次数的分布，以及根据当前表现
应由哪个 URL 承接该查询。找出 [域名] 的“临门一脚”查询：平均排名在 8 到 20 之间，
过去 28 天展示次数至少 [N] 次。
按“展示次数 × 排到第 5 位时预期的点击率提升”排序。
写出你的计算过程。为 [目标查询] 制作一份内容简报。研究当前排名前 5 的结果
覆盖了哪些内容，指出它们全都遗漏了什么，并围绕这个空白
组织简报。列出文章必须回答的子问题，以及
值得引用的来源。不要写文章本身。
GA4 分析提示词
这里有两个限制需要注意。GA4 的抽样和阈值处理可能会悄悄改变你看到的数据；而 Data API 对标准媒体资源的计量额度是每个媒体资源每天 200,000 个核心令牌（core tokens），复杂请求消耗更多。所以，一条要求跨 18 个月拉取 6 个维度的提示词，代价不小。
使用 GA4 媒体资源 [ID]，对比 [日期范围 A] 与 [日期范围 B] 的
自然搜索会话数和转化数，并按着陆页细分。
返回转化数绝对变化最大的 10 个着陆页。
如果某一行的会话数低到转化率变化可能只是噪音，
请标记出来。在 GA4 媒体资源 [ID] 中，找出 [日期范围] 内哪些获客渠道上升、
哪些下降，以转化数而不是会话数来衡量。
说明你使用的是哪个转化事件。如果配置了不止一个转化事件，
请先列出来，问我用哪个，再继续。分析 GA4 媒体资源 [ID] 中，用户在 [日期范围] 内完成 [目标] 转化前的路径。
找出按百分比计流失最大的两个环节，
并在百分比旁边给出原始数量。针对 GA4 媒体资源 [ID]，对比 [日期范围] 内移动端与桌面端的
会话数、互动率、转化率和平均收入。
告诉我与上一个同等周期相比，移动端的差距是在扩大还是在缩小。将 GA4 媒体资源 [ID] 与 [域名] 的 Search Console 数据
在 [日期范围] 内交叉比对。找出自然点击增加但转化减少的页面。
逐一给出前后点击数、前后转化数，
以及一个假设。Search Console 提示词
这一部分的每条提示词都受两条硬性限制约束：Search Analytics API 每次请求最多返回 25,000 行，历史数据只保留 16 个月。让它做两年对比，靠谱的智能体会告诉你数据不存在；不靠谱的会给你估一个。
针对 [域名]，列出过去 3 个月内展示次数超过 [N]、
且点击率比所在排名区间平均点击率低 40% 以上的查询。
返回查询、排名、展示次数、实际点击率、
预期点击率以及获得排名的 URL。找出 [域名] 上 Google 为某查询排名的 URL 与我们预期的不一致的页面。
把获得排名的 URL 与主题真正匹配该查询的页面进行对比。
列出所有不匹配项。对比 [域名] 过去 4 个季度的 Search Console 表现。
找出处于结构性下滑的内容簇——连续三个或更多季度展示次数下降，
而不是季节性波动。
给出每个内容簇的季度数据。针对 [域名]，使用 Search Console 的生成式 AI 报告，
汇报 [日期范围] 内在 Google AI 界面上的表现。将其与同期整体网页
搜索表现进行对比。不要使用任何第三方对 AI 可见度的估算。竞品与品牌可见度提示词
在 [主题领域] 的自然可见度上，将 [域名] 与 [竞争对手 1] 和 [竞争对手 2] 对比。
返回一张表格：对方排名高于我们的共同关键词、只有对方有排名的关键词、
只有我们有排名的关键词，并标注每个词的搜索量和难度。检查向主流 AI 助手提出 [目标问题] 时，[品牌] 目前是如何被描述的。
报告每个助手说了什么、引用了哪些来源，
以及其中是否有我们自己的域名。直接引用原始回答，
不要概括。分析 [竞争对手] 最近发布的 [N] 篇关于 [主题] 的文章。
找出它们采用的结构模式——常见篇幅、标题形式、
引用了什么、一贯遗漏了什么。不要建议照搬；
告诉我这个遗漏值多少。报告类提示词
