Poe 为创作者提供了一个精简高效的环境，无需管理服务器或搭建自定义基础设施，即可构建、定制专业 AI 助手并实现变现。与需要配置 API 网关、托管向量数据库以及维护前端聊天界面的传统 AI 应用开发不同，Poe 提示词机器人（Prompt Bots）让构建者能够在数分钟内将基础模型、自定义系统指令以及上传的参考文件整合为专属且可共享的机器人。深入理解如何配置基础模型、编写结构化系统提示词、连接知识库以及微调行为设置，能够帮助创作者部署针对特定专业和商业工作流量身定制的高性能机器人。
理解 Poe 提示词机器人（Prompt Bots）
Poe 将机器人创建划分为两个主要类别：服务器机器人（Server Bots）和提示词机器人（Prompt Bots）。服务器机器人通过 Poe 协议（通常使用 fastapi_poe 等 Python 库构建）连接到外部 Web 服务器，适用于执行自定义代码、查询第三方数据库以及调用专有 API。相比之下，提示词机器人完全运行在 Poe 原生云端环境中。
一个提示词机器人封装了三个核心组件：
- 基础模型（Base Model）： 提供推理能力的底层基础模型，例如 Anthropic 的 Claude 系列、OpenAI 的 GPT 模型或 Google 的 Gemini 模型。
- 系统提示词（System Prompt）： 一套持久生效的指令集，用于定义机器人的人设、运行规则、输入约束以及回复结构。
- 可选知识库（Knowledge Base）： 上传的文档或纯文本片段集合，Poe 会自动对其进行索引以实现检索增强生成（RAG）。
对于大多数创作者而言，提示词机器人在功能与操作简便性之间实现了理想平衡，既消除了托管成本，又提供了领先 AI 模型的使用权限与内置的变现渠道。
机器人创建分步工作流
在 Poe 界面中构建提示词机器人遵循一套结构化的设置流程。创作者可以在桌面浏览器中访问 poe.com/create_bot，或通过 Web 端和移动端应用导航侧边栏中的“Create a bot”（创建机器人）按钮进入该工具。
1. 身份与视觉品牌
第一步用于确立机器人的公开形象与标识：
- 个人资料头像（Profile Picture）： 直观展示机器人用途的头像。清晰、辨识度高的图标或角色形象能提升机器人在 Poe 目录中的可发现性。
- 机器人标识（Bot Handle / 名称）： 长度在 4 到 20 个字符之间的唯一标识符。标识支持字母、数字、连字符（-）、下划线（_）和句点（.）。Poe 会对这些符号进行规范化处理（例如，
SEO_Assistant、SEOAssistant和SEO-Assistant被视为相同的标识符）。 - 描述（Description）： 向访问机器人个人资料页面的用户展示的简明公开摘要。有效的描述应当清晰说明机器人的功能、预期的输入内容以及适用的目标受众。
2. 选择最佳基础模型
基础模型的选择决定了机器人的推理深度、响应速度、上下文窗口以及算力点数（Compute Points）消耗。Poe 为创作者提供了对多种模型系列的直接访问权限：
| 基础模型类别 | 代表模型 | 推荐使用场景 | 算力成本特征 |
|---|---|---|---|
| 高推理与深度分析 | Claude 3.5 Sonnet, GPT-4o | 复杂编程、长篇文档综合、法律分析、精细化写作 | 中到高点数消耗 |
| 快速且高性价比 | Claude 3 Haiku, GPT-4o-mini | 大体量客户咨询、快速分类、简单数据提取 | 低点数消耗 |
| 超长上下文 | Gemini 1.5 Pro | 海量文档分析、多章节书稿审阅、大型代码库解析 | 中等点数消耗 |
| 开源权重专精 | Llama 3 models | 预算敏感型自定义应用、聚焦型对话任务 | 低点数消耗 |
