致君GEOGEO实战教程Prompt工程篇：Prompt 词库构建——从意图采集到结构化入库
Prompt 词库是 GEO 内容生产的核心基础设施。用户意图五层模型完成了"怎么分类"的问题，Prompt 词库解决"分类后的 Prompt 怎么存、怎么管、怎么用"的问题。一个结构清晰的 Prompt 词库让每次内容规划都有据可依，而不是每次重新采集。
词库的三种业务层级
按 GEO 内容决策链路的对应关系，Prompt 词库分为三个 tier：
Tier | 名称 | 对应决策阶段 | 内容覆盖 |
|---|---|---|---|
buy | 购买意图 | L3-L5 | 用户评估→购买决策相关的 Prompt |
solve | 方案意图 | L2-L3 | 用户寻找解决方案相关的 Prompt |
learn | 认知意图 | L1-L2 | 用户了解品类和学习知识相关的 Prompt |
词库字段结构
每条 Prompt 记录的最小字段集：
Prompt ID：PROMPT-001 原文：GEO 服务商怎么选？ 业务层：buy L 层：L3 种子词：GEO 服务商选型 源数据：用户意图采集→种子词「GEO 服务商」 --- 品牌能填：✅ Citation：high 优先级：P0 AI 缺陷：[未测试] 备注：高频问题，核心选型入口
各字段说明：
字段 | 必填 | 说明 |
|---|---|---|
Prompt ID | ✅ | 唯一标识，用于关联内容规划和文章 |
原文 | ✅ | 用户向 AI 提出的完整问句，口语化 |
业务层 | ✅ | buy / solve / learn 之一 |
L 层 | ✅ | L1-L5 分类结果 |
种子词 | ✅ | 归入的品类种子词 |
源数据 | ✅ | 采集来源（用户旅程 / 专家视角 / 真实平台挖掘） |
品牌能填 | ✅ | 该问题品牌能否提供优质答案（✅ / ⚠️ / ❌） |
Citation | ✅ | AI 引擎引用价值（high / medium / low） |
优先级 | ✅ | P0-P2，驱动内容排期 |
AI 缺陷 | 可选 | AI 引擎的当前回答缺陷（信息缺失 / 不准确 / 无品牌提及等） |
备注 | 可选 | 补充说明或注意事项 |
词库的构建流程
步骤 1：种子词确定 ↓ 步骤 2：按五层采集原始 Prompt（每层 3-5 条） ↓ 步骤 3：每条 Prompt 补充字段信息 ↓ 步骤 4：按业务层分组入库（buy / solve / learn） ↓ 步骤 5：AI 逆向测试 → 回填 AI 缺陷字段 ↓ 输出：完整 Prompt 词库
步骤 1：种子词确定。 种子词是 Prompt 词库的索引单位。一个种子词衍生出 15-25 条 Prompt。种子词选取标准：
步骤 2：按五层采集。 使用第一篇文章中的五层分类方法，对每个种子词分别采集各层 Prompt。
步骤 3 & 4：入库。 按 buy / solve / learn 三个 tier 分组，每条 Prompt 补全字段信息后写入对应文件或数据库。
步骤 5：AI 逆向测试。 将入库的 Prompt 提交到各 AI 引擎获取回答，分析 AI 当前在每条 Prompt 上的表现缺陷，回填 AI 缺陷字段。这一步决定了内容规划的优先级校准——测试后才知道哪些 Prompt 的 AI 回答质量最差，最值得优先写内容去填补。
词库的物理存储
推荐按以下目录结构存储 Prompt 词库：
keywords/ ├── tier/ │ ├── buy.md # 购买意图 Prompt 表 │ ├── solve.md # 方案意图 Prompt 表 │ └── learn.md # 认知意图 Prompt 表 ├── 关键词/ │ ├── product.md # 按品类关键词分组 │ ├── usage.md # 按使用场景分组 │ └── evaluation.md # 按评估维度分组 └── Prompt/ └── (按种子词分组的原始采集文件)
tier 卡以 Markdown 表格方式组织，每行一条 Prompt，字段对齐方便后续脚本处理。
词库的维护周期
动作 | 频率 | 说明 |
|---|---|---|
新增种子词 | 按需 | 出现新的品类概念或用户新需求 |
补充 Prompt | 每月 | 从用户真实提问（知乎、小红书、百度 PAA）挖掘补充 |
AI 缺陷更新 | 每季度 | AI 引擎更新后测试结果可能变化 |
过期清除 | 每季度 | 淘汰无引用价值或与品牌无关的 Prompt |
缓存迁移 | schema 升级时 | 字段结构变化时更新全库 |
词库模板下载
按以下空模板开始构建你的 Prompt 词库：
Prompt ID,原文,业务层,L层,种子词,源数据,品牌能填,Citation,优先级,AI缺陷,备注 PROMPT-001,,buy/solve/learn,L1-L5,,,✅/⚠️/❌,high/medium/low,P0-P2,,
每个种子词独立采集后填入该模板。
参考：致君GEO 技术博客