为 [域名] 生成 [月份] 的自然搜索月度表现总结。
结构：先用一段话给出结论，然后是点击、展示、平均排名
和转化的表格，附环比和同比变化，
然后是三项最重要的变动及各自原因，
最后是下个月的建议重点。每个数字都必须来自
已连接的数据。数据不存在时写“无数据”。把上面的分析整理成可以直接交给客户的文档。所有数字保持
完全一致。去掉内部工具名称和行话。先讲业务结果，
再讲指标。最多一页。每周一上午 9 点，检查 [域名] 的 Search Console，看是否有查询簇
的点击量周环比下降超过 25%，且展示次数至少 [N] 次。
如果没有任何查询簇超过阈值，只回复一行说明即可。
如果有，先调查原因再汇报。需要避开的提示词反模式
反模式 | 为什么会失败 | 改法 |
|---|---|---|
“分析一下我们的 SEO” | 没有停止条件，只能泛泛而谈 | 写明你要找到什么 |
“上个月” | 时间边界模糊，对比悄悄出错 | 用绝对日期 |
“给我一些洞察” | 没有输出格式，默认输出大段文字 | 指定表格或列表 |
“先用 GSC 工具，再用 GA4 工具” | 把智能体变成了工作流 | 说明目标，让它自己选路线 |
“没有数据就估算” | 等于明确允许编造 | 要求写“无数据” |
“提升我们的排名” | 没有边界，会把所有工具都全额跑一遍 | 每次只问一个问题 |
一条提示词塞进十个问题 | 一个都没完成，步数预算就耗尽了 | 按顺序逐个提问 |
怎样防止智能体编造数据
在任何数字很重要的提示词里，原样加上这三行：
每个数字都必须来自已连接的数据源。
没有数据时，写“无数据”——绝不估算。
说明每个数字来自哪个数据源。这样做之所以有效，是因为编造通常是模型在“要有帮助”和“要准确”之间一个没说出口的冲突里做了取舍。把准确性要求写明，冲突就会往正确的方向解决。但这并不是保证，所以运行记录才那么重要：智能体无法可靠地判断自己什么时候错了，而 Gartner 认为大多数智能体项目会因风险控制不足而失败，说的正是这个缺口。
提示词应该写多具体
目标、范围和输出要具体，方法要放开。这个平衡说起来简单，却很容易在两个方向上都做错。
写得太粗，就像“检查一下我们的 Search Console 有什么问题”。智能体没有终点，于是每样都看一点，最后交给你一张你早就知道的清单。写得太细，就像“查询 Search Console 过去 28 天的数据，然后筛选排名 8 到 20，再关联 GA4 会话数，再按展示次数排序”。这就是一段脚本了；如果第一次拉数据就发现真正的问题在别处，智能体还是会照着你的顺序走下去，然后错过它。
有效的写法介于两者之间：说明你要做出的判断，以及它必须达到的证据标准，然后让智能体自己选择怎么做到。Search Engine Land 关于构建智能体技能的实操指南也得出了同样的结论：指令范围要收得足够紧，让输出可以重复，但不要规定路径。
一个实用的检验方法：如果你能预测出提示词会触发的具体工具调用顺序，那就写得太细了；如果你预测不出答案大概长什么样，那就写得太粗了。
还有一点值得知道
没有任何提示词能让智能体写出的内容更容易进入 AI Overviews 或 AI Mode（Google 的 AI 摘要和 AI 模式）。Google 的官方指南明确表示，出现在 AI Overviews 或 AI Mode 中“没有额外要求，也不需要其他特殊优化”。网上那些承诺“AI 优化”输出的提示词，卖给你的其实只是排版。用智能体来找该写什么、检查自己有没有覆盖到，这部分是真的管用。
想用你自己已连接的 Search Console 和 GA4 数据运行这些提示词，请看 Autopilot。如果你想了解这些范围建议背后的逻辑，自主智能体能做什么、不能做什么一文详细讲解了其中的限制。
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