在选择基础模型时，需要评估你的工作流是需要深度多步推理，还是高频快速回复。处理重复性常见问题的客户支持机器人可以在快速、低成本的模型上稳定运行，而交互式软件架构师机器人则需要前沿模型的精细推理能力。
3. 设计系统提示词
系统提示词是机器人的核心操作手册。在任何用户交互开始之前，Poe 会将该文本作为系统指令传递给底层基础模型。
Poe 上的关键提示词工程原则包括：
- 采用第二人称直接指代： 用“你”（You）来称呼机器人，而不是使用第三人称（例如，使用“你是一名专业技术编辑”，而不是“该机器人是一名技术编辑”）。
- 明确的角色定义： 确立准确的身份、专业背景和专业领域边界。
- 显式约束： 详细说明机器人不能做什么。否定约束（如“严禁在未引用具体章节标题的情况下进行总结”或“绝不在标准合同条款之外提供法律建议”）能够有效防止偏离主题或产生高风险输出。
- 结构化排版规则： 使用 Markdown 标题、项目符号或括号模板
[Template]来指定所需的回复版式。 - 少样本示例（Few-Shot Demonstration）： 在提示词中提供一到两个简洁的输入/输出示例，可显著提高模型在边界情况下的表现一致性。
创作者可以切换 Prompt visible from bot profile（在机器人资料页公开提示词）开关。保持开启可供其他构建者查看和学习你的提示词，而关闭该项则能保护专有提示词工程与商业逻辑。
4. 集成知识库（RAG）
Poe 内置了原生检索增强生成（RAG）引擎，允许提示词机器人调用私有文档。
Poe 知识库的配置要点包括：
- 支持的文件格式： 创作者可以上传
.pdf、.docx、.txt和.html格式的文件，也可以直接将纯文本粘贴到控制面板中。 - 容量上限： 每个知识库最多支持 5 GB 的上传数据，或所有上传数据源合计最多 3000 万个字符。
- 自动分块与检索： 当用户提问时，Poe 会在上传的文档中搜索语义相关的文本块，并将其注入到模型的上下文窗口中。
- 来源引用： 开启“Cite sources”（引用来源）开关会指示模型生成行内引用并启用专属引用 UI 徽标，方便用户对照原始文档核实事实陈述。
5. 配置用户引导与问候语
问候语是在用户发送第一条提问前显示在聊天窗口中的引导文本。一条有效的问候语应当：
- 用一句话说明机器人的核心功能。
- 列出用户需要提供的具体信息或文件。
- 提供两到三个示例提示词或问题，帮助用户立即上手。
高级机器人配置
Poe 提供了若干控制项来微调用户交互与输出机制：
自定义温度（Temperature）
温度设置用于控制生成回复的随机性：
- 低温度（0.0 – 0.3）： 最大程度减少随机性，生成确定性、事实性和可复现的回复。该设置非常适合编程助手、财务计算、政策查询机器人以及知识库检索。
- 中等温度（0.4 – 0.7）： 提供连贯性与语言多样性之间的良好平衡，适合通用对话、商务往来以及结构化教学辅导。
- 高温度（0.8 – 1.0）： 引入创造性变化和丰富的词汇，最适合创意小说写作、头脑风暴和诗歌创作。
建议回复（Suggested Replies）
启用 Suggest replies（建议回复）会提示底层模型在每条回复后生成两到四个上下文相关的后续操作按钮。这能降低移动设备上的输入门槛，并引导用户完成多阶段工作流，而无需手动输入复杂指令。
Markdown 与实时预览（Live Previews）
默认情况下，Poe 使用 GitHub 风格 Markdown（GFM）渲染输出，支持表格、粗体排版、列表以及语法高亮的代码块。（出于安全考虑，对于 Markdown 中的外部图片链接，Poe 仅允许渲染来自 Imgur 和 Unsplash 等受信任图床的内容）。
针对软件和设计工作流，创作者可以启用 Optimize prompt for Previews（针对预览优化提示词）。该功能会注入专门的指令，引导模型输出独立的 React 组件（带有 type=react 标记）或自适应的单文件 HTML/CSS/JavaScript 应用。Poe 会在聊天界面内直接渲染这些代码工件，让用户能够在对话中与实时计算器、仪表盘微件和迷你游戏进行交互。
工作流蓝图
以下蓝图展示了如何针对特定用例组合基础模型、提示词与配置项。
工作流 1：客户支持与文档机器人
- 目标任务： 严格基于产品文档库回答用户提问。
- 推荐基础模型： Claude 3.5 Sonnet 或 GPT-4o-mini。
- 温度： 0.1 到 0.2。
- 知识库： 上传的产品用户手册（
.pdf）、API 参考（.html）以及疑难排解 FAQ（.txt）。 - 引用设置： 开启。
- 提示词架构：
- 指令机器人仅使用检索到的知识库片段回答问题。
- 要求在信息缺失时明确承认：“如果提供的文档未解答该问题，请说明该信息不可用，并引导用户联系 support@example.com。”
- 指示机器人使用清晰的分步编号说明来组织答案。
工作流 2：营销文案与品牌人设机器人
- 目标任务： 生成符合品牌准则的多渠道营销文案。
- 推荐基础模型： Claude 3.5 Sonnet 或 GPT-4o。
- 温度： 0.6。
- 知识库： 品牌语调指南、语气风格示例以及目标受众画像（Buyer Persona）简报。
- 提示词架构：
- 定义品牌人设、核心词汇以及禁用行话。
- 要求机器人在起草前提出三个澄清问题（目标平台、营销活动目标、核心客户痛点）。
- 包含电子邮件通讯、LinkedIn 行业观点帖以及短文案广告变体的结构化模板。
工作流 3：交互式 UI 原型构建机器人
- 目标任务： 按需构建交互式 React UI 组件。
- 推荐基础模型： Claude 3.5 Sonnet。
- 温度： 0.2。
- 高级设置： 开启“Optimize prompt for Previews”和“Render markdown content”。
- 提示词架构：
- 强制采用带有 Tailwind CSS 样式和默认导出的单文件 React 组件结构。
- 将外部引入限制在受支持的标准库内（如
lucide-react、recharts和@headlessui/react）。 - 要求布局具备响应式设计，能适配移动端与桌面端屏幕。
工作流 4：苏格拉底式教育导师
- 目标任务： 引导学生进行问题求解，而不直接给出答案。
- 推荐基础模型： GPT-4o 或 Claude 3.5 Sonnet。
- 温度： 0.4。
- 高级设置： 开启“Suggest replies”。
- 提示词架构：
- 指示机器人扮演苏格拉底式导师，将复杂问题拆解为可逐步解决的子问题。
- 禁止预先给出完整解决方案；引导用户尝试完成每一个步骤。
- 配置问候语提问：“你今天正在学习什么学科和概念？”
变现与分发
Poe 内置了创作者变现机制，允许构建者将定制机器人转化为可盈利的资产：
- 算力点数定价： 创作者可以为每条消息设置固定的算力点数价格，或参与动态浮动定价。当用户与付费机器人互动时，点数将从其 Poe 订阅额度或额外购买的点数余额中扣除。
- 创作者收益分成： Poe 根据机器人使用量以及通过创作者机器人转化的用户订阅来发放现金奖励。
- 机器人分享与发现： 每个机器人都会获得一个专属 URL（
poe.com/<BotHandle>），可分享至社交媒体、嵌入网站或发布在 Poe 机器人的公共探索目录中。
测试与迭代优化
在向更广泛受众发布机器人之前，创作者应当在预览聊天中测试边界情况：
- 知识边界测试： 提出知识库以外的问题，确保机器人承认缺乏上下文，而不是编造答案。
- 指令遵循测试： 在给出模糊或多部分的用户输入时，测试机器人是否遵循格式约束（例如表格布局或字数限制）。
- 点数成本审查： 确认所选基础模型在提供预期回复质量的同时，不会给常规用户造成不必要的点数负担。
通过协同匹配基础模型能力、结构化提示词指令以及针对性知识库，创作者能够部署稳健、可靠的 Poe 机器人，在各类商业与创意工作流中持续创造价值。